شرکت Tata Consultancy Services (TCS) یک لایه حاکمیتی مشترک برای مدیریت عامل‌های هوش مصنوعی در محیط‌های سازمانی معرفی کرده است؛ رویکردی که قرار است به‌جای مدیریت مجزای هر ابزار، همه عامل‌ها از SAP تا ServiceNow و Oracle را زیر یک چتر کنترلی واحد قرار دهد. این چارچوب هنوز در مراحل توسعه است و TCS جزئیات فنی یا زمان عرضه آن را اعلام نکرده، اما ایده محوری آن پاسخ به یک مشکل رو به رشد در سازمان‌هاست: وقتی ده‌ها عامل هوشمند هم‌زمان فعالند، چه کسی مسئول هماهنگی آن‌هاست؟
از ابزارهای هوش مصنوعی مستقل تا مدیریت یکپارچه سازمانی
با ورود عامل‌های هوش مصنوعی به بخش‌های مختلف سازمان، چالش تازه‌ای شکل گرفته است: وقتی هر تیم یا شرکت فناوری عامل خودش را توسعه می‌دهد، چه کسی مسئول هماهنگی آن‌هاست؟ این عامل‌ها ممکن است روی بسترهای متفاوت اجرا شوند، به داده‌های جداگانه دسترسی داشته باشند و بدون ارتباط مشخص با یکدیگر کار کنند. در مقیاس سازمانی، کنار هم قرار گرفتن این ابزارها لزوماً به معنای عملکرد یکپارچه نیست.
شرکت Tata Consultancy Services (TCS) به‌دنبال پاسخ به همین مسئله است. بر اساس گزارشی که Financial Express در ۱۲ اکتبر ۲۰۲۶ منتشر کرده، این شرکت در حال توسعه یک لایه حاکمیتی برای مدیریت و هماهنگی عامل‌های هوش مصنوعی در محیط‌های سازمانی است.
قرار است این لایه، عامل‌های توسعه‌یافته توسط TCS، خود سازمان‌ها و شرکت‌های فناوری دیگر را در یک ساختار مدیریتی مشترک قرار دهد؛ از جمله عامل‌هایی که در بسترهایی مانند SAP، ServiceNow و Oracle فعالیت می‌کنند.
آرتی سابرامانیان، مدیر اجرایی و مدیر عملیات TCS، در این گفت‌وگو به نقشی شبیه یک مرکز کنترل اشاره کرده است؛ لایه‌ای که بتواند ارتباط میان عامل‌ها را سامان دهد و مدیریت هزینه‌های آن‌ها را ساده‌تر کند.
با این حال، هنوز نامی برای این راهکار اعلام نشده و اطلاعاتی درباره زمان عرضه یا جزئیات فنی آن در دست نیست. آنچه فعلاً مشخص است، حرکت TCS به‌سمت حل یکی از مسائل عملی استفاده گسترده از هوش مصنوعی در سازمان‌هاست: مدیریت مجموعه‌ای از عامل‌ها، بدون اینکه هرکدام به یک جزیره مستقل تبدیل شوند.
چرا حاکمیت عامل‌های هوش مصنوعی اهمیت دارد؟
تفاوت عامل‌های هوش مصنوعی با ابزارهای معمول تولید محتوا صرفاً در توانایی پاسخ‌گویی به پرسش‌ها نیست. برخی از این عامل‌ها می‌توانند چند مرحله از یک فرایند را اجرا کنند، اطلاعات را از سامانه‌های مختلف دریافت کنند و بر اساس دستورالعمل‌ها اقداماتی انجام دهند.
این قابلیت، در کنار فرصت‌های عملیاتی، نیاز به کنترل دقیق‌تری ایجاد می‌کند. برای مثال، در یک سازمان مالی ممکن است یک عامل برای بررسی اسناد، عامل دیگری برای تحلیل اطلاعات و سامانه‌ای دیگر برای اجرای فرایندهای تأیید استفاده شود. اگر حدود دسترسی، مسئولیت هر عامل و نحوه ثبت فعالیت‌های آن مشخص نباشد، تشخیص خطاها و پیگیری تصمیم‌ها دشوارتر می‌شود.
