AI Agent چیست؟ ایجنت هوش مصنوعی به زبان ساده، با مثال واقعی از کار سازمانی
نویسنده: بهنام سلطان رضایی
- محقق و متخصص هوش مصنوعی، رئیس هیات مدیره شرکت کارن تکنولوژی
این روزها کمتر نرمافزاری پیدا میشود که از «agent» حرف نزند. ولی بیشتر آنچه agent نامیده میشود، هنوز یک پنجره گفتگوست که فقط جواب متنی میدهد. این راهنما توضیح میدهد AI Agent دقیقاً چیست، از چه اجزایی ساخته میشود، چطور یک کار چندمرحلهای را انجام میدهد و چه کنترلهایی لازم است تا بشود به آن کار سپرد.
محصول آماده کارن تکنولوژی
این را روی داده واقعی کسبوکار خودتان ببینید
آنچه در این مقاله میخوانید، در محصولات کارن پیادهسازی شده است. در جلسه دمو، همان را روی داده و فرآیند خودتان اجرا میکنیم.
درخواست دمو رایگان یا تماس بگیرید: ۰۲۱-۸۸۶۱۴۲۸۲در این صفحه
AI Agent چیست
AI Agent یا ایجنت هوش مصنوعی، نرمافزاری است که یک هدف میگیرد، خودش گامهای رسیدن به آن را برنامهریزی میکند، با ابزارها کار را انجام میدهد، نتیجه را میسنجد و اگر لازم بود گام بعدی را برمیدارد. در فارسی به آن «عامل هوش مصنوعی» یا «agent هوشمند» هم میگویند.
فرق اصلی agent با یک چتبات ساده این است که چتبات جواب میدهد و agent کار انجام میدهد. اگر از یک چتبات بپرسید «کدام مشتریها یک سال است خرید نکردهاند؟»، در بهترین حالت توضیح میدهد کدام گزارش را باز کنید. یک agent که به داده سازمان دسترسی دارد، فهرست را پیدا میکند، بر اساس ارزش مرتب میکند و اگر بخواهید، برای کارشناس هر مشتری وظیفه تماس میسازد.
چهار جزء هر agent
| جزء | نقش | اگر نباشد |
|---|---|---|
| مدل زبانی | مغز agent؛ زبان را میفهمد، مسئله را به گامها میشکند و تصمیم میگیرد. | agentی در کار نیست. |
| ابزارها | دستهای agent؛ جستجو در داده، محاسبه، ساختن رکورد، ارسال ایمیل، خواندن فایل. | فقط حرف میزند و کاری انجام نمیدهد. |
| زمینه و حافظه | نقش کاربر، دادهای که روی آن کار میکند و تعریفها و قواعد سازمان. | جواب کلی و عددهایی میدهد که با تعریف سازمان نمیخواند. |
| حلقه استدلال | برنامهریزی، اجرا، سنجش نتیجه و تکرار تا رسیدن به هدف. | کارهای چندمرحلهای را نیمهکاره رها میکند. |
چتبات، دستیار، agent و سیستم چندعاملی
این چهار اصطلاح زیاد به جای هم به کار میروند، ولی سطح توانشان فرق دارد:
| چه میکند | مثال | |
|---|---|---|
| چتبات | به پرسشها جواب میدهد؛ معمولاً از متن آماده یا یک پایگاه دانش. | جواب دادن به پرسشهای پرتکرار مشتری در سایت. |
| دستیار هوش مصنوعی | در کنار کاربر کار میکند و به داده یا اسناد سازمان دسترسی دارد. | جواب دادن به «فاکتورهای معوق کداماند؟» با جدول. |
| AI Agent | هدف را با چند گام و چند ابزار انجام میدهد، حتی بدون حضور کاربر. | ساختن وظیفه تماس برای مشتریان در خطر ریزش، هر شنبه. |
| سیستم چندعاملی | چند agent تخصصی که روی یک هسته مشترک یا زیر نظر یک سرپرست با هم کار میکنند. | یک agent داده میگیرد، دیگری تحلیل میکند و سومی گزارش مینویسد. |
برای آشنایی با خود چتباتها و جایی که بهترین ابزارند، چتبات چیست را بخوانید.
