تصور کنید در یک جلسه آنلاین هستید و دقیقاً همان لحظه‌ای که همکارتان در شهر دیگری صحبت می‌کند، دوربین اتاق شما بدون هیچ تأخیری روی او زوم می‌کند و صدای محیط را می‌برد. این تجربهٔ بدون نقص، تنها زمانی ممکن است که اتاق جلسات را نه مجموعه‌ای از نمایشگرها و بلندگوها، بلکه یک گره پیشرفته از رایانش لبه (Edge Computing) — شبیه به یک کامپیوتر قدرتمند کوچک که درست در کنار شماست و نیازی ندارد برای هر تصمیم به یک مرکز داده دوردست پیام بفرستد — بدانیم. به نقل از جاوید خان، مدیرعامل Neat، تبدیل فضای جلسه به یک سامانه هوشمند، تنها راه برای پر کردن نهایی «شکاف شرکت‌کنندگان دورکار» است. این رویکرد در واقع تلاشی برای تبدیل هوش مصنوعی از یک ابزار کمکی به یک سامانه کنش‌گرا در محیط‌های فیزیکی است تا تغییرات واقعی در تجربه کاربر ایجاد کند.
خان پیشینه‌ای عمیق در تحقق این چشم‌انداز دارد. او در مارس ۲۰۲۶ مدیریت این شرکت را بر عهده گرفت، پس از سال‌ها تجربه در مقیاس‌بندی سامانه‌های پیچیده. او پیش از این به عنوان نایب‌رئیس اجرایی و رئیس سامانه‌های هوشمند در شرکت Aptiv فعالیت می‌کرد، جایی که رهبری فناوری‌های پیشرفته هوشمند و مبتنی بر لبه را در بخش‌های مختلف از جمله خودرو، هوافضا و رباتیک بر عهده داشت. پیش از آن، او بیش از نه سال را در شرکت Cisco به عنوان نایب‌رئیس ارشد و مدیر کل بخش همکاری‌ها (Collaboration) گذراند و بر یکی از دوران‌های کلیدی تکامل ارتباطات سازمانی نظارت داشت. در مراحل ابتدایی‌تر مسیر شغلی‌اش، او ۱۴ سال در شرکت Symantec به عنوان نایب‌رئیس امنیت سازمانی فعالیت کرد. این ترکیب از تخصص در پلتفرم‌های همکاری، سامانه‌های هوشمند و امنیت سایبری، زیربنای مسیر فعلی Neat را شکل داده است.
زمینه: شکاف محیط‌های ترکیبی (Hybrid Gap)
برای سال‌ها، صنعت روی تجربه کاربر در خانه تمرکز کرد. پلتفرم‌های نرم‌افزاری باعث شدند چیدمان جلسات روی میز آشپزخانه بدون نقص باشد، اما محیط فیزیکی دفتر کار عقب ماند. این موضوع باعث ایجاد شکافی شد که در آن کارکنان دورکار، گفتگوهای جانبی را از دست می‌دادند و نمی‌توانستند «جو اتاق» را حس کنند. در حالی که رابط‌های صوتی و تصویری برای کاربران خانگی بهبود یافت، شکاف برای فردی که در اتاق کنفرانس حضور داشت عمیق‌تر شد؛ چالش‌هایی که نمی‌شد تنها با لایه نرم‌افزاری حل کرد. شرکت‌کنندگان دورکار به طور مداوم در موقعیت‌های نامساعدی قرار داشتند که پلتفرم‌ها قادر به دیدن یا اندازه‌گیری آن‌ها نبودند و اغلب زمانی که تصمیمات در خارج از کادربندی دوربین گرفته می‌شد، نادیده گرفته می‌شدند.
پس از پاندمی، پذیرش اتاق‌های کنفرانس در واقع شتاب گرفت. مردم به دفتر بازگشتند و اتاق جلسه دوباره به عنوان مکانی مرکزی برای تجمیع تیم‌ها جهت تفکر، تصمیم‌گیری و همکاری تبدیل شد. با این حال، خان به یک فرصت بزرگ از دست رفته اشاره می‌کند: این دستگاه‌ها معمولاً فقط در زمان برگزاری جلسه فعال هستند. کاربران وارد می‌شوند، به یک تماس می‌پیوندند و خارج می‌شوند و اتاق را در بقیه زمان‌ها «تاریک» رها می‌کنند.
اکنون با حضور سخت‌افزارهای پردازشی قدرتمند در اتاق، این فضا می‌تواند در تمام لحظاتی که پیش از این نادیده گرفته می‌شدند مفید باشد — چه قبل از شروع جلسه، چه بعد از پایان آن، و چه زمانی که یک تیم محلی صرفاً به فضایی نیاز دارد تا بدون داشتن لینک جلسه، با هم فکر کنند. اتاق کنفرانس همیشه قطبی برای همکاری بوده است؛ اما این هوش مصنوعی است که در نهایت اجازه می‌دهد این فضا واقعاً مانند یک قطب همکاری عمل کند.
