«افتخار به رباتها»؛ افزایش تعداد عوامل هوش مصنوعی در کار
کاربران سنگین و گارتنر هشدار میدهند که تعداد عوامل به راحتی میتواند افزایش یابد و میتواند نظارت و نگهداری را که تعیینکننده بازگشت سرمایه (ROI) است، پنهان کند.
یک سیگنال جدید وضعیت در محل کار در حال شکلگیری است حول "agentmaxxing"، جایی که حرفهایها بهطور عمومی تعداد نمایندگان هوش مصنوعی که "مدیریت" میکنند را به عنوان مدرکی برای اینکه نشان دهند در حال هدایت کارهای هوش مصنوعی هستند و نه اینکه توسط آنها جایگزین شدهاند، تبلیغ میکنند.
نکته اینجاست که "نماینده" یک برچسب مبهم است و شمارشهای خام میتوانند هزینههای نگهداری و مراقبت از رباتها را پنهان کنند که تعیین میکند آیا این سیستمها واقعاً زمان صرفهجویی میکنند یا خیر.
نکات کلیدی
- متخصصان به طور فزایندهای در حال "افتخار به رباتها" درباره تعدادعاملهای هوش مصنوعیآنها به این صورت عمل میکنند که تعداد کارکنان را به عنوان نشانهای از امنیت شغلی و نشاندهندهی توانمندی در نظر میگیرند.
- برخی از پر استنادترین مثالها شامل "نیروی کار دیجیتال" بزرگ ادعا شده است، از جمله یک شرکت مشاوره با بیش از 30 "کارمند" AI نامبرده و یک مدیر ارتباطات متا که تیمی ششنفره را توصیف میکند که تنها یک انسان در آن وجود دارد.
- «عامل» تعریف جهانی ندارد، که مقایسههای تعداد کارکنان را پر سر و صدا و آسان برای دستکاری میکند زمانی که اتوماسیونهای زمانبندی شده به عنوان کارگران خودمختار طبقهبندی میشوند.
- کارمندان اداری بیش از "شش ساعت در هفته" را به "نگهداری از رباتها" اختصاص میدهند و گارتنر هشدار داده است که تعداد استقرارها میتواند به طور چشمگیری از ارزش قابل اندازهگیری کسبوکار فاصله بگیرد.
«اجنتمکسیگ» به محل کار میرسد: وقتی تعداد کارکنان به انعطاف تبدیل میشود
مکانیسم پشت "افتخار به ربات" ساده است: یک مجموعه از اتوماسیونهای مبتنی بر هوش مصنوعی را بگیرید، به آنها نامها و نقشها بدهید و این مجموعه را به عنوان یک نیروی کار مدیریتشده ارائه دهید. این مانند یک داستان تبلیغاتی به نظر میرسد. شما دیگر "از هوش مصنوعی استفاده نمیکنید"، بلکه آن را نظارت میکنید.
این چارچوب در حال گسترش است زیرا با حال و هوای فعلی بازار کار همخوانی دارد. برآوردی که از سوی انجمن مدیریت منابع انسانی ارائه شده، پتانسیل جابجایی فنی ناشی از AI و اتوماسیون را تا ۲۲ میلیون شغل در ایالات متحده تا سال ۲۰۳۰ تخمین میزند، با حدود ۸ میلیون شغل که "به طور واقعی در معرض خطر" هستند.
در این زمینه، "من ۲۰ عامل را مدیریت میکنم" کمتر به ترجیح ابزار مربوط میشود و بیشتر به هویت مربوط است، راهی برای نشان دادن اینکه شما در سمت کنترل رابط قرار دارید.
برای معاملهگرانی که روایتهای پذیرش هوش مصنوعی را در موقعیتیابی محصولات و احساسات توکنها مشاهده میکنند، بخش مهم این است که این روند چه تأثیری بر معیارها دارد. "تعداد عاملها" به یک اصطلاح کوتاه برای پیشرفت تبدیل شده است، اما همچنین یک عدد خودپسند است که میتواند بدون اثبات افزایشهای پایدار در بهرهوری، افزایش یابد.
