گوگل کلود با معرفی “عامل هوش مصنوعی گوگل کلود” و فضای اختصاصی آن، قدم به عرصه‌ی رقابت با مایکروسافت، SAP و Salesforce در بازار رو به رشد هوش مصنوعی سازمانی گذاشته است. این ابتکار با عنوان “فضای عامل هوش مصنوعی گوگل کلود”، کسب‌وکارها را قادر می‌سازد تا عامل‌های هوش مصنوعی را کشف، مستقر و به‌طور مشترک ایجاد کنند.
گوگل کلود با راه‌اندازی فضای عامل هوش مصنوعی (AI Agent Space)، یک برنامه‌ی جدید اکوسیستم که برای توانمندسازی کسب‌وکارها در کشف، استقرار و ایجاد مشترک عامل‌های هوش مصنوعی طراحی شده است، وارد عرصه‌ی رو به رشد عامل هوش مصنوعی شده است. این عامل‌ها برای خودکارسازی وظایف، بهبود تجربیات مشتری و بهینه‌سازی عملیات، با تمرکز بر راه‌حل‌های سطح سازمانی طراحی شده‌اند. این اقدام، گوگل کلود را مستقیماً در مقابل رقبای اصلی مانند مایکروسافت، SAP و Salesforce قرار می‌دهد که هر یک برای تسلط بر بازار هوش مصنوعی سازمانی رقابت می‌کنند.
فضای عامل هوش مصنوعی گوگل بر اساس یک مدل مشارکتی عمل می‌کند و طیف وسیعی از ابزارها و منابع را برای تشویق توسعه‌ی عامل‌های هوش مصنوعی با قابلیت سفارشی‌سازی بالا ارائه می‌دهد. این منابع شامل دسترسی زودهنگام به جدیدترین فناوری‌های هوش مصنوعی گوگل، پشتیبانی مستقیم مهندسی و بهترین شیوه‌های تثبیت‌شده برای ساده‌سازی توسعه است. علاوه بر این، گوگل قصد دارد عامل‌های توسعه‌یافته توسط شرکا را از طریق بازار گوگل کلود (Google Cloud Marketplace) تبلیغ کند و دسترسی به پایگاه مشتری گسترده‌تر و تسهیل مقیاس‌پذیری برای توسعه‌دهندگان را فراهم کند. این استراتژی یک رابطه‌ی سودمند متقابل ایجاد می‌کند: گوگل کاتالوگ عامل‌های موجود خود را گسترش می‌دهد و کاربران بیشتری را به پلتفرم ابری خود جذب می‌کند، در حالی که شرکا به یک کانال توزیع قدرتمند و منابع لازم برای ساخت و بازاریابی راه‌حل‌های خود دسترسی پیدا می‌کنند.
گوگل در حالی که فضای عامل هوش مصنوعی را اعلام می‌کرد، چندین نمونه از عامل هوش مصنوعی توسعه‌یافته توسط مشتریان و شرکای فعلی خود را برجسته کرد و پتانسیل ابزارها و پلتفرم خود را به نمایش گذاشت. این نمونه‌ها، اگرچه بلافاصله در فضای عامل هوش مصنوعی در دسترس نیستند، نشان می‌دهند که چگونه کسب‌وکارها می‌توانند از فناوری گوگل برای ایجاد راه‌حل‌های سفارشی استفاده کنند و به طور بالقوه این ابزارهای داخلی را به پیشنهادات SaaS قابل فروش در بازار تبدیل کنند. نمونه‌های برجسته طیف وسیعی از صنایع و برنامه‌ها را شامل می‌شوند، از Accenture که پشتیبانی مشتری را با دستیارهای مجازی متحول می‌کند تا PwC که وظایف اداری را در کلینیک‌های انکولوژی ساده می‌کند. این موارد استفاده، تطبیق‌پذیری عامل‌های هوش مصنوعی و پتانسیل آن‌ها برای تأثیرگذاری بر عملکردهای مختلف کسب‌وکار را نشان می‌دهد.
