تصور کنید مدیر منابع انسانی شما به‌جای هفته‌ها بررسی دستی، در چند ثانیه یک جدول حقوق و دستمزد زنده و دقیق تهیه کند. این رویایی است که Workday و Anthropic با ادغام مدل‌های استدلالی خود در عملیات سازمانی دنبال می‌کنند. دیدگاه کلی این است که جریان‌های کاری مالی و منابع انسانی در سازمان‌ها از نظارت دستی به سمت اتوماسیون مستمر و «عامل‌محور» (Agentic Automation) در حال تغییر هستند.
به نقل از اعلامیه مشترک این دو شرکت در رویداد Workday Rising در لاس‌وگاس (۱۳ اکتبر ۲۰۲۶)، هدف این همکاری اتصال منطق مدل Claude به عامل‌های هوش مصنوعی (AI Agents) — شبیه دستیارهای دیجیتالی که می‌توانند به‌جای پیشنهاد متن، واقعاً کاری را انجام دهند — در پلتفرم Sana است. این ادغام، داده‌های اختصاصی Workday و بستر کسب‌وکار را در بخش‌های منابع انسانی و مالی با قدرت استدلال Claude پیوند می‌زند.
این سیستم قرار است نقاط اصطکاک بالای عملیاتی، به‌ویژه چرخه‌های پرداخت (Compensation Cycles) و بسته‌های مالی پایان سال (Financial Closes) را هدف قرار دهد. با پیوند دادن بستر کسب‌وکار Workday به منطق Claude، این شرکت‌ها قصد دارند فرآیندهایی را که پیش از این هفته‌ها زمان می‌بردند، به وظایفی در پس‌زمینه تبدیل کنند که به‌صورت مستمر اجرا می‌شوند. بسته به نوع کاری که انجام می‌شود، این تجربه یا در Sana (که لایه ارکستراسیون و تجربه عامل‌محور Workday است) یا در محیط Claude اجرا می‌شود. این رویکرد در راستای استراتژی گسترده‌تر آنتروپیک برای تبدیل دستیارهای چت به موتورهای ارکستراسیون است تا مدیریت عامل‌های موازی در محیط‌های پیچیده تسهیل شود.
همان‌طور که در تحلیل قبلی ما درباره‌ی نیاز مدل‌های Claude 5 به پرامپت‌های ساختاریافته برای حفظ کارایی به دلیل پنجره بافت (Context Window) عظیمشان اشاره کردیم، این مشارکت اکنون یک چارچوب عملیاتی در سطح تولید (Production-grade) برای آن استدلال فراهم می‌کند. به‌جای اینکه کاربر داده‌ها را به‌صورت دستی وارد یک پرامپت کند، سیستم از یک پروتکل استاندارد برای جابه‌جایی بستر متنی بین عامل و مدل استفاده می‌کند.
سازوکار: پروتکل زمینهٔ مدل (MCP)
قلب تپنده این اتصال، پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) است؛ استانداردی باز که به Claude و Sana اجازه می‌دهد اطلاعات و وظایف را مبادله کنند. این پروتکل تضمین می‌کند که جریان کار در پلتفرم‌های مختلف ادامه یابد، بدون اینکه کاربر مجبور باشد فرآیند را از ابتدا شروع کند. افراد می‌توانند کار را در Sana یا Claude آغاز کنند و کنترل‌ها و بستر متنی آن‌ها در هر دو محیط دست‌نخورده باقی بماند.
در تجربه Sana، عامل‌ها گردش‌های کاری پیچیده را مدیریت (Orchestrate) می‌کنند. برای مثال، در یک چرخه حقوق و دستمزد، Sana می‌تواند یک جدول حقوق و دستمزد زنده یا یک صف استثنائات (Exceptions Queue) ایجاد کند. Workday اشاره کرد که Sana بستر هر فرآیند را از ابتدا تا انتها حفظ می‌کند و فضای کاری لازم را بدون خارج کردن داده‌ها از محیط Workday می‌سازد. هرگاه مرحله‌ای نیاز به نوشتاری ظریف و متناسب با شرایط داشته باشد — مانند یادداشت یک مدیر برای توضیح دلیل افزایش حقوق یک کارمند — Sana از استدلال Claude کمک می‌گیرد و تنها بستر متنی لازم برای آن وظیفه خاص را به اشتراک می‌گذارد. سپس هرگونه استثنائی برای بررسی نهایی به یک انسان ارجاع داده می‌شود.
