تصور کنید مدیر یک بانک یا مرکز درمانی هستید که می‌خواهید از هوش مصنوعی استفاده کنید، اما ترس از نشت داده‌های حساس مشتریان به مدل‌های عمومی، شما را در مرحلهٔ آزمایش متوقف کرده است. این بن‌بست دقیقاً همان جایی است که اتحاد جدید PwC و Cohere قصد دارد آن را بشکند.
طبق اعلام رسمی این دو شرکت در ۵ اکتبر ۲۰۲۶، اتحادی جهانی برای پر کردن شکاف میان «پروژه‌های آزمایشی» و «استقرار واقعی» شکل گرفته است که عملیات آن از کانادا آغاز می‌شود. بسیاری از سازمان‌ها با مدل زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — تجربه دارند، اما در تبدیل این تجربه‌ها به سود مالی ملموس شکست خورده‌اند.
در بیانیه مشترکی که توسط PwC Management Services LP در تورنتو منتشر شد، اشاره شده است که شرکت‌ها باید ابتدا تعیین کنند هوش مصنوعی در کجا بیشترین تأثیر را دارد و سپس آن را به‌صورت امن به داده‌های مورد اعتماد متصل کنند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی حاکمیت داده‌ها در مدل‌های سازمانی اشاره کردیم، برای صنایع حساس، ریسک نشت اطلاعات یک خط قرمز است. برای یک بانک یا ارائه‌دهنده خدمات بهداشتی، احتمال نشت داده‌های حساس به یک مدل عمومی، موضوعی غیرقابل پذیرش است. این رویکرد در راستای تلاش‌های گسترده‌تر برای ایجاد زیرساخت‌های مستقل است، مشابه آنچه در ادغام Cohere و Aleph Alpha برای ایجاد قطب هوش مصنوعی حاکمیتی شاهد بودیم تا کنترل داده‌ها در سطح قاره‌ای حفظ شود.
سازمان‌ها باید از میان مجموعه‌ای از پرسش‌های مربوط به مقررات قانونی، ریسک، حریم خصوصی، امنیت سایبری و حاکمیت عبور کنند تا تعیین شود هوش مصنوعی چگونه می‌تواند به‌صورت مسئولانه مورد استفاده قرار گیرد. این همکاری با ترکیب زیرساخت فنی و چارچوب‌های حاکمیتی، دقیقاً این موانع خاص را هدف قرار می‌دهد.
در این ساختار، Cohere زیربنای فنی را از طریق پلتفرم عامل‌محور (Agentic AI) — سیستمی که مثل یک کارمند متخصص، می‌تواند به‌طور مستقل برنامه‌ریزی کند و ابزارها را به کار بگیرد — به نام North، مدل‌های سازمانی و ابزارهای جست‌وجو و بازیابی اطلاعات فراهم می‌کند. در مقابل، PwC لایه‌ی خدمات را بر عهده دارد که بر ارزیابی ریسک، بازطراحی گردش‌کار و اجرای کنترل‌های نظارتی تمرکز می‌کند.
نقش PwC شامل یافتن کاربردهای با ارزش بالا برای مشتریان و ارزیابی میزان مواجهه با ریسک‌های قانونی است. آن‌ها بر ایجاد ساختارهای حاکمیتی و اتصال فناوری به سیستم‌های سازمانی تمرکز می‌کنند تا استقرار در مقیاس بزرگ را پشتیبانی کنند. هر دو شرکت قصد دارند از این مدل برای بهبود عملیات فعلی و هم‌زمان آماده‌سازی برای بازآفرینی گسترده‌تر کسب‌وکار استفاده کنند.
بر اساس مستندات این مشارکت، چهار کاربرد کلیدی برای سازمان‌ها تعریف شده است:
- جست‌وجوی سازمانی امن و دسترسی به دانش: مبنی‌سازی (Grounding) — یعنی شبیه دانش‌آموزی که قبل از جواب دادن، اول کتاب درسی را باز می‌کند تا پاسخ‌ها دقیق باشند — خروجی‌های مدل بر اساس دانش داخلی سازمان و سیستم‌های اصلی کسب‌وکار.
- پشتیبانی از تصمیم‌گیری و پژوهش عمیق: استفاده از هوش مصنوعی برای تولید محتوا و تحلیل‌های پیچیده جهت بهبود کیفیت تصمیمات مدیریتی.