شرکت Neat که در اسلو مستقر است، با جاسازی هوش مصنوعی مستقیماً در سخت‌افزار به جنگ این مشکل رفته است. این شرکت دستگاه‌های هوشمند همکاری تصویری — شامل دوربین‌های تخصصی، میکروفون‌ها، نمایشگرها، سامانه‌های صوتی و سخت‌افزارهای پردازشی — طراحی می‌کند که از پلتفرم‌های بزرگی مانند Microsoft Teams، Zoom و Google Meet و همچنین پیکربندی‌های «دستگاه خودتان» (BYOD) پشتیبانی می‌کنند. تمرکز این شرکت بر آوردن هوشمندی مستقیم به محیط است؛ از اتاق‌های کوچک تمرکز (Focus Rooms) گرفته تا محیط‌های کنفرانس بزرگ.
معماری هوشمندی لبه
بر اساس مصاحبه‌ای با unite.ai، خان توضیح می‌دهد که اگرچه ابر (Cloud) همچنان ستون فقرات مدیریت است، اما «تجربه کاربر» باید روی خود دستگاه زندگی کند. او معتقد است مدل‌های هوش مصنوعی اکنون به اندازه کافی کوچک و قدرتمند شده‌اند تا مستقیماً روی سخت‌افزار یک اتاق کنفرانس اجرا شوند، که این نشان‌دهنده یک تغییر بنیادین است و نه صرفاً یک بهبود تدریجی.
این انتخاب معماری سه مزیت کلیدی فراهم می‌کند:
- تأخیر صفر (Zero Latency): پردازش صدا و کادربندی دوربین نمی‌تواند منتظر رفت‌وبرگشت داده به یک سرور ابری بماند. وقتی هوش مصنوعی مجبور باشد به ابر سفر کند و برگردد، تأخیر توسط کاربران احساس می‌شود. پردازش محلی تضمین می‌کند که پاسخ‌ها آنی باشند.
- حریم خصوصی سخت‌افزاری (Hardened Privacy): داده‌های حساس هرگز اتاق را ترک نمی‌کنند. این یک تضمین ساختاری است که هیچ سیاست کتبی حریم خصوصی نمی‌تواند آن را بازسازی کند؛ خودِ معماری تضمین می‌کند که حساس‌ترین داده‌ها محلی باقی بمانند.
- بهینگی هزینه: اجرای مدل‌ها به صورت محلی، نیاز به زیرساخت‌های گران‌قیمت واحد پردازش گرافیکی (GPU) در ابر را کاهش می‌دهد. این موضوع باعث صرفه‌جویی فزاینده‌ای در مقیاس یک ناوگان بزرگ از دستگاه‌ها می‌شود که اولویتی برای رهبران مدرن IT است.
این شرکت تاکنون بیش از ۶۰۰ هزار دستگاه را برای ۲۰ هزار مشتری در ۹۰ کشور مستقر کرده است. سامانه آن‌ها از سیستم‌عامل اختصاصی Neat OS استفاده می‌کند که دارای بوت امن سخت‌افزاری (Hardware-backed secure boot)، تأیید یکپارچگی سیستم‌عامل و کنترل‌های سخت‌گیرانه بر فرآیندهاست تا حتی در صورت کشف یک آسیب‌پذیری، دسترسی نرم‌افزاری محدود بماند.
حل چالش‌های «قبل»، «حین» و «بعد» از جلسات
بسیاری از ابزارهای فعلی هوش مصنوعی روی «بعد از جلسه» — یعنی تبدیل گفتار به متن و خلاصه‌سازی — تمرکز دارند. اما خان استدلال می‌کند که اگرچه مستندسازی اکنون به یک استاندارد تبدیل شده، اما فرصت واقعی در مراحل «قبل» و «حین» نهفته است.
تجربه «قبل» و «حین»:
- کاهش اصطکاک: پیوستن به یک جلسه اغلب نقطه‌ای از استرس است که شامل استفاده از پلتفرم اشتباه، لینک‌های غلط یا رابط‌های کاربری ناآشنا می‌شود. Neat در حال همکاری با شرکای پلتفرمی است تا این اصطکاک‌های پیش از جلسه را حذف کند.
- مدیریت فعال اتاق: در حین تماس، هوش مصنوعی پویایی‌های زنده را مدیریت می‌کند. چیدمان‌های هوشمند (Intelligent Layouts) به طور پویا نحوه نمایش شرکت‌کنندگان دورکار را تنظیم می‌کنند تا همه، فارغ از اینکه کجا نشسته‌اند، حضور برابری داشته باشند.
