تحول نرم‌افزارهای سازمانی با عامل‌های هوش مصنوعی: مرور پیش‌بینی گارتنر تا ۲۰۲۶
مقدمه: چرا این گزارش برای سروش مهم است؟
در چند سال اخیر، معماری پلتفرم‌های سازمانی از «سیستم‌های صرفاً خودکار» به سمت «اکوسیستم‌های هوشمند مبتنی بر عامل‌های هوش مصنوعی (AI Agents)» حرکت کرده است. گزارش جدید گارتنر درباره آینده عامل‌های هوشمند در نرم‌افزارهای سازمانی، تصویری بسیار دقیق از این گذار ارائه می‌دهد؛ تصویری که برای پلتفرم‌هایی مثل «زیرساخت توسعه سامانه‌های یکپارچه سازمانی سروش» کاملاً راهبردی است.
سروش امروز با معماری Microservices-based، ابزارهای Low-Code/No-Code، موتور گردش کار بصری و قابلیت‌های Integration گسترده، عملاً در نقطه‌ای ایستاده که می‌تواند موج بعدی تحول یعنی Agentic AI را در خود جذب و بومی‌سازی کند. برای همین، در این مقاله ابتدا مروری ساختارمند بر گزارش گارتنر داریم و سپس در جمع‌بندی، implications (پیامدهای عملی) آن برای سروش و سازمان‌های ایرانی را مرور می‌کنیم.
بخش اصلی زیر، ترجمه و بازنویسی محتوای یک بیانیه خبری رسمی گارتنر است.
ترجمه مقاله گارتنر: آینده عامل‌های هوش مصنوعی در نرم‌افزارهای سازمانی
گارتنر پیش‌بینی می‌کند ۴۰٪ از اپلیکیشن‌های سازمانی تا پایان سال ۲۰۲۶ دارای عامل‌های هوش مصنوعیِ وظیفه‌محور خواهند بود؛ رشدی چشمگیر از کمتر از ۵٪ در سال ۲۰۲۵. این گذار، نقطه عطفی در تحول دیجیتال است و الگوی ما از «اپلیکیشن» و «تعامل کاربر با سیستم» را بازتعریف می‌کند.
طبق این گزارش، سازمان‌هایی که استراتژی Agentic AI خود را در چند ماه آینده شفاف نکنند، در معرض عقب‌ماندن جدی از رقبا قرار خواهند گرفت؛ زیرا عامل‌های هوش مصنوعی نه‌فقط بهره‌وری فردی، بلکه مدل همکاری تیمی و جریان‌های کاری را دگرگون می‌کنند.
عامل‌های هوش مصنوعی چیستند و چه فرقی با Assistant دارند؟
گارتنر بین دو مفهوم کلیدی تمایز می‌گذارد:
-
AI Assistant:
- در اپلیکیشن تعبیه می‌شود
- کارها را برای کاربر ساده‌تر می‌کند
- اما همچنان وابسته به ورودی انسانی است
- تصمیم نهایی و آغاز عمل، در کنترل انسان می‌ماند
-
AI Agent (عامل هوش مصنوعی):
- علاوه‌بر درک دستور، می‌تواند «هدف» را بفهمد
- قادر است زنجیره‌ای از اقدامات را خودکار برنامه‌ریزی و اجرا کند
- از داده‌های بلادرنگ یاد می‌گیرد و رفتار خود را تطبیق می‌دهد
- می‌تواند با سایر سیستم‌ها و حتی عامل‌های دیگر تعامل و هماهنگی داشته باشد
گارتنر هشدار می‌دهد که بسیاری از سازمان‌ها دچار “agentwashing” شده‌اند؛ یعنی هر AI Assistant ساده‌ای را «عامل» می‌نامند، درحالی‌که هنوز به سطح «عاملیت» واقعی نرسیده‌اند.
