تعریف اصطلاحایجنتهای هوش مصنوعی
ایجنت هوش مصنوعی (AI Agent) چیست؟ تعریف ساده، اجزا و تفاوت با یک چت ساده
ایجنت هوش مصنوعی (AI Agent) سامانهای مبتنی بر مدل زبانی است که هدفی را از کاربر میگیرد، آن را به گامهای کوچکتر تقسیم میکند، با ابزارهایی مثل جستجو و API اقدام میکند، نتیجه را میسنجد و گام بعدی را انتخاب میکند. تفاوت اصلی آن با چت ساده، حلقه تصمیم و اقدام در سامانههاست و تفاوتش با دستیار پیشنهاددهنده، میزان خودمختاری. ایجنتها به داده مرتب، دسترسی حداقلی، نقاط تأیید انسانی و ثبت سابقه نیاز دارند.
خلاصه در چند نکته
- ایجنت هدف را میگیرد و در یک حلقه «فکر، اقدام، مشاهده» آن را انجام میدهد.
- چهار جزء اصلی: مدل زبانی، ابزارها، حافظه و برنامهریزی.
- چت ساده فقط پاسخ میدهد؛ دستیار پیشنهاد میدهد؛ ایجنت اقدام میکند.
- خودمختاری یک طیف است و با افزایش آن نیاز به کنترل و ممیزی بیشتر میشود.
- گارتنر پیشبینی کرده بیش از ۴۰٪ پروژههای ایجنتی تا پایان ۲۰۲۷ لغو شوند.
- برای فرایندهای قانونمند، گردش کار تعریفشده از ایجنت مناسبتر است.
- آریا آیتی دستیار پیشنهاددهنده با تأیید انسان دارد، نه عامل خودمختار.
فهرست مطالب
این روزها کمتر جلسهای درباره فناوری برگزار میشود که در آن واژه «ایجنت» یا «عامل هوشمند» شنیده نشود. فروشندهها محصولاتشان را «ایجنتمحور» معرفی میکنند، گزارشهای تحلیلی از «سال ایجنتها» حرف میزنند و مدیران میپرسند آیا سازمان آنها هم باید ایجنت داشته باشد یا نه. مشکل اینجاست که این واژه برای چیزهای بسیار متفاوتی به کار میرود: از یک چتبات ساده روی سایت تا سامانهای که خودش ایمیل میفرستد، فرم پر میکند و سفارش ثبت میکند.
این مقاله صفحه مرجع ما درباره ایجنت هوش مصنوعی است. ابتدا تعریفی ساده و دقیق ارائه میکنیم، سپس چهار جزء اصلی هر ایجنت را توضیح میدهیم، تفاوت آن را با یک چت ساده و با دستیار پیشنهاددهنده نشان میدهیم و در پایان میگوییم سازمانها امروز کجا میتوانند از این فناوری استفاده کنند و کجا باید محتاط باشند.
ایجنت هوش مصنوعی چیست؟ تعریف کوتاه
ایجنت هوش مصنوعی (AI Agent) سامانهای است که یک هدف را از کاربر میگیرد، خودش تصمیم میگیرد برای رسیدن به آن هدف چه گامهایی لازم است، برای انجام هر گام از ابزارهای بیرونی (مثل جستجو، پایگاه داده یا API یک سامانه) استفاده میکند، نتیجه هر گام را میبیند و بر اساس آن گام بعدی را انتخاب میکند تا کار تمام شود یا به نقطهای برسد که باید از انسان کمک بگیرد.
نکته کلیدی این تعریف، حلقه تصمیم است. در یک چت معمولی، شما میپرسید و مدل یکبار پاسخ میدهد. در ایجنت، مدل در یک حلقه کار میکند: «فکر کن، اقدام کن، نتیجه را ببین، دوباره فکر کن». به همین دلیل IBM در تعریف خود از ایجنت، بر توانایی آن در طراحی گردش کار و استفاده از ابزارهای در دسترس به نمایندگی از کاربر تأکید میکند. شرکت Anthropic نیز در راهنمای مهندسی خود میان «گردش کار» (مسیری که از قبل در کد تعریف شده) و «ایجنت» (جایی که خود مدل مسیر و ابزار را بهصورت پویا انتخاب میکند) تمایز میگذارد.
