پرش به محتوای اصلی
پرش به محتوای مقاله

Zenzap چگونه گردش‌های کاری پیچیده را میان دپارتمان‌ها خودکار می‌کند؟

·۲۲ مهر ۱۴۰۵۵ دقیقه مطالعه
زن‌زپ با ۴۴ میلیون دلار سرمایه از حالت مخفی خارج شد تا عامل‌های هوش مصنوعی مشارکتی ارائه دهد.
زن‌زپ با ۴۴ میلیون دلار سرمایه از حالت مخفی خارج شد تا عامل‌های هوش مصنوعی مشارکتی ارائه دهد.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

انتقال عامل‌های هوش مصنوعی از محیط‌های ایزوله و خصوصی به محیط‌های چت مشترک تیمی برای اجرای عملیات تجاری در نرم‌افزارهای خارجی.

تصور کنید در یک گروه چت تیمی، به‌جای اینکه یک انسان ساعت‌ها وقت صرف جابه‌جایی داده‌ها بین نرم‌افزارهای مختلف کند، یک عامل هوشمند تمام این مسیر را در چند ثانیه طی کند. اگر هنوز از چت‌بات‌های شخصی برای کارهای تیمی استفاده می‌کنید، باید بدانید که عصر «هوش مصنوعی تک‌نفره» در حال پایان است.

به گزارش منتشر شده در ۱۴ اکتبر ۲۰۲۴، شرکت Zenzap با جذب مجموعاً ۴۴ میلیون دلار سرمایه از سرمایه‌گذاران بزرگی چون Bessemer Venture Partners و Lightspeed Venture Partners، و همچنین با سرمایه‌گذاری تکمیلی از سوی The Garage، از حالت مخفیانه (Stealth Mode) خارج شد. هدف این شرکت حذف گلوگاه‌های ورود دستی داده‌هاست که در حال حاضر عملیات تجاری بسیاری از سازمان‌ها را کند کرده است؛ آن‌ها می‌خواهند عامل‌های هوش مصنوعی (AI Agents) — شبیه به کارمندانی دیجیتال که نه فقط جواب می‌دهند، بلکه دستورات را اجرا می‌کنند — به‌جای دستیاران خصوصی، به اعضای فعال گروه‌های چت تیمی تبدیل شوند.

اهداف جذب سرمایه و رشد

باید اشاره کرد که رقم ۴۴ میلیون دلار نشان‌دهنده مجموع سرمایه‌های جذب شده است و نه یک دور جدید و واحد از تامین مالی. Zenzap قصد دارد از این منابع برای گسترش تیم‌های توسعه و فروش، بهبود محصول اصلی و شتاب بخشیدن به تلاش‌های خود برای توسعه در بازارهای بین‌المللی استفاده کند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اتوماسیون عامل‌محور اشاره کردیم، مشکل اصلی اکثر تعاملات فعلی با هوش مصنوعی، اتفاق افتادن آن‌ها در یک فضای بسته است. در حالت فعلی، یک کاربر سوالی می‌پرسد، جواب می‌گیرد و سپس باید دستی آن را در یک سیستم CRM یا حسابداری کپی کند. این وضعیت یک «شکاف انتقال» (Handoff Gap) ایجاد می‌کند که در آن اطلاعات ارزشمند گم شده یا با تأخیر منتقل می‌شوند. Zenzap قصد دارد این شکاف را با قرار دادن عامل‌های متخصص مستقیماً در کنار انسان‌های مسئول در محیط گفتگو پر کند. این استراتژی، شرکت را در نقطه تلاقی پیام‌رسانی محیط کار و اتوماسیون عامل‌محور قرار می‌دهد و یک رابط ارتباطی آشنا را فراهم می‌کند که توسط نرم‌افزاری قادر به اجرای وظایف پشتیبانی می‌شود. البته استقرار گسترده این زیرساخت‌ها در سازمان‌ها با چالش‌های مالی همراه است، به‌طوری که پیش‌بینی می‌شود هزینه‌های استقرار عامل‌های هوش مصنوعی در سال ۲۰۲۷ تا ۲۰۰ هزار دلار برسد و مدیریت بودجه‌های IT را با پیچیدگی‌های جدیدی روبرو کند.

طبق اعلام این شرکت، آن‌ها از رویکرد «هوش مصنوعی چندنفره» (Multiplayer AI) استفاده می‌کنند. در این مدل، به‌جای یک چت‌بات شخصی، پلتفرم یک فضای کاری مشترک فراهم می‌کند که در آن انسان‌ها و عامل‌ها به‌صورت هم‌زمان به هم وظیفه می‌سپارند، اسناد را به اشتراک می‌گذارند و تصمیمات را در لحظه رصد می‌کنند. کاربران از طریق متن یا صدا با این عامل‌ها ارتباط می‌گیرند و عامل‌ها از طریق اتصال به سیستم‌های خارجی، اطلاعات را بازیابی کرده و اقدام می‌کنند.