- خودکارسازی وظایف: بازطراحی جریان‌های کاری برای تخصیص نقش‌های دقیق و صریح به اتوماسیون، قضاوت انسانی، حاکمیت و پاسخگویی.
- زیرساخت حاکمیتی: امکان استقرار در ابرهای خصوصی، محیط‌های درون‌سازمانی (On-premises) یا محیط‌های کاملاً ایزوله (Air-gapped) برای حفظ کنترل مطلق بر داده‌های حساس و زیرساخت‌ها. این قابلیت استقرار در محیط‌های ایزوله، یادآور راهکارهای مشابهی است که Mistral و Cloudera برای فراهم کردن زیرساخت هوش مصنوعی حاکمیتی در محیط‌های بسته ارائه داده‌اند.
موفقیت این اتحاد با اولویت‌های مشخصی از جمله بهره‌وری، کاهش هزینه‌ها، کیفیت ارائه خدمات و کیفیت تصمیم‌گیری اندازه‌گیری خواهد شد.
دومنیک مارینو، مدیرعامل PwC کانادا، تأکید کرد که تکنولوژی به‌تنهایی برای خلق ارزش کافی نیست. او خاطرنشان کرد که اعتماد و حاکمیت داده‌ها برای صنایع تحت نظارت ضروری است تا بتوانند از مرحله آزمایش فراتر رفته و به نتایج ملموس دست یابند.
ایدان گومز، هم‌بنیان‌گذار و مدیرعامل Cohere نیز اشاره کرد که سازمان‌ها به قابلیت‌هایی نیاز دارند که آن‌ها را مجبور به تسلیم کنترل زیرساخت‌هایشان نکند. او بیان کرد که مدل‌های بنیادی Cohere به‌گونه‌ای طراحی شده‌اند که در هر جایی که سازمان نیاز داشته باشد اجرا شوند و شرکت‌ها را از موارد استفاده اولیه به استقرارهای امن در مقیاس تولید منتقل کنند.
آنی ویلت، مدیر فناوری PwC کانادا، افزود که ایجاد اعتماد نیازمند حاکمیت شفاف، قابلیت توضیح‌پذیری (Explainability) و نظارت انسانی است که باید از ابتدای مسیر در سیستم تعبیه شود. او معتقد است با استفاده از گزینه‌های استقرار حاکمیتی، مشتریان می‌توانند هوش مصنوعی را به سیستم‌های اصلی متصل کنند بدون اینکه شفافیت یا پاسخگویی را از دست بدهند.
این چرخش راهبردی نشان می‌دهد که دوران هایپِ «هوش مصنوعی برای همه چیز» به پایان رسیده و عصر «هوش مصنوعی برای گردش‌کارهای نظارت‌شده» آغاز شده است. برای یک مدیر کسب‌وکار، دیگر سؤال این نیست که آیا مدل می‌تواند ایمیل بنویسد، بلکه سؤال این است که آیا می‌تواند به‌صورت امن یک بررسی انطباق قانونی را خودکار کند.
شرکت‌هایی که بتوانند این انتقال به تولید را به‌درستی انجام دهند، جهشی در بهره‌وری و کیفیت خدمات خواهند داشت. در مقابل، کسانی که در مرحله پایلوت باقی بمانند، ریسک عقب ماندن از رقبایی را دارند که هوش مصنوعی را از یک ابزار نوظهور به یک نیاز عملیاتی هسته‌ای تبدیل کرده‌اند.
باید منتظر ماند و دید که این اتحاد چگونه از کانادا به سایر بازارهای تحت نظارت شدید مانند اتحادیه اروپا یا سنگاپور گسترش می‌یابد؛ جایی که قوانین اقامت داده‌ها (Data Residency) حتی سخت‌گیرانه‌تر است.
گام بعدی شما
- ارزیابی کنید کدام گردش‌کارهای سازمان شما بیشترین نیاز به «دقت داده‌ای» و کمترین تحمل «توهم» دارند.
- مدل‌های استقرار درون‌سازمانی را به‌جای مدل‌های ابری عمومی برای داده‌های حساس بررسی کنید.
- چارچوب‌های حاکمیتی (Governance) را پیش از انتخاب مدل فنی تدوین کنید.
گفتگو