پرش به محتوای اصلی
پرش به محتوای مقاله

«اتصال داده‌های مهندسی به میدان»؛ هدف جدید زیمنس از همکاری با سیلزفورس

·۲۴ شهریور ۱۴۰۵۴ دقیقه مطالعه
ادغام Agentforce سیمنس با Teamcenter SLM برای مدیریت چرخه عمر محصول مبتنی بر هوش مصنوعی
ادغام Agentforce سیمنس با Teamcenter SLM برای مدیریت چرخه عمر محصول مبتنی بر هوش مصنوعی
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

عبور از مرحله «پیشنهاد متن» به «اجرای منطق کسب‌وکار» در سطح بین‌پلتفرمی (از Slack به SAP) بدون دخالت انسان، که مفهوم شرکت عامل‌محور را در مقیاس صنعتی عملیاتی می‌کند.

تصور کنید تکنسین تعمیرات پیش از رسیدن به محل حادثه، دقیقاً بداند کدام قطعه یدکی برای آن دستگاه خاص لازم است و دیگر نیازی به تماس با خطوط پشتیبانی نباشد. این رویای بهره‌وری، اکنون به واقعیت تبدیل شده است. فرآیندهای صنعتی که زمانی هفته‌ها زمان می‌بردند، اکنون در عرض چند ساعت حل و فصل می‌شوند.

در ۱۵ سپتامبر ۲۰۲۶، شرکت‌های زیمنس (Siemens) و سیلزفورس (Salesforce) در جریان کنفرانس Dreamforce در سان‌فرانسیسکو، از ادغام عمیق پلتفرم Agentforce با نرم‌افزار Teamcenter Service Lifecycle Management (SLM) پرده‌برداری کردند. طبق اعلام این دو شرکت، هدف از این همکاری، تبدیل سازمان‌ها به «شرکت‌های عامل‌محور» (Agentic Enterprise) در مقیاس صنعتی است.

زمینه (Context)

برای دهه‌ها، دیواری بلند میان مهندسانی که ماشین را طراحی می‌کنند و تکنسین‌هایی که آن را در میدان تعمیر می‌کنند، وجود داشته است. این مشارکت تلاش می‌کند با قرار دادن پاسخ‌های «در سطح مهندسی» مستقیماً در جریان‌های کاری فروش و خدمات، این مانع را از بین ببرد. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی اکوسیستم‌های صنعتی هوشمند اشاره کردیم، دسترسی سریع به داده‌های فنی، کلید کاهش هزینه‌های عملیاتی است.

مارک بنیوف (Marc Benioff)، رئیس و مدیرعامل سیلزفورس، اظهار داشت که این همکاری به عنوان یک نقشه راه برای عصر هوش مصنوعی عمل می‌کند که فراتر از اتصال ساده فناوری‌هاست. او خاطرنشان کرد که زیمنس و سیلزفورس در حال نمایش این هستند که تبدیل شدن به یک سازمان عامل‌محور در مقیاس صنعتی به چه معناست.

تصور کنید یک تکنسین خدمات، قطعه یدکی دقیق را برای یک شماره سریال خاص، پیش از رسیدن به سایت شناسایی کند، بدون اینکه نیازی به تماس با خطوط پشتیبانی داشته باشد. بر اساس بیانیه مشترک، این ادغام بر سه سناریوی اصلی «عامل-به-عامل» متمرکز است:

جزئیات (Details)

  • خدمات میدانی: تکنسین‌ها می‌توانند قطعات یدکی صحیح را از طریق شماره سریال، به‌صورت لحظه‌ای و پیش از اولین بازدید میدانی شناسایی کنند.
  • فروش: نمایندگان فروش تنها ارتقاهایی را پیشنهاد می‌دهند و قیمت‌گذاری می‌کنند که از نظر فنی معتبر و قابل تولید باشند.
  • خودخدمتی مشتریان: مشتریان می‌توانند قطعات درست را بدون نیاز به تایید مهندس یا تماس با خطوط پشتیبانی، پیدا و سفارش دهند.

رولاند بوش (Roland Busch)، مدیرعامل زیمنس AG، این قابلیت را مانند قرار دادن یک «مهندس مجازی» در دستان کارکنان میدانی توصیف می‌کند. او توضیح داد که این مشارکت، جدایی دیرینه میان دانش مهندسی تخصصی و خدمات میدانی را از بین می‌برد.

بوش اشاره کرد که زیمنس «هوش مصنوعی صنعتی» و سیلزفورس «هوش مصنوعی سازمانی» را به ارمغان می‌آورد. آن‌ها در کنار هم، یک بلوک ساختمانی حیاتی برای یک «سیستم‌عامل هوش مصنوعی صنعتی» ایجاد می‌کنند که مهندسی، عملیات و کسب‌وکار را به هم متصل کند. زیمنس با جاسازی همزاد دیجیتال (Digital Twin) در جریان‌های کاری تجاری، قصد دارد تولیدکنندگان را از مدل فروش یک‌باره تجهیزات به سمت مدل‌های خدماتی پیش‌بینانه و مبتنی بر عملکرد سوق دهد.

فراتر از ادغام نرم‌افزاری، زیمنس پیش از این Agentforce را برای مدرن‌سازی فروش ورودی (Inbound Sales) خود مستقر کرده است. پیش از این، شرکت زیمنس — که بر حوزه‌های صنعت، زیرساخت، جابجایی (Mobility) و مراقبت‌های بهداشتی تمرکز دارد — ماهانه بیش از ۲۵۰۰ سرنخ (Lead) غیرتاییدشده دریافت می‌کرد و هیچ راه کارآمدی برای بررسی و غربالگری آن‌ها نداشت.