رویکرد گوگل با رقبای آن متفاوت است. Copilot Studio مایکروسافت، یکی از رهبران در فضای عامل هوش مصنوعی، با ادغام با بیش از ۱۸۰۰ مدل زبانی بزرگ (LLM) و معماری “agent mesh” خود را به رخ می‌کشد. این امر آن را به یک راه‌حل قوی برای سازمان‌های بزرگ با محیط‌های فناوری اطلاعات پیچیده تبدیل می‌کند. دستیار هوش مصنوعی Joule SAP بر عامل‌های هوش مصنوعی مشارکتی تمرکز دارد که برای ساده‌سازی گردش کار در عملکردهای مختلف کسب‌وکار طراحی شده‌اند و از ادغام عمیق آن با سیستم‌های ERP، CRM و HR موجود بهره می‌برد. Agentforce Salesforce عامل‌های هوش مصنوعی را در اکوسیستم تثبیت‌شده‌ی خود ادغام می‌کند و از Data Cloud برای بهبود فروش، خدمات و بازاریابی استفاده می‌کند.
گوگل خود را از طریق اکوسیستم متمرکز بر شریک و تأکید بر انعطاف‌پذیری متمایز می‌کند. این رویکرد باز، نوآوری را تشویق می‌کند و به سازمان‌هایی با نیازهای متنوع و در حال تحول پاسخ می‌دهد، که با رویکرد مبتنی بر زیرساخت مایکروسافت و تمرکز فرآیند محور SAP در تضاد است. با این حال، AI Studio گوگل، با وجود پتانسیل آن، در حال حاضر از نظر تعداد مطلق از رقبا عقب مانده است. در حالی که گوگل قصد دارد فضای عامل هوش مصنوعی خود را به سرعت گسترش دهد، انتخاب فعلی عامل‌های موجود در مقایسه با پیشنهادات گسترده‌ی رقبای آن محدود است.
زمینه گسترده‌تر این رقابت، رشد و پذیرش سریع هوش مصنوعی در شرکت‌ها است. در حالی که بسیاری از سازمان‌ها مزیت رقابتی هوش مصنوعی را تشخیص می‌دهند، موانع قابل توجهی برای پیاده‌سازی همچنان وجود دارد. این موارد شامل کمبود مهارت‌ها و تخصص هوش مصنوعی، پیچیدگی مدیریت زیرساخت‌های هوش مصنوعی و نگرانی‌ها در مورد حاکمیت و امنیت داده‌ها است. این چالش‌ها به نرخ بالای شکست پروژه‌های هوش مصنوعی کمک می‌کند و نیاز به راه‌حل‌های قوی و شرکای باتجربه را برجسته می‌کند.
سازمان‌ها در ساخت معماری هوش مصنوعی خود با چندین چالش کلیدی روبرو هستند: آماده‌سازی زیرساخت‌های فناوری اطلاعات برای خواسته‌های منحصر به فرد هوش مصنوعی، برنامه‌ریزی برای مقیاس‌پذیری آینده، مدیریت موثر و اخلاقی داده‌ها، تطبیق استراتژی‌های عملیاتی برای زیرساخت‌های هوش مصنوعی و به حداکثر رساندن ROI با تضمین در دسترس بودن و عملکرد بالا. پرداختن به این چالش‌ها مستلزم سرمایه‌گذاری استراتژیک در تخصص هوش مصنوعی، برنامه‌ریزی دقیق از پایه، اجرای فرآیندهای قوی حاکمیت داده‌ها، پذیرش رویکردهای عملیاتی جدید مانند AIOps و اولویت‌بندی اتوماسیون برای به حداقل رساندن زمان خرابی و به حداکثر رساندن استفاده از منابع است.
غلبه بر این موانع مستلزم تغییر قابل توجه در فرهنگ سازمانی و تعهد به یادگیری و انطباق مستمر است. این شامل تقویت همکاری بین بخشی، پذیرش آزمایش و همکاری با متخصصان باتجربه هوش مصنوعی است. با سرمایه‌گذاری در ابزارها، شرکا و تخصص مناسب، سازمان‌ها می‌توانند پیچیدگی‌های پذیرش هوش مصنوعی را هدایت کنند، خطرات را کاهش دهند و پتانسیل تحول‌آفرین این فناوری را برای دستیابی به یک مزیت رقابتی آزاد کنند. رقابت برای پیاده‌سازی راه‌حل‌های موثر هوش مصنوعی در جریان است و موفقیت هر بازیکن به توانایی او در پرداختن به این چالش‌ها و توانمندسازی کسب‌وکارها برای بهره‌گیری کامل از پتانسیل هوش مصنوعی بستگی دارد.
اگر به خواندن کامل این مطلب علاقه‌مندید، روی لینک مقابل کلیک کنید: venturebeat
