آینده ایجنت‌های هوش مصنوعی از نگاه مدیرعامل Vercel؛ نبرد بر سر جدایی مدل از ایجنت

دنیای فناوری در نقطه عطف تازه‌ای قرار گرفته است؛ جایی که ایجنت‌های هوش مصنوعی دیگر صرفاً یک آزمایش هیجان‌انگیز نیستند، بلکه به ابزارهای عملیاتی و روزمره شرکت‌ها تبدیل شده‌اند. گیرمو راوخ (Guillermo Rauch)، مدیرعامل شرکت Vercel، یکی از بهترین جایگاه‌ها را برای درک این تحول دارد؛ شرکتی که بی‌سروصدا به یکی از مهم‌ترین بازیگران زیرساخت نرم‌افزارهای هوش مصنوعی بدل شده است. در این مطلب، دیدگاه او درباره وضعیت فعلی ایجنت‌های هوش مصنوعی، چالش‌های امنیتی، و نبردی که بر سر جدایی مدل از ایجنت در جریان است را بررسی می‌کنیم.

دنیای فناوری در نقطه عطف تازه‌ای قرار گرفته است؛ جایی که ایجنت‌های هوش مصنوعی دیگر صرفاً یک آزمایش هیجان‌انگیز نیستند، بلکه به ابزارهای عملیاتی و روزمره شرکت‌ها تبدیل شده‌اند. گیرمو راوخ (Guillermo Rauch)، مدیرعامل شرکت Vercel، یکی از بهترین جایگاه‌ها را برای درک این تحول دارد؛ شرکتی که بی‌سروصدا به یکی از مهم‌ترین بازیگران زیرساخت نرم‌افزارهای هوش مصنوعی بدل شده است. در این مطلب، دیدگاه او درباره وضعیت فعلی ایجنت‌های هوش مصنوعی، چالش‌های امنیتی، و نبردی که بر سر جدایی مدل از ایجنت در جریان است را بررسی می‌کنیم.

Vercel؛ شرکتی که بی‌سروصدا به مرکز ثقل نرم‌افزارهای هوش مصنوعی تبدیل شد

شرکت Vercel که پیش‌تر بیشتر به‌خاطر زیرساخت ابری‌اش برای استقرار برنامه‌ها بدون نیاز به مدیریت سرور شناخته می‌شد، امروز به یکی از محوری‌ترین بازیگران دنیای نرم‌افزارهای مبتنی بر هوش مصنوعی بدل شده است. ارقام این تحول واقعاً خیره‌کننده‌اند: روزانه حدود ۶ میلیون استقرار (deployment) روی این پلتفرم انجام می‌شود که نیمی از آن‌ها را ایجنت‌های هوش مصنوعی برنامه‌نویس فعال می‌کنند، و بیش از یک تریلیون توکن هر روز از دروازه هوش مصنوعی (AI Gateway) این شرکت عبور می‌کند. این آمار نشان می‌دهد که Vercel دیگر تنها یک ابزار برای توسعه‌دهندگان نیست، بلکه به بستری تبدیل شده که بخش بزرگی از خروجی نسل جدید ابزارهای هوشمند روی آن جاری می‌شود.

راوخ معتقد است انرژی جامعه فناوری امسال کاملاً متفاوت شده است. به گفته او، سال گذشته سالِ نمونه‌سازی و آزمون‌وخطا بود؛ دورانی که همه شعار «آسمان تنها مرز است» را سر می‌دادند و می‌گفتند هر کسی می‌تواند چیزی بسازد و ایجنت‌ها را رها کنید تا کار کنند. Vercel هم دقیقاً همین مسیر را رفت و صدها ایجنت را به‌صورت ارگانیک درون خود شرکت توسعه داد و مستقر کرد. اما همین تجربه باعث شد واقعیت‌های سخت اجرای ایجنت‌ها در محیط تولید (Production) و چالش‌های آن آشکار شود. تمرکز امسال دیگر روی برنامه‌های آزمایشی نیست، بلکه بر این است که چطور می‌توان این فناوری را در عمل و در مقیاس واقعی به‌درستی به کار گرفت.