اکنون، دو عامل هوش مصنوعی در محیط Sales Cloud به‌صورت هماهنگ عمل می‌کنند:

  • عامل تعامل (Engagement Agent): این عامل با استفاده از داده‌های CRM، ایمیل‌های ارتباطی را شخصی‌سازی می‌کند. هر ایمیل حاوی یک کلید عمومی امن است که سرنخ را شناسایی می‌کند بدون اینکه شناسه داخلی رکورد (Internal Record ID) را افشا کند.
  • عامل احراز صلاحیت (Qualification Agent): هنگامی که مشتری احتمالی روی لینک کلیک می‌کند، این عامل از کلید عمومی برای بازیابی رکورد فروش، تایید اطلاعات و ذخیره جزئیات مربوط به بودجه و نیازهای زمان‌بندی استفاده می‌کند.

پس از تایید صلاحیت، قوی‌ترین فرصت‌ها به یکی از ۱۸ هزار فروشنده زیمنس ارجاع داده می‌شود. سیلزفورس گزارش می‌دهد که زیمنس اکنون با ۱۰۰٪ از این سرنخ‌های ورودی در ۱۳۲ کشور تعامل دارد. این استقرار از AIforce استفاده می‌کند؛ یک چارچوب امن هوش مصنوعی سازمانی که داده‌ها، جریان‌های کاری، منطق کسب‌وکار، اقدامات و حاکمیت سیلزفورس را به هر رابط عامل‌محور می‌آورد.

زیمنس همچنین در حال خودکارسازی اکوسیستم شرکای جهانی خود است. یک عامل نماینده فروش هوش مصنوعی جدید به نام Piper جایگزین فرم‌های ایستا شده است. به‌جای اینکه توزیع‌کنندگان احتمالی فرمی را پر کنند و منتظر تماس بمانند، پایپر در لحظه یک پیشنهاد شخصی‌سازی‌شده می‌سازد و شرکای واجد شرایط را مستقیماً با یک مدیر حساب شرکا رزرو می‌کند.

پس از امضای قرارداد با شریک، فرآیند پذیرش (Onboarding) به Slackbot منتقل می‌شود. این بات، گواهینامه‌ها، بررسی‌های مالی و ارزیابی‌های ریسک را در پشت‌صحنه سازماندهی کرده و تصمیمات را در Slack نمایش می‌دهد. مراحل نهایی در SAP از طریق Agentforce Operations (با قدرت Regrello) مدیریت می‌شود که به صفر کلیک انسانی نیاز دارد. این توالی، فرآیند پذیرش تامین‌کننده را از یک فرآیند هفته‌ای به تنها چند روز کاهش داده است.

این تغییر نشان‌دهنده حرکت به سمت «شرکت عامل‌محور» است؛ جایی که هوش مصنوعی فقط متن پیشنهاد نمی‌دهد، بلکه منطق کسب‌وکار را در پلتفرم‌های مختلف اجرا می‌کند. برای خواننده، این بدان معناست که کسب‌وکار «پس از فروش» (Aftermarket) — که ۶ برابر سریع‌تر رشد می‌کند و حاشیه سود آن تقریباً ۴ برابر بیشتر از فروش تجهیزات جدید است — به موتور اصلی رشد صنعتی تبدیل می‌شود.

زیمنس با خودکارسازی تحویل‌های خسته‌کننده میان مهندسی، فروش و مالی، روی این موضوع شرط‌بندی کرده است که سرعت عملیاتی به مزیت رقابتی اصلی او تبدیل خواهد شد. اثر مرتبه دوم این تحول، کاهش خطای انسانی در فرآیند قیمت‌گذاری و سفارش‌گذاری است که به‌طور تاریخی گریبان‌گیر صنایع سنگین بوده است.

باید رصد کرد که سایر غول‌های صنعتی چگونه به این مدل «سیستم‌عامل هوش مصنوعی صنعتی»، به‌ویژه در زمینه ادغام همزادهای دیجیتال در جریان‌های کاری CRM تجاری، پاسخ می‌دهند.

گام بعدی شما

  • بررسی نحوه ادغام داده‌های فنی (Engineering Data) با CRM برای کاهش نرخ خطای سفارشات.
  • مطالعه مدل‌های «سرویس‌محور» به‌جای «محصول‌محور» در صنایع سنگین.
  • رصد پاسخ سایر غول‌های صنعتی به مدل «سیستم‌عامل هوش مصنوعی صنعتی» زیمنس.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این ادغام با تکیه بر اعتبار فنی زیمنس و زیرساخت سیلزفورس، استانداردی جدید برای حذف اصطکاک میان بخش مهندسی و تجاری ایجاد می‌کند. نتیجه آن، تبدیل سرعت عملیاتی به یک سلاح رقابتی در بازارهای صنعتی است.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به APIهای سیلزفورس و تحریم‌های نرم‌افزاری، استقرار مستقیم این مدل در سازمان‌های ایرانی دشوار است؛ اما الگوهای خودکارسازی پذیرش تامین‌کننده برای استارتاپ‌های B2B داخلی قابل الگوبرداری است.

·نگاه ما
تحریریه دات‌هوش

تمرکز زیمنس بر بخش Aftermarket نشان می‌دهد که ارزش واقعی هوش مصنوعی در صنعت، نه در طراحی محصول، بلکه در بهینه‌سازی چرخه عمر و خدمات پس از فروش است. این استراتژی، مدل درآمدی شرکت‌های صنعتی را از فروش سخت‌افزار به سمت «سرویس به عنوان محصول» (SaaS در مقیاس صنعتی) سوق می‌دهد که پایداری مالی بسیار بیشتری دارد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.