چرا واژه «عامل» به کار میرود؟
در ادبیات هوش مصنوعی، «عامل» (Agent) به هر موجودیتی گفته میشود که محیط را درک میکند و برای رسیدن به هدف در آن اقدام میکند. تازگی ایجنتهای امروزی این است که «مغز» آنها یک مدل زبانی بزرگ است؛ یعنی میتوانند دستور را به زبان طبیعی بفهمند، برنامه بنویسند و خروجی ابزارها را تفسیر کنند. معادلهای فارسی رایج آن «ایجنت»، «عامل هوشمند» و «هوش مصنوعی عاملمحور» است.
چهار جزء اصلی یک ایجنت
تقریباً همه چارچوبهای ساخت ایجنت، با نامهای متفاوت، از چهار جزء تشکیل شدهاند:
| جزء | نقش | مثال اداری |
|---|---|---|
| مدل (مغز) | فهم هدف، استدلال و تصمیم درباره گام بعدی | فهمیدن اینکه «پیگیری قراردادهای در حال انقضا» یعنی یافتن قراردادها، بررسی تاریخ و تهیه فهرست |
| ابزارها | توانایی اقدام در دنیای بیرون از مدل | جستجو در بایگانی، خواندن تقویم، فراخوانی API سامانه مالی، ساخت پیشنویس نامه |
| حافظه | نگهداشتن آنچه تاکنون انجام شده و دانش زمینهای | به یاد داشتن اینکه کدام قرارداد قبلاً بررسی شده یا ترجیح کاربر برای قالب گزارش چیست |
| برنامهریزی و کنترل | شکستن هدف به گامها، ترتیبدادن آنها و تشخیص پایان کار | «اول فهرست بگیر، بعد برای هر مورد مسئول را پیدا کن، بعد خلاصه بساز» |
مدل: موتور استدلال
مدل زبانی تصمیم میگیرد که در هر لحظه چه کاری انجام شود. کیفیت ایجنت تا حد زیادی به توانایی مدل در دنبالکردن دستورهای چندمرحلهای و تشخیص خطا وابسته است. مدلی که در یک گفتوگوی ساده خوب عمل میکند، لزوماً در یک کار بیستمرحلهای پایدار نمیماند.
ابزارها: دستهای ایجنت
بدون ابزار، مدل فقط میتواند متن تولید کند. ابزارها به آن امکان میدهند اطلاعات تازه بخواند یا تغییری در سامانهها ایجاد کند. اتصال به ابزارها معمولاً از طریق API انجام میشود؛ اگر با این مفهوم آشنا نیستید، مقاله API و وبهوک چیست نقطه شروع خوبی است. استانداردهای تازهای مثل پروتکل MCP هم برای یکسانکردن این اتصالها پدید آمدهاند که در مقالهای جداگانه به آن میپردازیم.
حافظه: کوتاهمدت و بلندمدت
حافظه کوتاهمدت همان سابقه گفتوگو و نتیجه گامهای قبلی در همان کار است. حافظه بلندمدت میتواند اسناد سازمان، ترجیحات کاربر یا نتیجه کارهای گذشته باشد که معمولاً از طریق جستجو و بازیابی در اختیار مدل قرار میگیرد. هرچه حافظه بیشتر و بینظمتر باشد، خطر اشتباه و نشت اطلاعات هم بیشتر میشود.
برنامهریزی: از هدف تا گام
ایجنت باید بفهمد هدف کلی را چگونه به کارهای کوچکتر تقسیم کند و چه زمانی متوقف شود. یکی از رایجترین خطاهای ایجنتها همین است: یا زودتر از موعد کار را «تمامشده» اعلام میکنند یا در حلقهای بیپایان گیر میافتند.
