شرکت S4 Capital فرآیند واگذاری پروژه‌ها به عامل‌های هوش مصنوعی (AI agents) را آغاز کرده است؛ به‌طوری که این عامل‌ها اکنون می‌توانند برای روزها بدون هیچ‌گونه نظارت انسانی به فعالیت خود ادامه دهند. به گفته وسلی تر هار (Wesley ter Haar)، مدیر ارشد هوش مصنوعی و درآمد در آژانس Monks (بازوی خدمات بازاریابی S4 Capital)، برخی از این فرآیندهای کاری بین ۳۶ تا ۴۸ ساعت به طول می‌انجامد و پروژه‌های بزرگ‌تر ممکن است چندین روز زمان ببرند. این تحول، نشان‌دهنده گامی بزرگ در جهت خودکارسازی کامل فرآیندهای پیچیده در صنعت تبلیغات و بازاریابی است.
از کدنویسی خودکار تا مدیریت شبکه‌های اجتماعی
بخش عمده‌ای از این فعالیت‌های بدون نظارت، در حال حاضر به کدنویسی روی نرم‌افزارهای داخلی خود آژانس اختصاص دارد. تر هار واگذاری این وظایف به عامل‌های هوش مصنوعی را تصمیمی کاملاً منطقی و بدیهی می‌داند، چرا که کدنویسی ساختاری دقیق و قانون‌مند دارد. او در این باره می‌گوید: «ما عامل‌های کدنویسی داشتیم که ۳۶ تا ۴۸ ساعت بدون وقفه کار می‌کردند و هیچ اشتباهی مرتکب نمی‌شدند.»
با این حال، انسان‌ها همچنان چارچوب و شرایط کار را تعیین می‌کنند. پیش از شروع کار، کارکنان الزامات پروژه را می‌نویسند و نحوه تعریف کار، خروجی نهایی را شکل می‌دهد. پس از آن، عامل‌ها خودشان کار خود را کنترل می‌کنند. در یک پروژه چندروزه، چندین عامل هوش مصنوعی کار را بین خود تقسیم می‌کنند، کدهای تولیدشده را با الزامات اولیه می‌سنجند و کار یکدیگر را بازبینی می‌کنند. تا چند ماه پیش، توسعه‌دهندگان ناچار بودند این ساختار ارتباطی و نحوه تقسیم وظایف میان عامل‌ها را خودشان با جزئیات بنویسند، اما مدل‌های جدید دیگر نیازی به این کار ندارند و خودشان پیکربندی عاملی (agentic setup) خود را ایجاد می‌کنند.
آژانس Monks در حال حاضر برنامه‌هایی برای انتقال این ساختار عاملی به جریان‌های کاری بازاریابی شبکه‌های اجتماعی و بازاریابی عملکردی (performance marketing) دارد. در این بخش، عامل‌ها منتظر وقوع یک رویداد می‌مانند تا بر اساس آن اقدام کنند؛ مانند ترند شدن یک موضوع، ثبت کامنت‌هایی که نیاز به پاسخ دارند، یا افت عملکرد یک پست تبلیغاتی. داده‌های تعاملی کاربران (engagement data) به عنوان معیاری برای سنجش کیفیت کار عامل‌ها عمل خواهد کرد. همچنین قرار است در اوایل سال آینده میلادی، یکی از مشتریان این آژانس (که نامش فاش نشده) فعالیت‌های خود در حوزه شبکه‌های اجتماعی، از تحلیل داده‌ها گرفته تا مدیریت جامعه مخاطبان (community management)، را به این سیستم عاملی جدید بسپارد.
دغدغه‌های مشتریان و چالش‌های نظارتی
انتقال کار مشتریان به این سیستم‌های خودکار با سرعت کمتری انجام خواهد شد، زیرا مشتریان خواهان نظارت دقیق بر مدل‌های مورد استفاده هستند. به گفته تر هار، دغدغه اصلی مشتریان در گفتگوهای اخیر، نوع مدل‌های به‌کاررفته، منشأ آن‌ها و وجود قراردادهای تجاری معتبر (enterprise contracts) بوده است. او تأکید می‌کند که هیچ‌کس تمایلی به استفاده از «مدل‌های متفرقه چینی بدون توافق‌نامه سطح خدمات (MSA) مشخص» ندارد. مشتریان می‌خواهند دقیقاً بدانند چه دستورالعمل‌هایی (prompts) به سیستم داده شده و فرآیند استدلال مدل چگونه بوده است.