- کادربندی هوشمند: سامانه به طور مداوم اتاق را می‌خواند تا نمای دوربین را به طور خودکار تنظیم کند. این امر تضمین می‌کند که شرکت‌کننده دورکار، شخص درست را در لحظه درست ببیند، بدون اینکه کسی در اتاق نیاز به لمس کنترل‌ها داشته باشد.
- حضور برابر: هدف این است که شرکت‌کننده در طرف مقابل، به اندازه کسانی که به صورت فیزیکی در اتاق حضور دارند، از تجربه جلسه رضایت داشته باشد.
تجربه «بعد» و یکپارچگی با گردش‌کار:
فراتر از تماس، خان عامل‌های هوش مصنوعی را متصور است که فقط جلسه را خلاصه نمی‌کنند، بلکه روی آن عمل می‌کنند. او اشاره می‌کند که موارد اجرایی (Action Items) اغلب در خلاصه‌هایی می‌مانند که هیچ‌کس آن‌ها را نمی‌خواند. در عوض، عامل‌ها به طور خودکار گردش‌کارهای سازمانی را به‌روزرسانی کرده و وظایف را در سطح سازمان ارجاع می‌دهند و جلسه را به جای یک رویداد ایزوله، به گره‌ای در یک گردش‌کار هوشمند و مستمر تبدیل می‌کنند. این رویکرد دقیقاً با این دیدگاه همسو است که جریان‌های کاری هوشمند در برابر ابزارهای تک‌بعدی تحول واقعی در حل مسائل عملیاتی ایجاد می‌کنند. هوش مصنوعی باید نتایج را به طور خودکار به بقیه سازمان متصل کند، نه اینکه صرفاً سند دیگری برای پردازش دستی ایجاد کند.
مشابهت با صنعت خودرو
خان خط مستقیمی میان تجربه قبلی خود در Aptiv — جایی که رهبری سامانه‌های هوشمند را بر عهده داشت — و وضعیت فعلی همکاری‌های سازمانی می‌کشد. او یک اتاق جلسه را به عنوان محیطی با تغییرات زیاد (High-variance)، مشابه به یک جاده می‌بیند. او به رانندگی خودران به عنوان یکی از پیچیده‌ترین راهکارهای رایانش لبه اشاره می‌کند، جایی که سنسورها داده‌های لحظه‌ای را شناسایی کرده و تصمیمات فوری می‌گیرند، زیرا پیامدهای خطا آنی و شدید است.
به همین ترتیب، یک اتاق جلسه هر بار تغییر می‌کند. این محیط شامل تعداد متفاوتی از افراد، آکوستیک‌های متنوع، نورپردازی‌های مختلف و پویایی‌های متغیر در گفتگو است. سخت‌افزار باید این تغییرات را بخواند و بدون دخالت انسان، به شکلی نرم پاسخ دهد. انضباط طراحی برای «تغییرات دنیای واقعی» به جای «شرایط ایده‌آل»، درسی از صنایع خودرو و رباتیک است که اکنون همکاری‌های سازمانی در حال پذیرش آن هستند.
هم‌افزایی سخت‌افزار و نرم‌افزار
خان با این ایده که سخت‌افزار در مقابل نرم‌افزار قرار دارد مخالفت می‌کند و استدلال می‌کند که این دو باید با هم کار کنند. در حالی که پلتفرم‌هایی مانند مایکروسافت، زوم و گوگل در داخل جلسه نوآوری می‌کنند، قابلیت‌هایی وجود دارد که نرم‌افزار به تنهایی نمی‌تواند آن‌ها را بازسازی کند.
- سخت‌افزار دقیق: میکروفون‌ها و بلندگوهای تخصصی، دقتی صوتی فراهم می‌کنند که نرم‌افزار نمی‌تواند شبیه‌سازی کند.
- اجرای محلی: مدیریت پردازش در محل، نیاز به رفت‌وبرگشت داده‌ها به ابر را از بین می‌برد و قابلیت اطمینان را افزایش می‌دهد.
- بهبود پایین‌دستی: کادربندی سخت‌افزاری بهتر و پردازش صوتی دقیق‌تر، ورودی تمیزتری ایجاد می‌کند که هر فرآیند بعدی هوش مصنوعی مبتنی بر نرم‌افزار را بهبود می‌بخشد.
با ساختاردهی از پایه به جای نصب هوش مصنوعی روی کدهای قدیمی، Neat قصد دارد پلتفرمی سخت‌افزاری ایجاد کند که نرم‌افزار را بهتر کند و اکوسیستمی نرم‌افزاری بسازد که سخت‌افزار را ارزشمندتر نماید. چون تیم مؤسس از سال ۲۰۱۹ از صفر شروع کرده، معماری آن‌ها ذاتاً برای عصر هوش مصنوعی طراحی شده است.