agent چطور کار میکند؛ یک مثال واقعی
فرض کنید مدیر فروش در نیوشا، هوش مصنوعی چندعاملی داتیک، مینویسد: «برای ده مشتری پرارزشی که بیش از یک سال خرید نکردهاند، وظیفه تماس بساز.» agent این زنجیره را طی میکند:
| گام | کار agent |
|---|---|
| ۱ | شرکتهای مشتری را جستجو میکند. |
| ۲ | فاکتورهای هر شرکت را گروهبندی و جمع میکند تا ارزش و تاریخ آخرین خرید معلوم شود. |
| ۳ | مشتریانی را که بیش از یک سال خرید نکردهاند بر اساس ارزش رتبهبندی میکند. |
| ۴ | کارشناس مسئول هر مشتری را پیدا میکند. |
| ۵ | پیش از ساختن ده وظیفه، اقدام را برای تأیید به کاربر نشان میدهد. |
| ۶ | وظیفهها را میسازد و به کاربر گزارش میدهد. |
دو نکته در این مثال مهم است. اول، agent همه ابزارهایش را یکجا بار نمیکند؛ از میان صدها ابزار فقط همانهایی را که لازم است پیدا و یاد میگیرد، که هم دقت را بالا میبرد و هم هزینه را پایین میآورد. دوم، پیش از تغییر داده میپرسد. نیوشا برای یک جواب میتواند تا ۳۰۰ گام بردارد، ولی کاربر هر گام و هر ابزار استفادهشده را کنار جواب میبیند.
agentهای هوشمند را روی داده سازمان خودتان ببینید
در یک دمو، نیوشا را روی سناریوی شما نشان میدهیم: از پرسش فارسی تا ساختن وظیفه، با تأیید شما.
انواع agent در یک سازمان
- agent گفتگو: وقتی کاربر میپرسد کار میکند؛ مثل مقایسه فروش دو ماه یا ساختن داشبورد با یک جمله.
- agent تخصصی: برای کاری که مهارت خاص میخواهد؛ مثل آمادهسازی جلسه، بازبینی فرصت فروش یا تحلیل تماس.
- agent گردش کار: با یک رویداد یا زمانبندی، بدون حضور کاربر کار میکند؛ مثل دستهبندی شکایت تازه یا گزارش صبحگاهی.
- agent بیرونی: از سامانه دیگری وصل میشود؛ مثلاً دستیار داخلی سازمان که از CRM میپرسد. استاندارد رایج این اتصال MCP است.
در نیوشا هر چهار نوع روی یک هسته مشترک کار میکنند: مدل زبانی و حلقه استدلال، بیش از ۲۵۰ ابزار و ۱۷ مهارت، حافظه سازمانی و کنترل دسترسی. الگوی دیگر، یک سرپرست و چند متخصص است؛ در دستیار سازمانی Caren Enterprise AI یک سرپرست تصمیم میگیرد کدام متخصص، مثل پژوهشگر اسناد، تحلیلگر داده یا نویسنده، وارد کار شود.
کاربردهای واقعی agent در سازمان
| زمان یا رویداد | agent | نتیجه |
|---|---|---|
| هر روز ۷:۳۰ | گزارش صبحگاهی | فروش دیروز، فرصتهای بستهشده، تماسهای بیپاسخ و ریسکها برای مدیرعامل. |
| شنبهها ۸:۰۰ | هشدار ریزش | فهرست اولویتدار مشتریان در خطر و وظیفه برای هر کارشناس. |
| هر روز ۱۶:۰۰ | پیگیری پیشفاکتور | پیشنویس ایمیل پیگیری برای پیشفاکتورهای بیجواب. |
| پایان هر تماس | تحلیل تماس | خلاصه، لحن، تعهدها و قدم بعدی در پرونده مشتری. |
| ثبت هر فرم | دستهبندی هوشمند | شکایت جدی فوراً به مسئول درست میرسد. |
نمونههای بیشتر در عملیات سازمان را در کاربردهای عملی هوش مصنوعی ایجنتیک و در فروش را در ده گردش کار هوشمند فروش ببینید.