پنج مرحله تکامل Agentic AI در اپلیکیشن‌های سازمانی
گارتنر مسیر بلوغ Agentic AI را در پنج مرحله توصیف می‌کند:
مرحله ۱: دستیارهای هوش مصنوعی در هر اپلیکیشن
تا پایان ۲۰۲۵، اکثر اپلیکیشن‌های سازمانی یک AI Assistant تعبیه‌شده خواهند داشت. این دستیارها:
- رابط‌های متنی/گفتاری را جایگزین فرم‌ها و منوهای پیچیده می‌کنند
- بخشی از بار جستجو، تکمیل فرم و تحلیل اولیه را از دوش کاربر برمی‌دارند
- اما هنوز برای هر اقدام، نیاز به تأیید و ورودی کاربر دارند
این مرحله، پیش‌نیاز گذار به Agentic AI است؛ چون داده رفتاری و الگوهای استفاده را فراهم می‌کند.
مرحله ۲: عامل‌های وظیفه‌محور درون اپلیکیشن‌ها
طبق پیش‌بینی گارتنر، تا پایان ۲۰۲۶ حدود ۴۰٪ از اپلیکیشن‌های سازمانی دارای عامل‌های وظیفه‌محور (Task-Specific Agents) خواهند بود. در این مرحله:
- عامل‌ها می‌توانند یک سناریوی مشخص را از ابتدا تا انتها مدیریت کنند؛ مثلاً:
- در امنیت سایبری: عامل هوشمند تهدیدات را در لاگ‌ها و ترافیک شبکه شناسایی، تحلیل و پاسخ مناسب را اجرا می‌کند
- در مالی: عامل می‌تواند مغایرت‌های پرداخت را شناسایی و چرخه پیگیری را خودکار طی کند
- نقش انسان، از «انجام‌دهنده» به «ناظر و تصمیم‌گیر نهایی» تغییر می‌کند
این همان نقطه‌ای است که اپلیکیشن‌های سازمانی از ابزارهای صرفاً کمکی به «همکاران هوشمند» تبدیل می‌شوند.
مرحله ۳: همکاری چند عامل درون یک اپلیکیشن
در مرحله سوم، یک اپلیکیشن واحد، چند عامل با مهارت‌های مختلف را در خود جای می‌دهد که روی یک هدف مشترک کار می‌کنند. گارتنر پیش‌بینی می‌کند:
- تا سال ۲۰۲۷، حدود یک‌سوم پیاده‌سازی‌های Agentic AI شامل همکاری چند عامل درون یک محیط اپلیکیشن و داده خواهند بود
- این عامل‌ها:
- هر کدام در بخشی از کار متخصص‌اند (مثلاً تحلیل ریسک، بهینه‌سازی منابع، تعامل با کاربر)
- در طول زمان و بر اساس داده‌های بلادرنگ، استراتژی خود را تطبیق می‌دهند
این مرحله مستلزم استانداردهای ارتباطی و پروتکل‌های مشخص برای «گفت‌وگو» بین عامل‌ها است؛ چیزی که به گفته گارتنر، باید از همین حالا در نقشه‌راه محصول مدیران ارشد نرم‌افزار دیده شود.
مرحله ۴: اکوسیستم عامل‌های هوش مصنوعی بین اپلیکیشن‌ها
در این مرحله، مرز بین اپلیکیشن‌ها کم‌رنگ می‌شود. به‌جای اینکه کاربر با ده‌ها نرم‌افزار جداگانه کار کند، با یک لایه عامل‌های هوشی مواجه است که:
- در چندین اپلیکیشن و چندین حوزه کسب‌وکار به‌طور هم‌زمان فعال‌اند
- فرایندهایی مثل «استخدام»، «مدیریت زنجیره تأمین» یا «مدیریت ارتباط با مشتری» را end-to-end، بدون نیاز به رفت‌وآمد کاربر بین سیستم‌های مختلف، هدایت می‌کنند
گارتنر تخمین می‌زند که تا سال ۲۰۲۸:
- حدود یک‌سوم تجربه‌های کاربری از «رابط‌های سنتی اپلیکیشن» به «front-endهای عامل‌محور» منتقل خواهد شد
- این تغییر، مدل‌های تجاری و قیمت‌گذاری نرم‌افزار را هم دگرگون می‌کند
مرحله ۵: وضعیت عادی جدید برای اپلیکیشن‌های دموکراتیک
در افق ۲۰۲۹، گارتنر پیش‌بینی می‌کند:
- حداقل ۵۰٪ کارکنان دانشی (Knowledge Workers) مهارت‌هایی برای کار با عامل‌ها، حاکمیت آن‌ها یا حتی ساخت عامل‌های جدید برای انجام وظایف پیچیده خواهند داشت
- Agentic AI با تکیه بر پروتکل‌ها و فریم‌ورک‌های استاندارد:
- می‌تواند محیط اطراف خود را «حس» کند
- پروژه‌ها را «ارکستره» کند
- در سناریوهای متعدد کسب‌وکاری، نقش یک «همکار دیجیتال دائمی» را بازی کند
در این نقطه، اپلیکیشن‌های سازمانی دیگر فقط ابزار نیستند؛ بلکه بستری برای تعامل دینامیک میان انسان‌ها و عامل‌های هوشمند خواهند بود.