تجربه کاربری و کنترل دسترسی
کاربران می‌توانند مستقیماً درون محیط Claude با عامل‌های Sana تعامل کنند. طبق گزارش Workday، یک مدیر استخدام می‌تواند نقش‌های باز را با تعداد کارکنان موجود و بودجه‌ها مقایسه کند تا یک برنامه جابه‌جایی داخلی (Internal Mobility Plan) طراحی کند که پست‌های خالی را با افرادی که در حال حاضر عضو تیم هستند پر کند. به همین ترتیب، یک مدیر مالی می‌تواند استثنائات فاکتورها را با سفارشات خرید (Purchase Orders) بررسی کرده و آن‌ها را مستقیماً در Claude تأیید کند یا به Sana ارجاع دهد. این قابلیت‌ها مکمل افزونه‌های تخصصی Claude برای مدیریت داده‌های مالی است که پیش‌تر برای ارتقای انطباق مالی معرفی شده بودند.
امنیت این فرآیند از طریق مجوزهای موجود و کنترل‌های حسابرسی (Audit Controls) در Workday مدیریت می‌شود. Claude تنها داده‌هایی را نمایش می‌دهد که کاربر خاص اجازه دسترسی به آن‌ها را دارد. این امر تضمین می‌کند که داده‌های حساس مربوط به حقوق یا اطلاعات مالی سازمان محافظت شده باقی بمانند. هر اقدامی دقیقاً از مجوزهای فعلی مشتری در Workday پیروی می‌کند.
گسترش اکوسیستم عامل‌ها
Workday ابزارهایی تحت عنوان Workday Agent-Ready Tools ارائه داده تا مشتریان مشترک بتوانند عامل‌های اختصاصی خود را مستقیماً در Claude بسازند. این ابزارها به عنوان ابزارهای MCP عمل می‌کنند و به هر عاملی که از MCP پشتیبانی می‌کند، راهی تحت نظارت (Governed) برای خواندن داده‌های Workday و انجام عملیات می‌دهند. مدیران سیستم تنها یک بار اتصال را برقرار می‌کنند و نیازی به تنظیمات به‌ازای هر کاربر یا ساخت مدل مجوز جدید نیست.
فراتر از قرارداد با Anthropic، Workday اعلام کرد که پلتفرم Trusted Agent Platform این شرکت اکنون «بدون سر» (Headless) شده است. این یعنی مشتریان می‌توانند عامل‌های هوش مصنوعی خود را در بخش‌های منابع انسانی و مالی، با استفاده از ابزارهای توسعه و مدل‌هایی که خودشان انتخاب می‌کنند، بسازند، اجرا کنند و مدیریت نمایند. Workday موارد زیر را به عنوان قابلیت‌های در دسترس عمومی (GA) فهرست کرده است:
- Agent Harness (هارنس عامل)
- Workday Data Cloud (ابر داده‌های ورک‌دی)
- Developer Agent (عامل توسعه‌دهنده)
- Custom Agents (عامل‌های سفارشی)
تیم‌هایی که روی این پلتفرم می‌سازند، می‌توانند از مدل‌های مختلفی برای قدرت بخشیدن به عامل‌های خود استفاده کنند، از جمله Google Gemini، Meta Llama، Mistral، OpenAI GPT و مدل‌های باز NVIDIA Nemotron.
رابطه‌ای فراتر از یک قرارداد
این همکاری بر پایه یک رابطه متقابل و عمیق است؛ Anthropic خود یکی از مشتریان Workday است و عملیات مالی و مدیریت نیروی انسانی خود را روی Workday Financials و Workday Human Capital Management اجرا می‌کند. Anthropic برای اداره کسب‌وکار خود به همان حاکمیت، قوانین، تأییدیه‌ها و کنترل‌های حسابرسی Workday متکی است.
از سوی دیگر، Workday نیز با استفاده از Claude محصول می‌سازد. این شرکت Claude Enterprise را پیاده‌سازی کرده و قصد دارد استفاده از Cowork را آغاز کند. تیم‌های محصول و توسعه Workday از Claude Code برای ساخت محصولات Workday استفاده می‌کنند و Developer Agent این شرکت برای کمک به توسعه‌دهندگان به Claude متصل می‌شود. انکور سینها، مدیر مهندسی بخش سازمانی و عمودی در Anthropic، تأکید کرد که «تصمیمات منابع انسانی و مالی، حقوق، نقش و مسیر شغلی هر کارمند را شکل می‌دهند» و Claude استدلال لازم برای اتخاذ این تصمیمات با سرعت و اطمینان بیشتر را فراهم می‌کند.