امنیت و انطباق
با جاسازی بیشتر هوش مصنوعی، حاکمیت داده‌ها به یک نگرانی اصلی تبدیل می‌شود. Neat این موضوع را با پردازش تمام هوش مصنوعی صوتی و تصویری در حافظه موقت (Volatile Memory) روی پردازنده‌های اختصاصی لبه مدیریت می‌کند.
این رویکرد تضمین می‌کند که هیچ داده‌ای ذخیره نشود، هیچ انتقالی به ابر صورت نگیرد و اطلاعات مشتریان در معرض خطر قرار نگیرد. برای سازمان‌ها، این امر انطباق با چارچوب‌های سخت‌گیرانه را ساده می‌کند:
- HIPAA: ضروری برای ارائه‌دهندگان مراقبت‌های بهداشتی که با داده‌های بیماران سروکار دارند.
- SOC 2: حیاتی برای سازمان‌های خدماتی که داده‌های مشتریان را مدیریت می‌کنند.
- CCPA و CPRA: لازم برای سازمان‌هایی که تحت قوانین حریم خصوصی کالیفرنیا فعالیت می‌کنند.
خان تأکید می‌کند که پنجره زمانی بین کشف یک آسیب‌پذیری و بهره‌برداری از آن به سرعت در حال کوچک شدن است. در نتیجه، Neat از بررسی‌های دوره‌ای فاصله گرفته و به سمت نظارت مستمر، مدیریت مداوم آسیب‌پذیری‌ها و تحلیل کد به کمک هوش مصنوعی در سراسر فرآیند توسعه حرکت کرده است. برای تضمین پایداری این سامانه‌ها در محیط‌های عملیاتی، Neat بر اهمیت زیرساخت‌های زمان اجرا تأکید دارد، چرا که مهندسی پرامپت به تنهایی برای پایداری عامل‌های سازمانی کافی نیست.
چشم‌انداز پنج‌ساله
با نگاه به سال ۲۰۳۱، خان پیش‌بینی می‌کند که فناوری موجود در اتاق واقعاً «نامرئی» شود. حالت ایده‌آل وضعیتی است که در آن هیچ‌کس صرفاً به دلیل دورکار بودن، دچار تجربه نامناسب نشود.
در این آینده، تجربه کاملاً یکپارچه خواهد بود:
- تنظیمات صفر: کاربران وارد اتاق می‌شوند و جلسه آماده است — بدون کلنجار رفتن با کابل‌ها، عیب‌یابی صدا یا تنظیم دوربین‌ها.
- مدیریت توسط عامل‌ها: عامل‌های هوش مصنوعی بار اداری را مدیریت می‌کنند، شرکت‌کنندگان را با زمینه (Context) مربوطه قبل از تماس آماده می‌کنند و ناوگان سخت‌افزاری را در پس‌زمینه مدیریت می‌کنند. این امر هزینه و پیچیدگی مدیریت اتاق‌های جلسه را کاهش داده و به تیم‌های IT اجازه می‌دهد روی اولویت‌های استراتژیک تمرکز کنند.
- انسان‌محوری: در حالی که عامل‌ها بار اداری را بر دوش می‌کشند، جلساتی که باقی می‌مانند متمرکزتر شده و برای قضاوت‌های واقعی انسانی، مشورت و توانایی «خواندن جو اتاق» رزرو می‌شوند.
این گذار نشان‌دهنده فاصله گرفتن از «نصب الحاقی» هوش مصنوعی روی کدهای قدیمی است. چون Neat از سال ۲۰۱۹ از صفر شروع کرد، معماری آن ذاتاً برای عصر هوش مصنوعی طراحی شده است و اجازه می‌دهد سخت‌افزار و نرم‌افزار به عنوان یک واحد یکپارچه ادغام شوند. این تغییر نشان می‌دهد که نوآوری بزرگ بعدی در محیط کار، نه از یک ویژگی نرم‌افزاری جدید، بلکه از هوشمندی فیزیکی خودِ اتاق نشأت خواهد گرفت.
گام بعدی شما
- اگر مدیر IT هستید، هنگام ارزیابی سخت‌افزارهای کنفرانس، به جای تمرکز بر قابلیت‌های ابری، میزان پردازش محلی (On-device AI) را بررسی کنید.
- برای افزایش حریم خصوصی در جلسات حساس، از دستگاه‌هایی استفاده کنید که پردازش صدا و تصویر را در حافظه موقت و به صورت محلی انجام می‌دهند.
- بررسی کنید که آیا ابزارهای فعلی شما فقط «خلاصه‌ساز» هستند یا می‌توانند مانند عامل‌های Neat، وظایف را مستقیماً در گردش‌کار (Workflow) سازمان شما ثبت کنند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو