سیتی، فورد و اکسپرین استراتژی‌های خود را برای مقیاس‌بندی AI Agent به اشتراک می‌گذارند

«برای اینکه بتوانید اعتماد کنید، باید بتوانید ببینید چه اتفاقی دارد می‌افتد.» این اصل به‌ظاهر ساده، به گفته لورا هایزمن، مدیر ارشد بازاریابی Dynatrace، در قلب استقرار هوش مصنوعی در دنیای کسب‌وکار امروز قرار دارد.

هایزمن اخیراً در یک پنل در کنفرانس Brainstorm Tech مجله Fortune گفت: «این احتمالاً بزرگ‌ترین بحثی است که همه در تمام صنایع دارند. هر روز از مشتریانمان می‌شنویم. سؤال بزرگ این است: آیا می‌توانید به آن اعتماد کنید؟ آیا درست است؟ و اگر اشتباه است، آیا می‌توانید آن را متوقف کنید؟»

با توجه به اینکه کسب‌وکارها در حال بررسی اجازه دادن به AI Agent ها برای زنجیر کردن توالی وظایف، هر کدام بر اساس خروجی مدل‌های هوش مصنوعی، هستند، اعتماد بیش از هر زمان دیگری اهمیت دارد. و به گفته هایزمن و سایر رهبران کسب‌وکار در این پنل، تنها راه ایجاد این اعتماد، ساختن شفافیت و کنترل در سیستم‌هاست.

نیکیل جوشی، مدیر ارشد اطلاعات بخش بازارها در Citi، غول مالی که هر روز تریلیون‌ها دلار را در بیش از ۱۰۰ کشور جابجا می‌کند، گفت: «برای ما، دید و قابلیت ردیابی اختیاری نیست، بلکه بنیادی است. این نحوه نگاه ما به هر تصمیم است.»

جوشی گفت Citi بخش زیادی از سال ۱۴۰۳ را صرف ساختن یک پایه فناوری متمرکز برای همه اپلیکیشن‌ها و عاملان خود کرد. این پایه باعث شده شرکت با اطمینان بیشتری عاملان را وارد تولید کند.

جوشی گفت: «تنها یک راه واحد برای استقرار یک عامل در Citi وجود دارد و آن از طریق این چارچوب مرکزی است. این یعنی هر عامل از طریق این فرآیند ثبت می‌شود، هر عامل نظارت می‌شود، هر عامل حسابرسی می‌شود، هر عامل مدیریت می‌شود.»

در زمانی که به نظر می‌رسد همه با سرعت کامل به سمت هوش مصنوعی پیش می‌روند، سیستم فناوری تدریجی و متمرکز Citi ممکن است برای برخی بیش از حد محافظه‌کارانه به نظر برسد. اما جوشی گفت که این رویکرد در واقع در بلندمدت به شما کمک می‌کند سریع‌تر حرکت کنید. او گفت: «محافظه‌کار بودن در قبال هوش مصنوعی عبارت بدی نیست.»

کاتلین پیترز، مدیر ارشد نوآوری Experian، موافقت کرد و توضیح داد که این شرکت گزارش‌دهی اعتبار مصرف‌کننده چگونه سیستمی برای مدیریت عاملان مختلف در حال استقرار ایجاد کرده، که منشأ هر عامل، کارمند انسانی که عامل را ایجاد کرده و مجوزهای خاص دسترسی به داده یا انجام وظایف هر عامل را ردیابی می‌کند.

پیترز گفت: «وقتی همه در اکوسیستم بتوانند این قطعات را درک کنند، اعتمادی ایجاد می‌کنید که به شما اجازه می‌دهد مقیاس کنید و سریع حرکت کنید.»

سامی عُماری، مدیر اجرایی سیستم‌های کمک‌راننده پیشرفته و سرگرمی داخل خودرو در شرکت Ford Motor گفت که در صنعت خودروسازی، که زمان متوسط معرفی یک خودروی جدید از طراحی تا تولید می‌تواند سال‌ها طول بکشد، Ford از هوش مصنوعی برای تسریع بخش‌های خاصی از فرآیند و «شکست سریع» استفاده می‌کند.

عُماری گفت کلید کار داشتن محافظ‌های مناسب است.

عُماری به عنوان مثال گفت که کارمندان غیرمهندس مانند طراحان اکنون می‌توانند کدهای کامپیوتری برای ویژگی‌های جدید خودرو که از طریق ابزارهای «vibecoding» مبتنی بر هوش مصنوعی توسعه یافته‌اند ارائه دهند. این کار زمان لازم برای دیدن شکل ویژگی جدید در نسخه آزمایشی خودرو را کاهش می‌دهد و اگر ایده‌ای غیرعملی باشد، به سرعت از آن عبور می‌کنند. اگر ایده برنده از آب دربیاید، مهندسان کد را از صفر می‌نویسند و آن کد وارد خودرویی می‌شود که به مصرف‌کنندگان ارسال می‌شود. vibecoding طراح تنها به عنوان اثبات مفهوم اولیه عمل می‌کند.

عُماری گفت: «بنابراین سرعت واقعی ورود به بازار شتاب خواهد گرفت، اما فرآیند QA در پایان، پیش از اینکه چیزی را به مشتری ارسال کنیم، لزوماً تغییر نکرده است.»

این مقاله در اصل در Fortune.com منتشر شده است.