درون تنظیمات چندعاملی: بیش از 30 «کارمند هوش مصنوعی»، یک تیم 6 نفره با 1 انسان و یک «هدایتگر» برای 16 ربات
مِیسان اسکوری یک شرکت مشاوره هوش مصنوعی را توصیف کرد که بیش از ۳۰ "کارمند" هوش مصنوعی دارد، هر کدام با نامها، عناوین شغلی، مسئولیتها، شخصیتها، داستانهای پسزمینه و عکسهای پروفایل. او گفت که آنها "بهطور شبانهروزی با هزینهای کمتر از یک پنی در ساعت کار میکنند."
این تنظیم بهطور عمدی تئاتری است، از جمله یک نماینده رئیسدفتر به نام فرانکی که بیوگرافیاش میگوید: "هر چه باشد، او یک نفر را میشناسد"، و یک نماینده حسابرس نمادین به نام پنی که بهعنوان "دقیق و هرگز هراسان" توصیف شده است و "هر توکن هدر رفته را بهعنوان پول کسی در نظر میگیرد."
جزئیات حسابرس توکن اهمیت دارد زیرا به محدودیت واقعی برای بسیاری از استقرارهای عامل اشاره میکند: هزینه استفاده. یک توکن واحدی است که بسیاری از مدلهای هوش مصنوعی بر اساس آن هزینه میگیرند و "عوامل بیشتر" میتواند به معنای سوزاندن توکنهای بیشتر باشد مگر اینکه سیستم به گونهای طراحی شده باشد که هزینهها را کنترل کند.
اسکوری گفت که تعداد رباتهای خود را در لینکدین منتشر کرده تا به مشتریان بالقوه نشان دهد که سیستم او کار میکند و استخدام شود، در حالی که همچنین اذعان کرد که خود عدد بیمعنا است اگر عوامل نتوانند کار مفیدی انجام دهند.
در متا، مدیر ارتباطات مایان ساریگ توصیف کرد که چگونه یک تیم شش نفره را مدیریت میکند که تنها یکی از آنها انسان است. یک عامل، روند کار او را زیر نظر دارد و پیشنهاداتی برای صرفهجویی در زمان ارائه میدهد. عامل دیگر به عنوان "روزنامهنگار بدبین" عمل میکند و "پیشنهادات را قبل از ارسال آزمایش میکند." جمله ساریگ به وضوح تغییر وضعیت را بیان میکند: "من فقط نمینویسم. من عوامل را طراحی میکنم که مینویسند."
بازاریاب دریک هیکس توصیف کرد که 16 عامل تخصصی ساخته و سپس یک عامل دیگر به نام "کنسرت" اضافه کرده است تا آنها را مدیریت کند. او گفت که این عوامل میتوانندحسابرسیSEO یک شرکت، رسانههای اجتماعی، تبلیغات، پیامرسانی و رقبا را بررسی کرده و سپس نتایج را تحلیل میکند و یک روند کاری را از "سه یا چهار هفته به حدود یک ساعت" کاهش میدهد. هیکس این موضوع را به عنوان جایگزینی عوامل به جای نیروی کار جوان توصیف کرد: "در عوض، این عوامل و کد هستند."
این مثالها یک الگو را به اشتراک میگذارند. "عامل" یک چیز واحد نیست. میتواند یک LLM (مدل زبان بزرگ) باشد که در ابزارها پیچیده شده، یک اتوماسیون محدود، یا یک لایه مدیریتی که وظایف را بین سایر رباتها توزیع میکند. تعداد کارکنان این پیچیدگی را به یک عدد صحیح که برای brag-friendly مناسب است، فشرده میکند.
چرا تعداد عوامل به خوبی منتقل نمیشود: عدم تعریف، مشاغل برنامهریزی شده و 'هر روز چیزی خراب میشود'
تعداد عوامل به عنوان یک معیار شکست میخورد زیرا این دسته استاندارد نشده است. مقاله منبع اشاره میکند که هیچ تعریف جهانی پذیرفتهشدهای از یک عامل هوش مصنوعی وجود ندارد. OpenAI عوامل را به عنوان "سیستمهایی که به طور مستقل وظایف را به نمایندگی از شما انجام میدهند" توصیف میکند، در حالی که Anthropic عوامل را از جریانهای کاری که مسیرهای از پیش تعیینشده را دنبال میکنند، متمایز میکند.
در عمل، این برچسب به هر چیزی از یک سیستم که میتواند یک سرنخ فروش را شناسایی کند، تحقیق کند، پیشنویس ارتباطی تهیه کند و یک جلسه را رزرو کند تا یک ربات که تقویم شما را بررسی میکند و یک برنامه روزانه ارسال میکند، اعمال میشود.
رابی آلن، که سه شرکت هوش مصنوعی تأسیس کرده و گروه مشاوره خودکار را اداره میکند، نسخه عملیاتی از اینکه چرا این اعداد به راحتی قابل افزایش هستند را ارائه داد. او گفت که حدود ۲۵ عامل استفاده میکند، از جمله یکی که هر دو ساعت فید لینکدین او را برای نشانههایی مانند تغییرات شغلی، استخدام، جمعآوری سرمایه یا مدیران که درباره هوش مصنوعی صحبت میکنند، اسکن میکند و سپس فرصتهای ارتباطی را رتبهبندی میکند. اما او با هیچکس تماس نمیگیرد. آلن هنوز تصمیم میگیرد که با چه کسی تماس بگیرد و پیام را مینویسد.
آلن گفت بسیاری از آنچه به عنوان عامل شناخته میشود، مشاغل برنامهریزی شدهای هستند که به طور دورهای بیدار میشوند، به یک مدل هوش مصنوعی یا سرویس خارجی متصل میشوند و یک وظیفه محدود را انجام میدهند. نه هر مرحلهای از یک LLM استفاده میکند و این سیستمها "به طور مداوم فکر نمیکنند و مانند ۲۵ کارمند انسانی تصمیم نمیگیرند."
او همچنین دینامیک افزایش را به طور مستقیم توضیح داد: "من ۲۵ تا از اینها را دارم نه به این دلیل که یک ماه روی هر یک از آنها کار کردهام، بلکه به این دلیل که میتوانستم آنها را به سرعت ایجاد کنم."
نیمه دیگر مشکل معیار، قابلیت اطمینان است. آلن گفت که او یک عامل دیگر را اجرا میکند که کارش بررسی این است که آیا دیگران کار میکنند و به او پیامک میزند وقتی که یکی از آنها خراب میشود و "چیزی در لیست هر روز خراب میشود." این واقعیت عملیاتی است که پستهای تعداد عوامل معمولاً نادیده میگیرند: هر چه قطعات متحرک بیشتری اضافه کنید، بیشتر به عیبیابی امضا میکنید.
آیتم پنهان: زمان رباتنشینی و نگهداری مداوم
هزینهای که ROI را تعیین میکند، ساخت اولیه نیست، بلکه مالیات نظارت است. گزارش مؤسسه کار هوش مصنوعی Glean نشان داد که کارمندان اداری "بیش از شش ساعت در هفته" را به "رباتنشینی" اختصاص میدهند، که به عنوان ارائه زمینه، بررسی خروجی و اصلاح اشتباهات تعریف میشود. این بخشی مادی از یک هفته کاری است که صرف انجام خود کار نمیشود، بلکه صرف رفتار دادن به اتوماسیون میشود.
رباتنشینی همچنین به طرز ناخوشایندی مقیاس میگیرد. یک عامل واحد که محتوا را پیشنویس میکند میتواند به سرعت بررسی شود. یک سیستم چندعاملی که وظایف را در ابزارها زنجیرهای میکند میتواند در مکانهای بیشتری شکست بخورد: یک ادغام خراب، یک تغییر در طراحی وبسایت، یک خطای مجوز، یک بهروزرسانی مدل که فرمت خروجی را تغییر میدهد.
جمله آلن "چیزی هر روز خراب میشود" یادآوری میکند که این سیستمها نرمافزار هستند و نرمافزار هزینههای زمان کار و نگهداری دارد.
حتی کاربران سنگین در این داستان توصیف میکنند که هرس کردن بخشی از جریان کار است. ساریگ گفت که معیار او کیفیت خروجی و زمان صرفهجویی شده است و اگر یک عامل به طور مداوم بهتر یا سریعتر از فرآیند دستی او نباشد، از کار میافتد. او همچنین هشدار داد که نگهداری تعداد زیادی عامل میتواند اصطکاک بیشتری نسبت به آنچه که حذف میکند ایجاد کند و این تعادل را به صورت زیر خلاصه کرد: "ایجاد بسیاری از عوامل آسان است، اما نگهداری بسیاری از عوامل مؤثر دشوار است."
اینجاست که "افتخار رباتی" به طور تحلیلی خطرناک میشود. یک ادعای عمومی از "۳۰ عامل" میتواند درست باشد و هنوز هم اقتصاد واقعی را پنهان کند اگر سیستم نیاز به تحریک، اصلاح و نظارت مداوم داشته باشد. عدد اصلی یک داستان استقرار است. P&L یک داستان نگهداری است.
از واژههای داغ تا KPI: سیگنالهایی که صحبتهای ‘عامل’ شرکتی ارسال میکند—و آنچه که ارسال نمیکند
لایه شرکتی در حال تقویت روایت عامل است. دادههای AlphaSense نشان میدهد که ۲,۱۷۵ متن شرکت عمومی در سهماهه گذشته به ‘عوامل’ اشاره کردهاند، که تقریباً دو برابر سال به سال است. این یک تغییر واقعی در زبان است و زبان معمولاً زمانی که مدیران آن را تکرار میکنند، خطوط بودجه را هدایت میکند.
فروشندگان پلتفرم نیز در حال فشار برای افزایش تعداد پذیرش هستند. Salesforce اعلام کرد که بیش از ۲۵,۰۰۰ شرکت از پلتفرم Agentforce خود برای ساخت و استقرار عوامل استفاده کردهاند. Walmart به عنوان شرکتی توصیف میشود که یک چارچوب شرکتی از چهار ‘سوپر عامل’ را برای خدمت به مشتریان، شرکا و بیش از ۲ میلیون کارمند خود ایجاد کرده است.
مدیرعامل Meta، مارک زاکربرگ، به عنوان کسی توصیف میشود که یک عامل هوش مصنوعی برای کمک به انجام کارش و یک نسخه هوش مصنوعی از خود برای تعامل با کارمندان ایجاد کرده است.
آنچه این سیگنال میدهد، جریان اصلی شدن است، نه لزوماً بهرهوری. تحلیلگر معاون گارتنر، ملیسا هیلبرت، هشدار داد که تعداد عوامل میتواند استقرار را با ارزش اشتباه بگیرد. مثال او خط را به وضوح ترسیم میکند: ‘دو عامل که زمان چرخه خط لوله را ۵۰٪ کاهش میدهند’ یک نتیجه قابل اندازهگیری است، در حالی که ‘۲۰۰ عامل’ که محتوای استفاده نشده تولید میکنند، بیارزش است.
هیلبرت همچنین هشدار داد که عوامل بهخوبی ادغامنشده میتوانند بهرهوری کارمندان را با افزودن سیستمهایی که باید در آنها ناوبری و نظارت کنند، کاهش دهند و گفت: ‘باید تعادلی بین کار انسانی و هوش مصنوعی وجود داشته باشد’ تا منافع به وجود بیاید.
الگوی قابل توجه برای بازارها این است که روایت از ‘ویژگیهای هوش مصنوعی’ به ‘کار هوش مصنوعی’ منتقل میشود. این میتواند انتظارات برای هزینههای پلتفرمهای عامل و ابزارها را جلو ببرد. همچنین میتواند فاصلهای بین آنچه که بازاریابی میشود و آنچه که اندازهگیری میشود، ایجاد کند.
سیگنالهایی برای تماشای خودستایی رباتها، عوامل هوش مصنوعی را میسازد.
تمیزترین نشانه اینکه این روند در حال بلوغ است، تغییر در زبان تماسهای درآمدی از معیارهای استقرار به سبک تعداد کارکنان به معیارهای نتیجه است. ۲,۱۷۵ اشاره به متنهای AlphaSense در سهماهه گذشته نشان میدهد که ‘عامل’ اکنون یک کلمه اتاق هیئت مدیره است. مرحله بعدی این است که آیا شرکتها شروع به پیوست کردن آن به کاهش زمان چرخه، هزینههای صرفهجویی شده یا نرخهای استفاده میکنند یا فقط میگویند که ‘عوامل را مستقر کردهاند.’
افشای اطلاعات فروشندگان بیشتر اهمیت خواهد داشت اگر شروع به شامل نگهداری و استفاده کنند، نه فقط لوگوها. رقم ‘بیش از ۲۵,۰۰۰ شرکت’ Salesforce در Agentforce یک نقطه داده پذیرش است، اما به تنهایی، آزمایشها را از جریانهای کاری تولیدی که کارمندان به آنها وابستهاند، جدا نمیکند.
در سمت کار، به شواهدی توجه کنید که نشان میدهد رباتنشینی فشرده میشود. بار نظارتی ‘بیش از شش ساعت در هفته’ Glean، خط پایه فعلی است که در اینجا ذکر شده است. اگر ابزارهای جدید یا ادغام بهتر به طور قابل توجهی آن زمان را کاهش دهد، داستان ROI حتی اگر تعداد عوامل ثابت بماند، بهبود مییابد.
استانداردسازی قطعه دیگری است که گم شده است. چارچوب OpenAI از عوامل به عنوان سیستمهایی که به طور مستقل وظایف را انجام میدهند و تمایز Anthropic بین عوامل و جریانهای کاری از پیش تعریفشده تنها معنای ظاهری نیست. یک تعریف واضحتر میتواند مقایسههای بین شرکتی را کمتر پر سر و صدا کند و ‘عامل’ را به یک معیار تبدیل کند که میتواند سفر کند.
خوانش من: تجارت به معنای 'تعداد بیشتر نمایندگان' نیست—بلکه اندازهگیری بهتر نتایج و هزینههاست.
من "افتخار به ربات" را به عنوان یک پوشش اجتماعی در اطراف یک تغییر واقعی در پلتفرم میخوانم. ابزارهای بدون کد و چارچوبهای نمایندگی، ایجاد اتوماسیونهایی که شبیه همکاران به نظر میرسند را آسانتر میکنند و زمینه اضطراب شغلی، هویت مدیر رباتها را محافظتکننده میکند. به همین دلیل است که انعطافپذیری در تعداد کارکنان در حال گسترش است.
آستانهای که مهم است این است که آیا گفتگو از استقرار به نتایج منتقل میشود یا خیر. 2,175 ذکر در متن AlphaSense به شما میگوید که مدیران میخواهند به عنوان افرادی که با نمایندگان کاری انجام میدهند دیده شوند. هیلبرت از گارتنر به فیلتر بعدی اشاره میکند: زمان چرخه، کیفیت و استفاده.
اگر شرکتها شروع به گزارش کاهشهای ناشی از نمایندگان در زمان چرخه خط لوله، صرفهجوییهای قابل اندازهگیری در هزینه یا استفاده پایدار داخلی کنند، داستان به عملیاتی تبدیل میشود. اگر آنها همچنان به گزارش "چند نماینده" و "چند شرکت مستقر شده" ادامه دهند، داستان باقی میماند.
آزمون واقعی دیگر این است که آیا نظارت بر رباتها و خرابیها در حالی که ناوگانها در حال رشد هستند، قابل مدیریت باقی میماند یا خیر. اظهار نظر آلن که "چیزی در لیست بیشتر روزها خراب میشود"، چیزی است که ادعاهای نمایندگان در مقیاس بزرگ معمولاً از آن صرف نظر میکنند و "بیش از شش ساعت در هفته" از گلیان، مالیات نظارت را به اعداد ساده نشان میدهد.
اگر ابزارهای جدید این بار را کاهش دهند در حالی که کیفیت خروجی را بالا نگه میدارند، سیستمهای نماینده میتوانند تجمیع شوند. اگر بار نگهداری با ناوگان مقیاسپذیر باشد، "تعداد بیشتر نمایندگان" به یک کار نظارت خودتحمیلشده تبدیل میشود.
این روند در شرایط عملی زمانی اهمیت دارد که پذیرش نمایندگان دیگر داستان تعداد کارکنان نباشد و به داستان KPI تبدیل شود، با نتایجی که از نظارت بر رباتها و هزینههای نگهداری جان سالم به در میبرند.
