گیلمو راوچ، مدیرعامل Vercel، درباره جدایی حیاتی میان مدلها و عاملها (Agents)
با گذار صنعت هوش مصنوعی از نمونهسازیهای آزمایشی به سمت اپلیکیشنهای آماده برای تولید، زیرساختی که این ابزارها را پشتیبانی میکند در حال تجربه تغییری عظیم است. گیلمو راوچ، مدیرعامل Vercel، استدلال میکند که آینده هوش مصنوعی در جداسازی مدلهای زیربنایی از عاملهایی (agents) نهفته است که وظایف را اجرا میکنند؛ حرکتی به سوی یک اکوسیستم ماژولار.
گذار از نمونهسازی به مرحله تولید
سال گذشته، چشمانداز هوش مصنوعی با «رهاسازی عاملها» و آزمایش محدودیتهای امکانپذیر از طریق برنامههای آزمایشی تعریف میشد. با این حال، دادههای اخیر Vercel نشاندهنده بلوغ قابل توجهی در نحوه برخورد توسعهدهندگان با هوش مصنوعی است. این شرکت در حال حاضر روزانه ۶ میلیون استقرار (deployment) را مدیریت میکند که بیش از ۵۰ درصد آنها توسط عاملهای کدنویسی (coding agents) انجام میشود. علاوه بر این، روزانه بیش از ۱ تریلیون توکن از درگاه هوش مصنوعی (AI gateway) شرکت Vercel عبور میکند.
به گفته راوچ، صنعت از مرحله «هیچ محدودیتی وجود ندارد» عبور کرده و اکنون با واقعیتهای مرحله تولید دستوپنجه نرم میکند: امنیت، دسترسی به دادهها و قابلیت حسابرسی (auditability). این تغییر، دو «اپلیکیشن حیاتی» (killer apps) اصلی را برای عاملها برجسته کرده است: دستیاران کدنویسی و عاملهای سازمانی داخلی که برای خودکارسازی جریانهای کاری کسبوکار طراحی شدهاند.
حل معمای امنیت: سندباکسها و کنترل دادهها
یکی از بزرگترین موانع در استقرار عاملهای خودمختار، خطر نشت دادهها است. راوچ به یک نگرانی حیاتی برای شرکتهایی مانند Airbus اشاره میکند: اگر توسعهدهندهای از یک IDE یکپارچهشده با هوش مصنوعی مانند Cursor یا Devin بدون محافظهای مناسب استفاده کند، ممکن است کدهای اختصاصی بهطور ناخواسته برای آموزش مدلهای عمومی استفاده شوند.
برای کاهش این ریسکها، Vercel در حال توسعه زیرساختهای تخصصی است. فریمورک Eve آنها به کاربران اجازه میدهد دستورالعملها و مهارتهای یک عامل را با استفاده از زبان طبیعی تعریف کنند، در حالی که Vercel Sandbox یک «قفس» برای عامل فراهم میکند. این سندباکس به عامل اجازه میدهد تا از هوش خود استفاده کند، در حالی که سیاستهای سختگیرانهای را در مورد اینکه چه دادههایی قابل دسترسی هستند و مهمتر از آن، چه دادههایی اجازه خروج از محیط را دارند، اعمال میکند.
پایان سیلوهای دادهای در مدلهای SaaS
ظهور عاملها همچنین یک تضاد بنیادی با مدلهای کسبوکار سنتی SaaS ایجاد میکند. بسیاری از غولهای نرمافزاری ارزش خود را با «به دام انداختن» دادههای کاربران در اکوسیستمهای اختصاصی خود ساختهاند. راوچ خاطرنشان میکند که این مدل ذاتاً با عاملها ناسازگار است؛ چرا که عاملها برای اثربخشی، به دسترسی بیوقفه و مبتنی بر API به دادهها نیاز دارند.
چه یک نماینده فروش باشد که از یک عامل برای پرسوجوی دادههای پیچیده Salesforce استفاده میکند و چه یک تیم تحقیق و توسعه (R&D) که جریانهای کاری را خودکار میکند، عاملها نیازمند یک معماری باز هستند. این تغییر، شرکتها را مجبور میکند تا دسترسیپذیری دادهها را در اولویت قرار دهند، که این امر پیامدهای بلندمدتی برای نحوه ساخت و فروش نرمافزارهای سازمانی خواهد داشت.
مبارزه برای یک زیرساخت باز هوش مصنوعی
با گسترش قابلیتهای آزمایشگاههای بزرگ هوش مصنوعی مانند OpenAI — مانند انتشار ابزارهایی که مستقیماً در وب منتشر میشوند — شرکتهای پلتفرم مانند Vercel با رقابت مستقیم روبرو هستند. راوچ این موضوع را نبردی بر سر این میبیند که آیا «مدل» و «عامل» با هم جفت (coupled) خواهند بود یا از هم جدا (decoupled).
Vercel خود را به عنوان «AWS این نسل» معرفی میکند و از یک رویکرد ماژولار حمایت میکند که در آن توسعهدهندگان میتوانند اجزا را مانند قطعات LEGO تعویض کنند. توسعهدهندگان به جای اینکه در بند یک ارائهدهنده واحد باشند، بهطور فزایندهای با ترکیب مدلهای OpenAI، Anthropic، Gemini گوگل و مدلهای متنباز مانند DeepSeek، در حال بهینهسازی قیمت و عملکرد هستند.
نکات کلیدی
- اولویت تولید بر نمونهسازی: صنعت هوش مصنوعی از پروژههای آزمایشی به سمت تولید در مقیاس بالا حرکت میکند، که شواهد آن عبور روزانه ۱ تریلیون توکن از Vercel است.
- امنیت در اولویت است: ابزارهایی مانند Vercel Sandbox برای جلوگیری از نشت دادههای اختصاصی به مجموعههای آموزشی مدلها ضروری هستند.
- معماری ماژولار: آینده نرمافزارهای هوش مصنوعی بر جداسازی مدلها از عاملها متکی است که به توسعهدهندگان اجازه میدهد با استفاده از رویکرد چند-مدلی، هزینه و عملکرد را بهینه کنند.