در رویداد فناوری «Wave by Vento» که در مهرماه ۱۴۰۵ در تورین ایتالیا برگزار شد، مارکو آرژنتی، مدیر ارشد اطلاعات (CIO) گلدمن ساکس، تحلیل عمیقی از ورود این غول مالی به «موج سوم» پذیرش هوش مصنوعی ارائه داد. از نگاه آرژنتی، نقش برنامهنویسان در عصر هوش مصنوعی از نوشتن خطبهخط کد به مدیریت فرآیندهای خودمختار تغییر یافته است؛ تحولی که مفاهیم سنتی توسعه نرمافزار را بازتعریف میکند.
سه موج تکامل هوش مصنوعی در ساختار سازمانی
آرژنتی معتقد است استراتژی هوش مصنوعی گلدمن ساکس در سه فاز مشخص تکامل یافته است. در موج اول، تمرکز بر پذیرش ابزارها توسط توسعهدهندگان (بیش از ۱۲ هزار مهندس از ۴۷ هزار کارمند بانک) بود. موج دوم بر مهندسی مجدد فرآیندها تمرکز داشت؛ جایی که به جای تسریع کارهای موجود، ضرورت وجودی هر گام در جریان کاری (Workflow) زیر سوال رفت تا به مفهوم «پردازش مستقیم» (Straight-through processing) دست یابند. اکنون در پاییز ۱۴۰۵، ما در آستانه موج سوم هستیم: گذار از «صرفهجویی در هزینهها» به «ایجاد رشد و درآمد» از طریق قابلیتهای مولد هوش مصنوعی.
ظهور مدیرِ مدیران: پارادایم جدید برنامهنویسی
نکته کلیدی سخنان آرژنتی درباره تغییر ماهیت شغل توسعهدهنده است. در معماری جدید، توسعهدهندگان به جای صرف وقت برای نوشتن کدهای پایه، نقش معماران سیستم را ایفا میکنند. آنها با توصیف خروجی مطلوب و واگذاری وظایف به «عاملهای هوش مصنوعی» (AI Agents)، در جایگاه نظارتی قرار میگیرند. از آنجایی که این عاملها قادر به تولید «زیر-عاملها» (Sub-agents) برای انجام وظایف پیچیده هستند، یک توسعهدهنده عملاً به «مدیرِ مدیران» تبدیل شده است که وظیفهاش مدیریت منابع، اولویتبندی استراتژیک و تعریف معیارهای موفقیت برای ماشینهاست.
مدیریت ریسک در عصر مدلهای احتمالی
گلدمن ساکس با پذیرش این واقعیت که مدلهای هوش مصنوعی «ماشینهای آماری» هستند و همیشه خروجی یکسانی ندارند، استراتژی امنیتی خود را بر پایه رویکرد «مهدکودک» تنظیم کرده است. آرژنتی توضیح میدهد: «به جای تحمیل سیاستهای سختگیرانه، ما لبههای تیز را حذف میکنیم.» این رویکرد شامل موارد زیر است:
- اعمال معماری Zero Trust و Defense in Depth در محیط اجرای عاملها.
- بررسی مسیر تفکر (Chain of Thought) مدلها.
- استفاده از مدلهای دیگر برای به چالش کشیدن و اعتبارسنجی خروجی مدلهای اصلی.
استراتژی انتخاب مدل در گلدمن ساکس
- مدلهای Open-weight: استفاده برای حفظ حاکمیت داده و مالکیت فکری (IP) و همچنین انجام وظایف ساده با هزینه کمتر.
- مدلهای Frontier: بهکارگیری برای حل مسائل پیچیده و پیشرو که پیش از این برای انسان غیرقابل حل بودهاند.
- تمثیل خودرو: مدلهای ساده مانند کامیون برای امور عملیاتی و مدلهای پیشرفته مانند خودروی فرمول یک برای رقابتهای تجاری و حل مسائل بحرانی.
نتیجهگیری
مارکو آرژنتی بر این باور است که هوش مصنوعی نه تنها باعث کاهش تعداد نیروی انسانی نمیشود، بلکه با آزادسازی زمان مهندسان، آنها را به سمت پروژههایی سوق میدهد که قبلاً به دلیل محدودیت بودجه و زمان، در «بکلاگ» مهندسی باقی مانده بودند. در این دنیای جدید، مهارت اصلی، توانایی تفکر استراتژیک و مدیریت فرآیندهای مبتنی بر هوش مصنوعی است.