این تفاوت در عمل بسیار حیاتی است. برای مثال، وقتی تیمی درباره یک فاکتور پرداخت‌نشده بحث می‌کند، هدف فقط دریافت خلاصه نیست؛ بلکه فرآیند شامل یافتن رکورد، شناسایی مبلغ پرداخت‌نشده، آماده‌سازی پیام پیگیری و به‌روزرسانی سیستم حسابداری است. این شفافیت به همکاران اجازه می‌دهد تا اقدام پیشنهادی عامل را بررسی کرده و پیش از اجرای نهایی دستور در سیستم خارجی، زمینه (Context) آن را اصلاح کنند.

ادغام فنی و مقیاس‌پذیری

این پلتفرم با ترکیب عامل‌های پیش‌ساخته و کتابخانه‌ای شامل بیش از ۴۰۰ رابط اتصال (Connector) به نرم‌افزارهای تجاری موجود عمل می‌کند. Zenzap گزارش داده است که مشتریانش تاکنون بیش از ۴۰,۰۰۰ گردش کار خودکار ایجاد کرده‌اند. البته باید توجه داشت که این اعداد گزارش‌شده توسط خود شرکت است و لزوماً به معنای ۴۰,۰۰۰ ادغام مجزا و منحصر‌به‌فرد نیست.

این گردش‌های کاری وظایف عملیاتی خاصی را مدیریت می‌کنند، از جمله:

  • هدایت درخواست‌های ورودی به دپارتمان صحیح
  • شناسایی و بازیابی فاکتورهای مفقود شده
  • خواندن و به‌روزرسانی خودکار رکورد‌های CRM
  • ارزیابی اولیه (Qualifying) پرس‌وجوهای فروش ورودی
  • ثبت هزینه‌ها و تطبیق پرداخت‌ها

به‌عنوان مثال، یک عامل فروش می‌تواند جزئیات یک قرارداد را در چت گروهی پست کند و این اتفاق باعث شود یک عامل مالی به‌طور خودکار پیش‌نویس فاکتور مربوطه را برای تأیید انسانی آماده کند. مثال دیگر مربوط به درخواست‌های تعمیر و نگهداری است که از گزارش یک مشکل شروع شده، به ایجاد وظیفه تبدیل می‌شود و با پیگیری نهایی به پایان می‌رسد. شرکت ادعا می‌کند یک تیم می‌تواند یک عامل جدید را در کمتر از ۹۰ ثانیه راه‌اندازی کند، هرچند فرآیندهای پیچیده تجاری همچنان به پیکربندی دستی دسترسی‌ها و گیت‌های تأیید نیاز دارند تا اطمینان حاصل شود که رکورد صحیح انتخاب شده و مجوزها رعایت می‌شوند.

هدف‌گذاری نیروی کار موبایل‌محور

Zenzap به‌طور ویژه تیم‌های عملیاتی — مانند مدیران انبار، اپراتورهای رستوران و کسب‌وکارهای خدماتی — را هدف قرار داده است؛ کسانی که در حال حاضر هماهنگی‌های خود را از طریق اپلیکیشن‌های پیام‌رسان شخصی انجام می‌دهند. این شرکت تلاش می‌کند این گفتگوهای پراکنده را به یک محیط تجاری تحت نظارت و مدیریت‌شده برای موبایل و دسکتاپ منتقل کند.

این جایگاه‌سازی برای کارکنانی که پشت میز نمی‌نشینند (Non-desk workers) حیاتی است. ابزارهای اتوماسیونی که نیاز به داشبوردهای پیچیده و جدید دارند، معمولاً با مقاومت و اصطکاک روبرو می‌شوند. در مقابل، Zenzap خود را در جریان پیام‌های کوتاهی ادغام می‌کند که در طول روز برای هماهنگی شیفت‌ها و درخواست‌ها استفاده می‌شوند.

موارد استفاده عملیاتی ذکر شده توسط شرکت عبارتند از:

  • جمع‌آوری درخواست‌های روزانه کاری
  • ایجاد برنامه‌های شیفت
  • انتشار خلاصه‌های تقویم روزانه
  • پیگیری وظایف معوقه

این شرکت گزارش داده که به هزاران سازمان، از تیم‌های کوچک تا شرکت‌های بزرگ خدمات می‌دهد، اما متدولوژی دقیقی برای اندازه‌گیری بهبود بهره‌وری یا شواهد مستقل از بازگشت سرمایه (ROI) ارائه نکرده است.