پیام کلیدی برای مدیران ارشد نرم‌افزار و CIOها
گارتنر تأکید می‌کند:
- بازه زمانی برای تصمیم‌گیری درباره استراتژی Agentic AI، محدود و حساس است (در حد چند ماه)
- سازمان‌هایی که:
- امروز AI Assistantهای کاربردی و یکپارچه ارائه می‌کنند
- و هم‌زمان در حال طراحی معماری داده، امنیت و حاکمیت مناسب برای Agentic AI هستند
- در موقعیت بسیار بهتری برای بهره‌برداری از این موج خواهند بود
در مقابل، شرکت‌هایی که این موج را نادیده بگیرند، با محصولاتی مواجه می‌شوند که از نظر تجربه کاربری، بهره‌وری و چابکی، در مقایسه با رقبا جذابیتی نخواهند داشت.
جمع‌بندی: این گزارش برای سروش چه می‌گوید؟
اگر این گزارش را در کنار معماری و نقشه‌راه سروش بگذاریم، چند نکته کلیدی برای سروش و مشتریانش روشن می‌شود:
- سروش همین امروز بستر مناسب Agentic AI را دارد
- معماری Microservices-based
- لایه‌های مجزا برای Presentation, Business Logic, Data
- قابلیت Integration با سرویس‌های ابری و سیستم‌های Legacy
این‌ها همان پیش‌نیازهایی هستند که گارتنر برای پلتفرم‌های آماده‌ی Agentic AI برمی‌شمارد.
- ابزارهای Low-Code/No-Code سروش، نقطه طلایی برای ساخت عامل‌هاست
فرم‌ساز بصری، گزارش‌ساز پیشرفته، و موتور گردش کار بصری در سروش می‌توانند در نسخه‌های بعدی:
- به «طراح عامل» (Agent Designer) تبدیل شوند
- اجازه دهند تحلیل‌گر کسب‌وکار، بدون کدنویسی سنگین، جریان‌های وظیفه‌محور را تعریف کند و اجرای آن را به Agentic AI بسپارد
- نقشه‌راه سروش (AI، Predictive Analytics، Digital Twin و Blockchain) با مسیر گارتنر هم‌راستاست
در سند «چشم‌انداز آینده و برنامه‌های توسعه» سروش، عناوینی مانند:
- هوش مصنوعی یکپارچه (AI Integration)
- پیش‌بینی و تحلیل پیشرفته (Predictive Analytics)
- Digital Twin
- Blockchain Integration
- بازارگاه ماژول‌ها و برنامه شریک فناوری
همگی می‌توانند با Agentic AI ترکیب شوند؛ یعنی:
- عامل‌های هوشمند در سروش، نه‌فقط در سطح یک سازمان، بلکه در سطح اکوسیستم (Marketplace و شرکای فناوری) عمل کنند.
- برای سازمان‌های ایرانی، فرصت «جهش» وجود دارد
بسیاری از سازمان‌های ایرانی هنوز در مرحله دیجیتالی‌سازی پایه‌اند. استفاده از سروش به‌عنوان زیرساخت و پیاده‌سازی تدریجی Agentic AI، این امکان را می‌دهد که:
- به‌جای طی‌کردن تمام مراحل سنتی، مستقیماً به معماری‌های نوین مبتنی بر عامل‌های هوشمند برسند
- و هم‌زمان، ملاحظات امنیتی، حاکمیتی و بومی را که گارتنر فقط در سطح کلان به آن اشاره می‌کند، به‌صورت عملی در سروش پیاده‌سازی کنند.
- منبع اصلی انگلیسی (گزارش گارتنر):
Gartner (2025). “Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025.”