دو کاربرد کلیدی که ایجنت‌های هوش مصنوعی را به بلوغ رساندند

بزرگ‌ترین درسی که راوخ از این مسیر گرفته، شناسایی دو کاربرد «برنده» یا همان اپلیکیشن‌های کشنده (Killer Apps) بوده است. کاربرد نخست، همان ایجنت برنامه‌نویس است که بخش عظیمی از مصرف توکن در جهان را به خود اختصاص داده؛ اما نکته مهم اینجاست که وقتی این حجم از نرم‌افزار تولید می‌شود، به جایی برای استقرار و میزبانی آن نیاز داریم و همین‌جاست که نقش Vercel پررنگ می‌شود. کاربرد دوم اما جذاب‌تر است: ایجنت داخلی سازمانی که به اداره خود شرکت کمک می‌کند. اینجا چالش اصلی این است که چگونه می‌توان به‌صورت امن به داده‌ها دسترسی داشت، رفتار ایجنت را ممیزی کرد و ردی دقیق از تمام فراخوانی‌های ابزار و کنترل‌های دسترسی به‌جا گذاشت.

برای حل این مسئله، Vercel چارچوبی به نام Eve طراحی کرده که در آن می‌توان دستورالعمل‌ها و مهارت‌های یک ایجنت را با زبان طبیعی تعریف کرد. ابزار دیگری هم به نام Vercel Sandbox وجود دارد که به تعبیر راوخ، ایجنت را درون یک «قفس کوچک» قرار می‌دهد؛ جایی که ایجنت همچنان آزادی کافی برای بروز هوشمندی خود دارد، اما می‌توان سیاست‌های مشخصی درباره اینکه به چه داده‌هایی دسترسی داشته باشد و چه داده‌ای اجازه خروج از این محیط را دارد، اعمال کرد. این رویکرد ماژولار، ستون فقرات نگاه Vercel به آینده ایجنت‌های هوش مصنوعی سازمانی است.

چالش امنیت و کنترل داده در ایجنت‌های سازمانی

مهم‌ترین مزیت Sandbox، کنترل داده است. راوخ به یک ریسک واقعی اشاره می‌کند که همیشه ذهنش را درگیر کرده: وقتی از یک محیط توسعه هوشمند مانند Devin یا Cursor استفاده می‌کنید، اگر تنظیمات اشتباه باشد، ممکن است این ابزارها روی کل کدبیس شما آموزش ببینند. او خاطره‌ای از گفت‌وگو با رئیس شرکت ایرباس نقل می‌کند؛ شرکتی که ده‌ها سال کد بسیار تخصصی به زبان C++ برای مهندسی هوافضا انباشته است. کافی است یک نفر ابزار توسعه اشتباهی نصب کند تا ناگهان تمام آن کدهای ارزشمند برای آموزش مدل‌ها به فضای ابری منتقل شود. این دقیقاً همان کابوسی است که کنترل داده در ایجنت‌های هوش مصنوعی تلاش می‌کند از آن جلوگیری کند.

اما ایجنت شرکتی داخلی در عمل چه شکلی دارد؟ راوخ مثالی ملموس می‌زند: نماینده فروشی در دفتر Vercel که وظیفه‌اش رشد حساب‌های مشتریان فعلی است. گلوگاه کار او هیچ‌گاه خلاقیت یا توانایی ایجاد ارتباط نبوده، بلکه دسترسی به داده بوده است. او پیش‌تر نمی‌توانست بپرسد «کدام پنج حساب در دو هفته اخیر بیشترین صندلی (Seat) را اضافه کرده‌اند تا اولویت‌بندی کنم؟» و باید منتظر می‌ماند تا پروژه ساخت داشبورد فروش جدید در فصل بعد تکمیل شود. حالا با کمک Eve، همان فناوری هم برای ایجنت‌های رو به مشتری و هم برای بهبود بهره‌وری داخلی به کار می‌رود؛ چون در نهایت همه‌چیز به یک زبان مشترک ختم می‌شود: APIها. به باور راوخ، ایجنت‌ها شرکت‌ها را وادار می‌کنند داده‌های خود را باز کنند و همین مسئله پیامدهای بلندمدت عمیقی خواهد داشت، چون بسیاری از غول‌های SaaS پادشاهی خود را بر پایه به‌دام‌انداختن داده مشتری ساخته‌اند؛ مدلی که با منطق ایجنت‌ها ناسازگار است.