تفاوت ایجنت با یک چت ساده
برای درک بهتر، یک درخواست واحد را در سه سطح مقایسه کنید: «قراردادهایی که تا ۶۰ روز آینده منقضی میشوند را پیگیری کن.»
- چت ساده: مدل توضیح میدهد که پیگیری قرارداد چگونه انجام میشود یا یک متن نمونه برای نامه یادآوری مینویسد. به داده واقعی شما دسترسی ندارد.
- دستیار سازمانی پیشنهاددهنده: فهرست قراردادهای ۶۰ روز آینده را از داده مجاز سازمان استخراج میکند، برای هرکدام منبع را نشان میدهد و شاید پیشنویس یادآوری آماده کند؛ اما ارسال و تصمیم با کارشناس است.
- ایجنت اقدامکننده: خودش فهرست را میگیرد، برای مسئول هر قرارداد پیام میفرستد، جلسه تمدید را در تقویم ثبت میکند و اگر پاسخی نیامد، دوباره پیگیری میکند.
| ویژگی | چت ساده | دستیار پیشنهاددهنده | ایجنت اقدامکننده |
|---|---|---|---|
| دسترسی به داده سازمان | ندارد | دارد، در حد مجوز کاربر | دارد، اغلب گستردهتر |
| تعداد گام | یک پاسخ | یک یا چند پاسخ با منبع | چندمرحلهای و پویا |
| اقدام در سامانهها | ندارد | پیشنویس میسازد | خودش اقدام میکند |
| نقش انسان | خواننده | تأییدکننده نهایی | ناظر یا استثناگیر |
| سطح ریسک | کم | متوسط و قابلکنترل | بالا و نیازمند حاکمیت جدی |
همین جدول نشان میدهد که «ایجنت بودن» یک ویژگی صفر و یکی نیست؛ طیفی از خودمختاری است. هرچه سامانه آزادتر عمل کند، به کنترل دسترسی، ثبت سابقه و نقاط توقف انسانی بیشتری نیاز دارد. مقایسه کاملتر این سه سطح را در مقاله «چتبات، دستیار هوشمند یا ایجنت» خواهید خواند.
نمونههای اداری: ایجنت در عمل چه شکلی دارد؟
برای اینکه تعریف انتزاعی نماند، چند نمونه از کارهایی که در گزارشها و پروژههای جهانی به ایجنتها سپرده شده را با زبان اداری بازنویسی کردهایم:
- جمعآوری اطلاعات برای گزارش: ایجنت از چند منبع (صورتجلسهها، وظایف، نامهها) داده جمع میکند و یک پیشنویس گزارش وضعیت پروژه میسازد.
- تکمیل پرونده درخواست: پیش از رسیدن درخواست خرید به مدیر، مدارک ناقص را تشخیص میدهد و از متقاضی میخواهد آنها را اضافه کند.
- پاسخگویی چندمرحلهای پشتیبانی: وضعیت یک تیکت را میخواند، در پایگاه دانش جستجو میکند و پیشنویس پاسخ میسازد.
- پیگیری مهلتها: موارد معوق را پیدا و برای مسئول یادآوری آماده میکند.
در همه این نمونهها، پرسش اصلی سازمان این است: کدام گام را ماشین انجام دهد و کدام گام را انسان تأیید کند؟ پاسخ این پرسش به ریسک فرایند بستگی دارد. اشتباه در خلاصه یک صورتجلسه قابل جبران است؛ اما ارسال خودکار نامه رسمی، پرداخت یا تغییر قرارداد پیامدهای حقوقی و مالی دارد. به همین دلیل بسیاری از سازمانها اصل «مدل پیشنهاد میدهد، انسان تأیید میکند» را مبنا قرار میدهند. در مقاله ۱۰ کاربرد هوش مصنوعی در اتوماسیون اداری نمونههایی از همین الگو را میبینید.