چالش‌های حاکمیتی و امنیتی

انتقال عامل‌ها از «پاسخ به سوالات» به «انجام اقدامات»، ریسک‌های امنیتی بزرگی ایجاد می‌کند. Zenzap این موضوع را از طریق کنترل‌های دسترسی دقیق (Granular Access Controls) مدیریت می‌کند که تعیین می‌کند چه کسی می‌تواند عامل اضافه کند، عامل به کدام چت‌ها دسترسی دارد، چه کارهایی می‌تواند انجام دهد و چه زمانی تأیید انسانی لازم است.

نکته کلیدی این است که پلتفرم، اجازه «خواندن گفتگو» را از اجازه «تغییر رکورد مالی» جدا می‌کند. این یعنی یک عامل نمی‌تواند به‌طور یک‌جانبه پیامی به مشتری بفرستد یا وضعیت پرداخت را تغییر دهد مگر اینکه سطح دسترسی لازم را داشته باشد. آزمون واقعی این پلتفرم این است که آیا یک تیم می‌تواند یک اقدام را تا درخواست اولیه ردیابی کند، مجوزهای استفاده شده را شناسایی کند و در صورت اشتباه بودن زمینه، در آن دخالت کند. شایان ذکر است که در اعلامیه جذب سرمایه، معماری مدل‌های زیرساختی یا بنچمارک‌های مستقل برای قابلیت اطمینان در اجرای وظایف افشا نشد.

پیشینه شرکت و تیم رهبری

این شرکت که در سال ۲۰۲۲ تأسیس شده، توسط گای ویس (مدیرعامل)، جاناتان بین (مدیر فنی) و نوآم نویمان (مدیر عملیات) رهبری می‌شود. تیم رهبری تجربه‌ای متنوع را به همراه دارد: ویس پیش از این شرکت Stucco Media را تأسیس کرد و آن را تا مرحله تصاحب (Acquisition) هدایت نمود؛ بین نقش‌های ارشد فناوری را در Voca.ai و Viz.ai بر عهده داشت و نویمان پست‌های ارشدی را در Mobox و Matomy تجربه کرده است.

تیم فعلی شامل ۴۵ کارمند است که در تل‌آویو، اروپا و ایالات متحده پراکنده شده‌اند. شرکت قصد دارد از ذخیره ۴۴ میلیون دلاری خود برای گسترش تیم‌های فروش و توسعه و تسریع رشد بین‌المللی استفاده کند.

برای کاربر نهایی، ارزش پیشنهادی ساده است: تبدیل چت محیط کار به یک رابط قابل‌اعتماد برای فرآیندهای تجاری. موفقیت نهایی این پلتفرم به این بستگی دارد که آیا می‌تواند اجرای مطمئن را در بیش از ۴۰۰ رابط اتصال خود، بدون نیاز به دخالت مداوم انسان حفظ کند یا خیر.

گام بعدی شما

  • اگر مدیر تیمی هستید که هماهنگی‌هایش در تلگرام یا واتس‌اپ می‌چرخد، بررسی کنید که آیا انتقال به یک محیط «عامل‌محور» می‌تواند خطاهای انسانی در ورود داده‌ها را کم کند یا خیر.
  • روی تعریف «گیت‌های تأیید» (Approval Gates) تمرکز کنید؛ هر اتوماسیونی که مستقیماً با سیستم مالی در ارتباط است، بدون نظارت انسانی ریسک بالایی دارد.
  • مدل‌های همکاری چندنفره با هوش مصنوعی را دنبال کنید تا متوجه شوید چگونه نقش «مدیر عامل‌های هوش مصنوعی» در سازمان‌ها شکل می‌گیرد.

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

چرا این موضوع مهم است؟

این رویکرد با تکیه بر تجربه عملیاتی در محیط‌های غیراداری، اتوماسیون را از داشبوردهای پیچیده به محیط‌های آشنای چت می‌برد. اعتبار این مدل در گرو توانایی Zenzap در کاهش نرخ خطای استنتاج در ۴۰۰ رابط اتصال مختلف است.

تأثیر برای ایران

به‌دلیل محدودیت‌های API و تحریم‌های نرم‌افزارهای تجاری غربی که Zenzap با آن‌ها ادغام می‌شود، دسترسی مستقیم به این سرویس برای کسب‌وکارهای ایرانی دشوار است.

·نگاه ما
تحریریه دات‌هوش

تمرکز Zenzap بر «هوش مصنوعی چندنفره» نشان می‌دهد که صنعت از مدل‌های چت‌بات تک‌کاربره به سمت سیستم‌های عملیاتی تیمی حرکت می‌کند. به نظر ما، نقطه شکست این مدل‌ها نه در قدرت مدل زبانی، بلکه در مدیریت دقیق دسترسی‌ها (Permissions) و جلوگیری از اجرای اشتباه دستورات در سیستم‌های حساس مالی است. در واقع، چالش اصلی دیگر «تولید متن» نیست، بلکه «مدیریت اعتماد» در زنجیره اجرای دستورات است.

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.