رقابت با آزمایشگاه‌های بزرگ و آینده پروتکل‌های باز

رابطه شرکت‌ها با آزمایشگاه‌های بزرگ هوش مصنوعی هم به‌سرعت در حال تغییر است. سال گذشته بسیاری تنها یک شریک را انتخاب می‌کردند و می‌گفتند همه‌چیز را روی OpenAI یا Anthropic می‌سازیم. اما حالا نگاه‌ها عوض شده و مشتریان دریافته‌اند که هر قطعه از این پازل، یعنی مدل، هارنس، پلتفرم داده، سندباکس و گیت‌وی، به‌صورت ماژولار و «Plug and Play» قابل جایگزینی است. راوخ می‌گوید رشد چشمگیر Gemini، هرچند کمتر در اخبار دیده می‌شود، ناشی از همین بلوغ است؛ چون وقتی برای محیط تولید بهینه‌سازی می‌کنید، به نسبت قیمت به عملکرد (Price/Performance) نگاه می‌کنید و مدل‌های Gemini در این زمینه بسیار قدرتمندند. مدل‌های متن‌باز مانند Deepseek و GLM-5.2 هم به‌سرعت در حال رشد هستند و به قول او، «داده‌ها دروغ نمی‌گویند».

نکته جالب اینجاست که Vercel در برخی حوزه‌ها مستقیماً با همین آزمایشگاه‌ها رقابت می‌کند. برای مثال، وقتی OpenAI مجموعه ابزارهایی برای انتشار مستقیم روی وب بدون خروج از اکوسیستم خود عرضه کرد، این می‌توانست یک تهدید باشد؛ اما راوخ آن را فرصتی می‌بیند، چون کاربران کم‌کم ChatGPT را به‌عنوان ابزاری برای ساخت وب‌سایت می‌شناسند و در ادامه مسیر، مدل خودِ Vercel را برای میزبانی پیشنهاد می‌کند. پرسش بنیادین‌تر این است که آیا مدل و ایجنت قرار است به هم گره بخورند یا خیر؛ آیا باید تمام هوشمندی را از یک منبع واحد بگیریم، یا مثل کل تاریخ مهندسی نرم‌افزار، یک ماژول و بلوک ساختمانی از یک ارائه‌دهنده بگیریم و روی آن بسازیم. راوخ با اطمینان می‌گوید Vercel می‌خواهد به «AWS نسل جدید» تبدیل شود و به همین دلیل، برای دنیایی از پروتکل‌های باز می‌جنگد؛ دنیایی که در آن ایجنت‌های هوش مصنوعی به یک ارائه‌دهنده خاص زنجیر نشده باشند.

گفت‌وگو با گیرمو راوخ به‌خوبی نشان می‌دهد که صنعت هوش مصنوعی از دوران هیجان اولیه عبور کرده و وارد مرحله عمل‌گرایی، امنیت و بهینه‌سازی شده است. آینده ایجنت‌های هوش مصنوعی نه در وابستگی کامل به یک آزمایشگاه، بلکه در معماری ماژولار، پروتکل‌های باز و کنترل دقیق داده رقم خواهد خورد. شرکت‌هایی که بتوانند بین آزادی عمل ایجنت و امنیت داده تعادل برقرار کنند، برندگان اصلی این نبرد خواهند بود؛ نبردی که در نهایت مسیر استفاده روزمره ما از ایجنت‌های هوش مصنوعی را برای سال‌های آینده تعیین می‌کند.