از این منظر، حاکمیت هوش مصنوعی باید فراتر از تعریف چند دستورالعمل عمومی باشد. سازمان‌ها برای استفاده قابل اتکا از عامل‌های هوشمند، به سازوکارهایی برای مدیریت هویت و دسترسی، محدودکردن مجوزها به نیاز واقعی، ثبت فعالیت‌ها، نظارت بر هزینه‌ها و تعیین نقاط ضروری برای تأیید انسانی نیاز دارند.
این کنترل‌ها به‌ویژه زمانی اهمیت پیدا می‌کنند که عامل‌های هوش مصنوعی به اطلاعات حساس یا فرایندهای مهم کسب‌وکار دسترسی دارند.
ارتباط حاکمیت هوش مصنوعی با مدیریت داده
حاکمیت عامل‌های هوش مصنوعی بدون توجه به وضعیت داده‌های سازمان کامل نخواهد بود. عامل هوشمند برای تحلیل یا اجرای یک فرایند به اطلاعاتی متناسب با زمینه کسب‌وکار نیاز دارد. اگر داده‌ها پراکنده، ناسازگار، ناقص یا فاقد مجوزهای دسترسی روشن باشند، حتی یک مدل توانمند نیز ممکن است نتیجه نامناسبی تولید کند یا بر اساس اطلاعات نادرست اقدام کند.
به همین دلیل، توسعه هوش مصنوعی سازمانی با موضوعاتی مانند یکپارچه‌سازی داده‌ها، کیفیت داده، مدیریت دسترسی و حاکمیت داده ارتباط مستقیم دارد. این زیرساخت‌ها کمک می‌کنند مشخص باشد هر عامل به چه اطلاعاتی دسترسی دارد، اطلاعات از کدام منبع آمده‌اند و چگونه می‌توان فعالیت‌های مرتبط با آن‌ها را پیگیری کرد.
برای سازمان‌هایی که از مجموعه‌ای از سامانه‌های قدیمی و جدید استفاده می‌کنند، این مسئله اهمیت بیشتری دارد. هدف فقط اتصال یک عامل هوش مصنوعی به چند سامانه نیست؛ مسئله اصلی، ایجاد ارتباطی قابل کنترل میان داده‌ها، سامانه‌های عملیاتی و فرایندهای تصمیم‌گیری است.
سازمان‌ها پیش از گسترش AI چه چیزهایی را باید بررسی کنند؟
روند مورد اشاره در گزارش TCS نشان می‌دهد که ارزیابی هوش مصنوعی سازمانی نباید صرفاً بر توانایی‌های مدل یا تعداد عامل‌های قابل توسعه متمرکز باشد. سازمان‌ها باید پیش از گسترش این راهکارها، چند پرسش کلیدی را بررسی کنند:
آیا مشخص است چه عامل‌هایی در سازمان فعال‌اند و هرکدام چه مسئولیتی دارند؟
آیا دسترسی عامل‌ها به داده‌ها و سامانه‌های عملیاتی متناسب با وظیفه آن‌ها محدود شده است؟
آیا فعالیت‌ها، خطاها و هزینه‌های استفاده از عامل‌ها قابل ردیابی و ارزیابی‌اند؟
آیا برای تصمیم‌های حساس، نظارت انسانی و سازوکار توقف یا بازبینی در نظر گرفته شده است؟
آیا داده‌های مورد استفاده از کیفیت، انسجام و سطح دسترسی مشخصی برخوردارند؟
پاسخ به این پرسش‌ها کمک می‌کند تا هوش مصنوعی از مجموعه‌ای از ابزارهای پراکنده به بخشی مدیریت‌پذیر از معماری فناوری سازمان تبدیل شود.
جمع‌بندی
حرکت TCS به سمت توسعه لایه حاکمیت برای هوش مصنوعی سازمانی، بازتاب‌دهنده یکی از چالش‌های مهم در گسترش عامل‌های هوشمند است: سازمان‌ها علاوه بر توانایی توسعه و استقرار AI، به سازوکارهایی برای مدیریت، هماهنگی و کنترل آن در مقیاس سازمانی نیاز دارند.
ارزش واقعی هوش مصنوعی زمانی آشکار می‌شود که بتوان آن را با داده‌های قابل اعتماد، دسترسی‌های تعریف‌شده و فرایندهای عملیاتی سازمان هماهنگ کرد. در چنین شرایطی، حاکمیت هوش مصنوعی نه یک مرحله تکمیلی، بلکه بخشی از زیرساخت مورد نیاز برای استفاده مسئولانه و پایدار از این فناوری خواهد بود.