کنترلهایی که agent را امن نگه میدارد
هرچه agent توانمندتر باشد، کنترل مهمتر میشود. پیش از سپردن کار به agent، اینها را بخواهید:
- ☐ agent با نقش و دسترسی همان کاربر کار کند؛ آنچه کاربر نمیبیند، agent هم نبیند.
- ☐ برای کارهای مهم، پیش از اجرا بپرسد یا اقدام را برای تأیید پیشنهاد دهد.
- ☐ برای داشبورد و گردش کار، اول طرح را نشان بدهد و با تأیید بسازد.
- ☐ عددها را از خود داده حساب کند، نه از حافظه مدل.
- ☐ گامها و ابزارهای استفادهشده کنار هر جواب دیده شود و تاریخچه برای ممیزی بماند.
- ☐ مدل هوش مصنوعی قابل انتخاب باشد و در صورت نیاز روی سرور خود سازمان اجرا شود.
دو خطر را هم جدی بگیرید: دستورهای پنهان در متن ورودی (Prompt Injection چیست) و خروج داده از سازمان (اجرای مدل زبانی روی سرور خودتان).
از کجا شروع کنیم
- ☐ یک کار تکراری با داده روشن انتخاب کنید؛ مثل گزارش صبحگاهی یا پیگیری پیشفاکتور.
- ☐ ابزارها و دسترسیهایی را که agent برای همین کار لازم دارد، و نه بیشتر، تعیین کنید.
- ☐ در ماه اول همه اقدامها را با تأیید انسان اجرا کنید.
- ☐ نتیجه را بسنجید: زمان صرفهجوییشده، خطاها و رضایت کاربر.
- ☐ فقط بعد از اطمینان، اقدامهای کمریسک را خودکار کنید و agent بعدی را بسازید.
برای سنجیدن ارزش اقتصادی، بازگشت سرمایه هوش مصنوعی در فروش و ابزار برآورد صرفهجویی اتوماسیون را ببینید.
پرسشهای متداول
نرمافزاری که با کمک مدل زبانی یک هدف را میگیرد، گامها را برنامهریزی میکند، با ابزارها کار را انجام میدهد، نتیجه را میسنجد و تا رسیدن به هدف ادامه میدهد. در فارسی به آن ایجنت یا عامل هوش مصنوعی هم میگویند.
چتبات جواب میدهد و agent کار انجام میدهد. agent با ابزارها به داده و سامانهها دسترسی دارد و میتواند جستجو، محاسبه، ساختن رکورد و ارسال پیام را در چند گام انجام دهد.
سیستمی که در آن چند agent تخصصی با هم کار میکنند؛ یا روی یک هسته مشترک از ابزار و حافظه، یا زیر نظر یک سرپرست که تصمیم میگیرد کدام متخصص وارد کار شود.
بله. agentهای گردش کار با یک رویداد، مثل ثبت فرم، یا زمانبندی، مثل هر روز ساعت ۷:۳۰، خودکار اجرا میشوند. بهتر است کارهای مهم آنها همچنان با تأیید انسان انجام شود.
در یک سیستم درست طراحیشده، نه. agent باید با نقش و دسترسی همان کاربر کار کند. پیش از خرید، همین را در دمو با کاربری که دسترسی محدود دارد امتحان کنید.
میکند، مثل هر سامانه دیگری. برای همین عددها باید از خود داده محاسبه شوند، گامها شفاف باشند و کارهای مهم پیش از اجرا تأیید شوند. جوابهای کلیدی را هم با گزارشهای مرجع سازمان مقایسه کنید.
از یک کار تکراری با داده روشن، دسترسی محدود و تأیید انسان. بعد از سنجیدن نتیجه در چند هفته، کارهای کمریسک را خودکار و agent بعدی را اضافه کنید.