هویت عامل‌ها و تحلیل هوشمند
برای تقویت این چشم‌انداز عامل‌محور، Workday شرکت C1.ai را تصاحب کرد که یک پلتفرم هویت عامل‌محور است. C1.ai دسترسی انسان‌ها و عامل‌های هوش مصنوعی را در ایمیل‌ها، CRMها و زیرساخت‌های ابری مدیریت می‌کند و دسترسی‌ها را زمانی که دیگر مورد نیاز نباشند، حذف می‌کند.
علاوه بر این، شرکت ابزار Work Intelligence را معرفی کرد. این ابزار شغل‌ها را به تکالیف زیربنایی تجزیه کرده و آن‌ها را از طریق Workday Skills Cloud به مهارت‌های مورد نیاز متصل می‌کند. در حال حاضر بیش از ۳,۴۵۰ مشتری از این ابر مهارت‌ها استفاده می‌کنند.
نقشه راه و زمان عرضه
- پلاگین Sana در Claude: دسترسی زودهنگام اکنون آغاز شده؛ عرضه عمومی در اواخر ۲۰۲۶ مورد انتظار است.
- ابزارهای Agent-Ready: در دسترس از طریق Workday Extend AI؛ عرضه پلاگین در اواخر ۲۰۲۶.
- سرویس زمینهٔ عامل (Agent Context Service): دسترسی زودهنگام در اواخر ۲۰۲۶ در قالب Agent Harness. این سرویس تشخیص می‌دهد که یک عامل پیش از شروع استدلال، به چه بستر داده‌ای از Workday نیاز دارد.
- استدلال مبنی‌سازی شده (Grounded Reasoning): دسترسی زودهنگام در اوایل سال میلادی ۲۰۲۷. این قابلیت درخواست‌ها را با سیاست‌های شرکت، فرآیندهای کسب‌وکار و داده‌های مستاجر (Tenant Data) تطبیق می‌دهد تا پیش از اقدام عامل، صحت آن بررسی شود.
این تحول به معنای حرکت به سمت «هوش مصنوعی قانون‌مدار» (Lawful AI) در سازمان‌ها است. گریت کازماير، رئیس محصول و فناوری Workday، معتقد است مشتریان عامل‌های تخصصی برای مدیریت «افراد و پول» می‌خواهند که قوانین کسب‌وکاری را که بر اساس آن‌ها اداره می‌شوند، به‌طور کامل درک کنند. Workday با جاسازی استدلال در دل قوانین سخت‌گیرانه کسب‌وکار، تلاش می‌کند شکاف قابلیت اطمینانی را که اغلب استقرار مدل‌های زبانی بزرگ (LLM) در بخش مالی را دچار مشکل می‌کند، حل کند.
برای کاربر نهایی، این یعنی «دستیار هوش مصنوعی» از یک جعبه چت ساده که فقط متن پیشنهاد می‌دهد، به عاملی تبدیل می‌شود که واقعاً یک بسته مالی را می‌بندد و اجرا می‌کند. اثر مرتبه دوم این اتفاق، کاهش احتمالی نیاز به نظارت مدیران میانی بر چرخه‌های اداری روتین است. Workday اعلام کرده است که بیش از ۱۱,۵۰۰ سازمان در سراسر جهان، از جمله بیش از ۶۵٪ از شرکت‌های Fortune 500، برای این خدمات به آن اعتماد دارند.
منتظر عرضه Grounded Reasoning در سال ۲۰۲۷ باشید؛ این قابلیت تعیین خواهد کرد که آیا عامل‌های هوش مصنوعی واقعاً می‌توانند بدون دخالت انسان و با دقت کامل، از سیاست‌های پیچیده و خاص هر شرکت پیروی کنند یا خیر.
گام بعدی شما
- اگر از اکوسیستم Workday استفاده می‌کنید، قابلیت‌های Workday Extend AI را برای ساخت عامل‌های شخصی بررسی کنید.
- مستندات پروتکل MCP را مطالعه کنید تا متوجه شوید چگونه می‌توان داده‌های سازمانی را بدون خروج از محیط امن، به مدل‌های زبانی متصل کرد.
- برای سال ۲۰۲۷، روی پیاده‌سازی Grounded Reasoning تمرکز کنید تا نرخ توهم مدل‌ها در گزارش‌های مالی به صفر برسد.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو