سیگنال ۱۱ میلیارد دلاری: چرا داده‌های زمان واقعی سیستم عصبی هوش مصنوعی عاملی است

خرید 11 میلیارد دلاری IBM از Confluent روشن‌ترین سیگنال تاکنون است که AI Agent به قابلیت‌هایی وابسته خواهد بود که داده‌های بلادرنگ را مهار می‌کنند. 

علاوه بر IBM، غول‌های صنعتی دیگری مانند Google و Salesforce نیز این موضوع را مورد توجه قرار داده‌اند و طی سال‌های اخیر خریدهای بزرگی انجام داده‌اند که هدف آن‌ها اتصال بهتر داده‌ها و سیستم‌های سازمانی است.  

جهت مشخص است.  اکنون، سؤالات کلیدی برای طراحی معماری سازمانی مؤثر این است که چگونه برنامه‌ریزی و ساخت کنیم تا به وعده AI Agent عمل کنیم.  به نظر من، سازمان‌ها به سمت هماهنگی چند عامل در مقیاس بزرگ حرکت می‌کنند و داده‌های بلادرنگ برای ایجاد ارزش واقعی ضروری خواهند بود. 

AI Agent بدون زمینه بلادرنگ در گذشته عمل می‌کنند 

AI Agent سیستم‌های خودمختاری را وعده می‌دهد که می‌توانند در زمان واقعی پاسخ دهند و استدلال کنند. اما در محیط‌های تولیدی، این وعده به سرعت فرو می‌پاشد اگر سیستم خیلی دیر پاسخ دهد یا کمبود زمینه بلادرنگ وجود داشته باشد. 

یک شرکت خدمات مالی جهانی را در نظر بگیرید، جایی که هزاران ورودی بازار به طور مداوم در حال تغییر هستند و باید در لحظه وقوع آن‌ها مورد توجه قرار گیرند و به آن‌ها پاسخ داده شود. در این نوع محیط، فرآیندهای مبتنی بر هوش مصنوعی نمی‌توانند به طور دوره‌ای سیستم‌های منبع را برای یافتن تغییرات بررسی کنند. تأخیر چند دقیقه‌ای یک ناراحتی نیست، یک ریسک است. سیستم باید به آنچه که اکنون تغییر کرده پاسخ دهد، نه چند دقیقه بعد. 

این جایی است که سایر پلتفرم‌های AI Agent کوتاهی می‌کنند. معماری‌های درخواست-پاسخ آن‌ها برای دنیایی کندتر طراحی شده بودند، دنیایی که در آن برنامه‌ها می‌توانستند در حالت دسته‌ای کار کنند، به طور دوره‌ای سیستم‌های منبع را برای یافتن تغییرات جستجو کنند، در حالی که منابع محاسباتی و LLM را مصرف می‌کنند.  

سیستم‌های عاملی پاسخگو به گونه‌ای متفاوت عمل می‌کنند. آن‌ها باید به تغییرات رخ داده در سراسر سازمان - ثبت سفارشات، به‌روزرسانی‌های ارائه خدمات، فعالیت‌های فروش مشتری - در زمان واقعی پاسخ دهند، نه دقایق یا ساعت‌ها پس از وقوع آن‌ها.  

یک AI Agent که باید یک پایگاه داده را برای درک وضعیت فعلی بررسی کند، بلادرنگ نیست؛ بر اساس گذشته عمل می‌کند. پاسخ دادن در زمان واقعی به رویدادهای تجاری چیزی است که به عاملان آگاهی موقعیتی واقعی می‌دهد. این پاسخگویی و زمینه به‌روز را که برای عمل قاطع، هماهنگی با سایر عاملان و عملکرد قابل اعتماد نیاز دارند، فراهم می‌کند. 

حرکت به سمت هماهنگی AI، با قدرت رویدادها 

برای پشتیبانی از این در مقیاس سازمانی، معماری زیربنایی باید از یکپارچگی داده‌های ایستا به هماهنگی پویای عاملان تخصصی که در زمان واقعی عمل می‌کنند، تغییر کند. مشکلات بزرگتر باید به وظایف کوچکتر تقسیم شوند و به AI Agent مناسب با مهارت‌های درست، در زمان واقعی ارسال شوند. ارتباط ناهمزمان بین عاملان، برنامه‌های سازمانی و منابع داده، و غرق نکردن LLMها در زمینه بیش از حد القاکننده توهم، تنها راه دستیابی به مقیاس پذیری، قابلیت اطمینان و دقت مورد نیاز سازمان‌های با عملکرد بالا است. 

بازار به سرعت در حال بلوغ است تا از این حرکت پشتیبانی کند. ما شاهد هستیم که ارائه‌دهندگان بزرگ رایانش ابری این ضرورت را با ایجاد فضاهای اختصاصی برای این فناوری‌ها به رسمیت می‌شناسند. به عنوان مثال، AWS Marketplace اخیراً یک دسته جدید AI Agents and Tools را معرفی کرد تا به عنوان کاتالوگ متمرکزی برای این راه‌حل‌ها عمل کند. 

این بلوغ اکوسیستم حیاتی است. این کشف و فرآیند تدارکات را ساده می‌کند و به سازمان‌ها اجازه می‌دهد بر نوآوری تمرکز کنند نه مذاکرات با فروشندگان. راه‌حل‌هایی مانند Solace Agent Mesh که به تازگی راه‌اندازی شده و اکنون در این دسته جدید AWS موجود است، نمونه‌هایی از نحوه تلاش صنعت برای پر کردن شکاف هستند و چارچوب مورد نیاز برای مدیریت و هماهنگی عاملان را بدون بازسازی کل پشته فراهم می‌کنند. 

حکم نهایی 

معامله IBM-Confluent آنچه را که بسیاری از معماران سازمانی از قبل می‌دانند تأیید می‌کند: داده‌های بلادرنگ دیگر اختیاری نیستند. این پایه غیرقابل مذاکره برای هوش مصنوعی سازمانی در مقیاس است. 

سیستم‌های عاملی مؤثر نمی‌توانند به صورت جدا از لحظه حال استدلال، برنامه‌ریزی یا عمل کنند. آن‌ها باید در زمان واقعی همزمان با وقوع رویدادهای تجاری پاسخ دهند. بدون پاسخگویی بلادرنگ، هوش مصنوعی به گذشته محدود می‌شود.  

"عصر عاملی" فرا رسیده است. و این تنها با مدل‌ها تعریف نمی‌شود، بلکه با هوشمندی این مدل‌ها که در زمان واقعی اعمال می‌شوند، تعریف خواهد شد.