ایجنت، RPA و هایپراتوماسیون: همخانواده اما متفاوت
برخی سازمانها ایجنت را با رباتهای نرمافزاری یا RPA یکی میدانند. RPA مسیر ثابتی را دقیقاً تکرار میکند و اگر صفحه یا فرم تغییر کند، از کار میافتد. ایجنت میتواند با موقعیتهای پیشبینینشده کنار بیاید، اما به همان نسبت رفتارش کمتر قابل پیشبینی است. تفاوت RPA با مدیریت فرایند را در مقاله RPA چیست و چه فرقی با BPMS دارد توضیح دادهایم و ترکیب این فناوریها را در مقاله هایپراتوماسیون.
قاعده سرانگشتی ساده است: هرجا مسیر کار ثابت و قانونمند است، قاعده و گردش کار تعریفشده بهتر است؛ هرجا ورودیها متنوع و نیازمند فهم زباناند، مدل زبانی کمک میکند؛ و هرجا تصمیم پویا لازم است و ریسک اشتباه پایین است، میتوان به ایجنت فکر کرد.
ریسکها و محدودیتهای ایجنتها
ایجنتها قدرتمندند، اما همین قدرت ریسک میسازد. مهمترین نگرانیها:
- خطای انباشته: اگر احتمال خطا در هر گام کم باشد، در یک کار بیستمرحلهای جمع این خطاها قابلتوجه میشود.
- دسترسی بیش از حد: ایجنتی که به همه سامانهها دسترسی دارد، در صورت فریبخوردن (مثلاً از طریق تزریق پرامپت در یک سند) میتواند آسیب جدی بزند.
- هزینه پیشبینیناپذیر: هر گام ایجنت یعنی فراخوانی مدل؛ کارهای طولانی هزینه محاسباتی را بالا میبرند.
- ابهام در مسئولیت: اگر ایجنت اشتباه کند، چه کسی پاسخگوست؟ بدون ثبت دقیق سابقه، پاسخ این پرسش روشن نیست.
- داده سازمانی و حریم خصوصی: ارسال اسناد داخلی به سرویسهای عمومی اینترنتی ریسک نشت دارد؛ در این باره مقاله استفاده کارکنان از ChatGPT در سازمان را بخوانید.
گارتنر در ژوئن ۲۰۲۵ پیشبینی کرد بیش از ۴۰ درصد پروژههای هوش مصنوعی عاملمحور تا پایان ۲۰۲۷ به دلیل هزینه رو به افزایش، ارزش تجاری نامشخص یا کنترل ناکافی ریسک لغو خواهند شد. همین مؤسسه درباره «ایجنتشویی» (Agent Washing) هشدار داده است؛ یعنی برچسب ایجنت زدن به دستیارها، چتباتها و رباتهای قدیمی بدون قابلیت واقعی عاملمحور.
چکلیست: آیا فرایند شما به ایجنت نیاز دارد؟
پیش از خرید یا ساخت ایجنت، این پرسشها را پاسخ دهید:
- [ ] آیا مسیر کار واقعاً متغیر است یا میتوان آن را با چند قاعده و گردش کار ثابت پیاده کرد؟
- [ ] اگر سامانه اشتباه کند، هزینه اشتباه چقدر است و آیا قابل برگشت است؟
- [ ] دادهای که ایجنت باید بخواند، مرتب، بهروز و دارای مالک مشخص است؟
- [ ] دسترسی ایجنت را میتوان به حداقل لازم و مطابق نقش کاربر محدود کرد؟
- [ ] نقطههای تأیید انسانی کجاست و چه کسی تأیید میکند؟
- [ ] همه اقدامها و پیشنهادها قابل ردیابی و ممیزیاند؟
- [ ] معیار موفقیت پایلوت (دقت، زمان صرفهجوییشده، رضایت کاربر) از پیش تعریف شده است؟
اگر پاسخ چند پرسش اول منفی است، احتمالاً یک دستیار پیشنهاددهنده یا یک گردش کار خوب طراحیشده، نیاز شما را با ریسک کمتر برطرف میکند.