حتی برخی از مشتریان فراتر رفته و خواستار ثبت همه عامل‌ها در یک سامانه مرکزی (registry) هستند تا بتوانند آن‌ها را روشن یا خاموش کنند، هزینه‌های هر کدام را ردیابی نمایند و به کیفیت کارشان امتیاز دهند. تر هار می‌گوید برخی از مشتریان پیشرو شروع به درک این موضوع کرده‌اند که چنین مجموعه‌ای از عامل‌های هوش مصنوعی ممکن است در سازمانشان شکل بگیرد و به دنبال ارزیابی پایداری آن هستند.
تغییر ساختار بودجه؛ از دستمزد انسان به هزینه توکن
ورود عامل‌های هوش مصنوعی، چالش‌های سختی را درباره نحوه کار نیروهای انسانی در Monks ایجاد کرده است. به گفته تر هار، چالش اصلی دیگر دریافت خروجی مناسب نیست، بلکه مدیریت جریان کار است. عامل‌ها می‌توانند در عرض ۱۰ دقیقه، ۵۰ ایده همسو با هوش تجاری برند تولید کنند که بیشتر آن‌ها نیز قابل قبول هستند. اما اگر از آن‌ها ایده‌های جسورانه‌تری خواسته شود، ۵۰ ایده دیگر تولید می‌کنند که روی کاغذ جذاب به نظر می‌رسند اما شاید تنها ۵ مورد از آن‌ها واقعاً مناسب باشند. فرآیند یافتن آن ۵ ایده به قدری زمان‌بر است که گاهی ارزش وقت گذاشتن را ندارد. به همین دلیل، Monks فعلاً برای انتخاب ایده‌های نهایی به شدت به متخصصان باسابقه خود متکی است.
علاوه بر این، سرعت بالای کار عامل‌ها، چرخه‌های برنامه‌ریزی چابک (agile) را که پیش از این در قالب دوره‌های دو هفته‌ای (sprints) انجام می‌شد، به شدت فشرده کرده است. تر هار می‌گوید: «چرخه دو هفته‌ای اکنون به دو روز کار مداوم عامل‌ها تبدیل شده است.» این سرعت بالا باعث شده Monks به فکر کاهش عمدی سرعت کار کارکنان خود بیفتد تا فرصت برای تفکر و همکاری انسانی باقی بماند.
این تغییرات بر ساختار مالی شرکت نیز تأثیر گذاشته است. اکنون بخشی از بودجه‌ای که پیش از این صرفاً به دستمزد کارکنان اختصاص داشت، صرف خرید «توکن» برای اجرای مدل‌های هوش مصنوعی می‌شود. تر هار اکنون بودجه توکن‌ها را بخشی از «بودجه استعدادها» (talent budget) می‌داند. از آنجا که تیم‌ها مدام درخواست توکن‌های بیشتری دارند، این آژانس یک «شورای فناوری» (tech council) داخلی تشکیل داده تا بررسی کند چگونه می‌توان با استفاده از مدل‌های ارزان‌تر برای کارهای ساده‌تر، بیشترین بهره‌وری را از بودجه توکن‌ها به دست آورد.
چشم‌انداز اشتغال و مسئولیت‌پذیری
این تحولات در شرایطی رخ می‌دهد که S4 Capital در سال گذشته حدود ۸۰۰ موقعیت شغلی را حذف کرده است. تعداد کارکنان این گروه در پایان ژوئن به حدود ۶,۱۵۰ نفر رسید، در حالی که این رقم در دسامبر گذشته حدود ۶,۳۵۰ نفر بود. تر هار در ایمیلی اشاره کرد که تمرکز Monks در حال حاضر بر نحوه تغییر مشاغل و هماهنگ کردن کار میان انسان‌ها و عامل‌های هوش مصنوعی است.
«نباید خودگردانی (autonomy) را با مسئولیت‌پذیری (accountability) اشتباه بگیریم. هرچه فناوری را خودگردان‌تر کنیم، نیاز ما به نظارت انسانی شدیدتر می‌شود. تغییر ساختار جریان‌های کاری به معنای جایگزینی انسان‌ها نیست؛ بلکه به معنای ارتقای سطح تصمیم‌گیری و تمرکز دوباره افراد بر تفکر لحظه‌ای به جای انجام مداوم کارهای تکراری است.»
— فرد شوستر (Fred Schuster)، رئیس شرکت Rosie Advisory