شرکت سیسکو در پاییز ۱۴۰۵ با معرفی چارچوب «Dialog»، گامی بلند در جهت یکپارچه‌سازی هوش مصنوعی عاملی (Agentic AI) در اکوسیستم ابری Webex برداشته است. این فناوری جدید که با هدف تبدیل تعاملات پراکنده به روابط پایدار با مشتری طراحی شده، به سازمان‌ها اجازه می‌دهد تا هوش مصنوعی را نه فقط به عنوان ابزارهای کمکی، بلکه به عنوان اعضای فعال و «عاملی» در فرآیندهای کاری خود به کار گیرند.
معماری Dialog و مفهوم هوش مصنوعی عاملی
پلتفرم «Dialog» به عنوان یک «محدودکننده و هدایت‌گر عاملی» (Agentic Harness) عمل می‌کند. برخلاف ربات‌های گفتگو (Chatbots) سنتی که تنها در لحظه پاسخگو هستند، عوامل مبتنی بر Dialog قادرند پس از پایان یک تعامل اولیه، همچنان در پس‌زمینه به فعالیت خود ادامه دهند. این معماری به هوش مصنوعی اجازه می‌دهد تا میان انسان‌ها، سایر عوامل نرم‌افزاری و سیستم‌های زیرساختی (Backend) هماهنگی ایجاد کند. به عبارت دیگر، یک عامل در این چارچوب می‌تواند وضعیت درخواست مشتری را از طریق دیتابیس‌های داخلی پیگیری کرده و نتیجه را در زمان مناسب به اطلاع کاربر برساند.
آنبوردینگ هوش مصنوعی: همکار جدید در تیم
یکی از نوآوری‌های سیسکو، نحوه مدیریت هوش مصنوعی در محیط کار است. سیستم جدید Webex به مدیران اجازه می‌دهد با هوش مصنوعی مانند یک کارمند جدید رفتار کنند. این عوامل با دسترسی به دستورالعمل‌های داخلی سازمان (Employee Handbooks)، پایگاه‌های دانش و رویه‌های عملیاتی (SOPs)، آموزش می‌بینند تا با فرهنگ سازمانی و جریان‌های کاری خاص شرکت همسو شوند. این فرآیند باعث می‌شود که هوش مصنوعی بتواند در جلسات، تماس‌ها و فضاهای کاری (Spaces) مستقیماً مشارکت کرده و وظایف چندمرحله‌ای را اجرا کند.
امنیت و تحلیل داده با تکیه بر زیرساخت Splunk
سیسکو با بهره‌گیری از پلتفرم تحلیل داده «Splunk» که چند سال پیش آن را تصاحب کرد، تلاش کرده تا لایه‌ای از امنیت و نظارت بر عملکرد را به این هوش مصنوعی اضافه کند. Dialog با هر تعامل، عملکرد خود را پالایش می‌کند تا نرخ خطاهای احتمالی کاهش یابد. با این حال، استفاده از این سیستم‌ها در محیط‌های سازمانی حساس، نیازمند نظارت دقیق انسانی است، زیرا ماهیت «عاملی» بودن این هوش مصنوعی به معنای دسترسی‌های گسترده‌تر در محیط‌های ثالث (Third-party applications) است.
چالش‌های قابلیت اطمینان در وظایف چندمرحله‌ای
علیرغم پتانسیل بالای این فناوری، واقعیت‌های فنی حاکم بر هوش مصنوعی امروز غیرقابل انکار است. مطالعات نشان می‌دهند که نرخ شکست هوش مصنوعی در اجرای وظایف پیچیده و چندمرحله‌ای همچنان بین ۶۰ تا ۷۰ درصد است. تئوری احتمالات در این زمینه هشدار می‌دهد؛ حتی اگر یک عامل در هر مرحله ۹۵ درصد دقت داشته باشد، در یک فرآیند ۲۰ مرحله‌ای، احتمال موفقیت نهایی به حدود ۳۶ درصد کاهش می‌یابد. بنابراین، سازمان‌ها باید در پیاده‌سازی‌های اولیه، استراتژی‌های «انسان در حلقه» (Human-in-the-loop) را برای جلوگیری از شکست‌های زنجیره‌ای حفظ کنند.
مشخصات فنی و قابلیت‌های Dialog:
- ماهیت: چارچوب مدیریت هوش مصنوعی عاملی (Agentic Harness)
- یکپارچه‌سازی: اتصال به سیستم‌های Backend و نرم‌افزارهای طرف سوم
- امنیت: نظارت و تحلیل داده مبتنی بر Splunk
- قابلیت یادگیری: اصلاح مداوم عملکرد بر اساس تعاملات گذشته
- کاربرد: اجرای وظایف چندمرحله‌ای در جلسات، تماس‌ها و محیط‌های کاری Webex