جایگاه آریا آیتی: دستیار پیشنهاددهنده، نه عامل خودمختار
شفاف بگوییم: آریا آیتی امروز ایجنت خودمختاری که بهتنهایی نامه صادر کند، پرداخت انجام دهد یا دستورعمل منتشر کند، در محصول خود ندارد. رویکرد ما در دستیار هوش مصنوعی سازمانی این است که دستیار به پرسشهای زبان طبیعی فقط از نامهها، جلسات، وظایف و اسناد مجاز همان سازمان پاسخ دهد، به منبع ارجاع بدهد، نقش و دسترسی کاربر را رعایت کند و مشاهدهها در سابقه ممیزی ثبت شود. در هوش فرآیند هم مدل از شرح متنی، پیشنویس مسیر گردش کار میسازد و طراح فرایند آن را اصلاح و تأیید میکند. پردازش روی سرور سازمان یا سرورهای آریا آیتی انجام میشود و داده به مدلهای عمومی اینترنت فرستاده نمیشود.
این انتخاب آگاهانه است: برای بیشتر فرایندهای اداری ایران، که با امضا، شماره نامه و مسئولیت حقوقی گره خوردهاند، تأیید انسانی شرط اعتماد است.
جمعبندی
ایجنت هوش مصنوعی ترکیبی از مدل زبانی، ابزار، حافظه و برنامهریزی است که در یک حلقه تصمیم کار میکند تا هدفی چندمرحلهای را انجام دهد. تفاوتش با چت ساده در اقدامکردن است و تفاوتش با دستیار پیشنهاددهنده در میزان خودمختاری. ارزش واقعی ایجنت زمانی آشکار میشود که داده مرتب، دسترسی محدود، نقاط تأیید انسانی و معیار سنجش روشن داشته باشید. برای بیشتر سازمانها، شروع با دستیار پیشنهاددهنده روی داده خود سازمان مسیر کمریسکتر و سریعتری به نتیجه است.
گام بعدی: اگر میخواهید بدانید کدام فرایند سازمان شما برای دستیار هوشمند مناسب است، از مشاوره رایگان آریا آیتی استفاده کنید یا درخواست پایلوت دستیار سازمانی را ثبت کنید؛ دستیار هوشمند بخشی از پلن سازمانی است.
پرسشهای متداول
ایجنت هوش مصنوعی با ChatGPT چه فرقی دارد؟
+
ChatGPT در حالت گفتوگوی معمولی به پرسش شما پاسخ میدهد. ایجنت هدفی را میگیرد و برای رسیدن به آن چند گام برمیدارد، از ابزارهایی مثل جستجو یا API سامانهها استفاده میکند و نتیجه هر گام را برای تصمیم بعدی به کار میبرد. برخی سرویسهای گفتوگو هم امروز حالتهای ایجنتی دارند، اما مفهوم پایه همان حلقه تصمیم و اقدام است.
آیا هر سازمانی به ایجنت هوش مصنوعی نیاز دارد؟
+
خیر. اگر مسیر کار ثابت و قانونمند است، گردش کار تعریفشده و قاعده بهتر جواب میدهد. اگر نیاز اصلی یافتن اطلاعات و خلاصهسازی است، دستیار پیشنهاددهنده روی داده سازمان کافی است. ایجنت برای کارهای چندمرحلهای با ورودی متغیر و ریسک قابلکنترل مناسب است.
مهمترین ریسک ایجنتها چیست؟
+
خطای انباشته در کارهای چندمرحلهای، دسترسی بیش از حد به سامانهها، فریبخوردن از طریق تزریق پرامپت، هزینه پیشبینیناپذیر و ابهام در مسئولیت. محدودکردن دسترسی، نقطه تأیید انسانی و ثبت سابقه اقدامها مهمترین راههای کنترل این ریسکهاست.
آیا آریا آیتی ایجنت خودمختار ارائه میکند؟
+
خیر. آریا آیتی دستیار سازمانی پیشنهاددهنده دارد که از داده مجاز سازمان با ارجاع به منبع پاسخ میدهد و نقش کاربر را رعایت میکند. اقدام رسمی مثل صدور نامه، امضا یا پرداخت با انسان است و عامل خودمختار برای این کارها در محصول وجود ندارد.
