تعریف ساده: چتبات پاسخ میدهد، AI Agent برای هدف اقدام میکند
چتبات یک رابط گفتوگویی است. پیام کاربر را میگیرد و بر اساس قواعد، پایگاه دانش یا مدل زبانی پاسخ میدهد. بعضی چتباتها فقط چند مسیر ثابت دارند و بعضی میتوانند متن آزاد و طبیعی تولید کنند. وجود مدل زبانی بهتنهایی آنها را به عامل تبدیل نمیکند.
AI Agent یا عامل هوش مصنوعی معمولاً علاوه بر گفتوگو، یک هدف، وضعیت جاری، مجموعهای از ابزارهای مجاز و یک چرخه تصمیمگیری دارد. عامل میتواند اطلاعات لازم را جمع کند، گام بعدی را انتخاب کند، ابزار مناسب را فراخوانی کند و نتیجه را با شرط پایان بسنجد. دامنه این اختیار باید از قبل محدود شود.
تفاوتهای اصلی AI Agent و چتبات
| موضوع | چتبات | AI Agent |
|---|---|---|
| هدف اصلی | پاسخگویی و هدایت مکالمه | تکمیل یک هدف در محدوده تعریفشده |
| انتخاب مسیر | قواعد ثابت یا یک پاسخ مدل | انتخاب پویای گام یا ابزار در چارچوب سیاستها |
| اتصال به ابزار | اختیاری و معمولاً محدود | جزء اصلی معماری برای خواندن یا اقدام |
| حافظه و وضعیت | اغلب محدود به مکالمه یا پروفایل | وضعیت وظیفه، نتایج ابزار و تاریخچه تصمیم |
| ریسک | بیشتر در کیفیت یا صحت پاسخ | علاوه بر پاسخ، ریسک اقدام اشتباه یا تکراری |
| کنترل لازم | منبع پاسخ، لحن، ارجاع به انسان | مجوز ابزار، سقف گام، بودجه، ثبت و تأیید انسانی |
در عمل یک طیف وجود دارد. چتباتی که فقط وضعیت سفارش را میخواند هنوز میتواند یک چتبات ابزارمحور باشد. وقتی سامانه بر اساس وضعیت تصمیم میگیرد با کدام ابزار ادامه دهد، چند گام را هماهنگ میکند و نتیجه را بررسی میکند، به معماری عامل نزدیک میشود.
چه زمانی چتبات و چه زمانی AI Agent انتخاب کنیم؟
چتبات انتخاب مناسبتری است اگر:
- کاربر بیشتر پرسشهای پرتکرار، راهنما یا توضیح محصول میخواهد.
- پاسخ باید فقط از یک پایگاه دانش کنترلشده استخراج شود.
- هیچ اقدام سیستمی لازم نیست یا اقدام با یک دکمه روشن به کاربر واگذار میشود.
- فرایند کوتاه است و ترتیب مراحل تغییر نمیکند.
- سرعت راهاندازی و پیشبینیپذیری از انعطاف مهمتر است.
AI Agent ارزش بیشتری دارد اگر:
- برای تکمیل هدف باید چند منبع یا سامانه بررسی شود.
- گام بعدی به نتیجه گام قبلی وابسته است و از قبل همیشه معلوم نیست.
- عامل باید بین ابزارها انتخاب کند، ولی مجوز و ورودی هر ابزار مشخص است.
- نتیجه قابل سنجش است؛ مثلاً تیکت دستهبندی شود، پیشنویس آماده شود یا گزارش تکمیل گردد.
- برای توقف، تلاش مجدد، ارجاع و بازگشت سیاست روشن دارید.
اگر هنوز نمیدانید مسیر باید ثابت باشد یا پویا، راهنمای پرامپت، Workflow یا AI Agent یک ماتریس تصمیم دقیقتر ارائه میدهد. اصل عملی این است: سادهترین معماری که معیار موفقیت را برآورده میکند معمولاً نگهداری آسانتری دارد.
مثال واقعی در پشتیبانی مشتری
فرض کنید مشتری میپرسد «سفارشم کجاست؟». یک چتبات ساده میتواند روش پیگیری را توضیح دهد و لینک صفحه سفارش را بدهد. چتبات متصل به ابزار میتواند پس از احراز هویت، وضعیت سفارش را بخواند و همان اطلاعات را در مکالمه نمایش دهد.
یک عامل پشتیبانی میتواند مسئله را طبقهبندی کند، وضعیت سفارش و رخدادهای ارسال را از ابزارهای مجاز بخواند، شرایط سیاست جبران را بررسی کند، پاسخ پیشنهادی بسازد و در صورت عبور از آستانه ریسک، پرونده را همراه با خلاصه به کارشناس ارجاع دهد. اگر اجازه اقدام دارد، بهتر است ابتدا به کارهای قابل بازگشت و کمریسک محدود شود.
- پرسش عمومی: پاسخ از پایگاه دانش؛ بدون دسترسی به داده شخصی.
- اطلاعات حساب: احراز هویت و ابزار فقطخواندنی برای مشاهده وضعیت.
- پیشنهاد اقدام: عامل پیشنویس یا گزینهها را آماده میکند، انسان یا مشتری تأیید میکند.
- اقدام محدود: ابزار قابل بازگشت با سقف مبلغ، ثبت کامل و جلوگیری از اجرای تکراری.
صفحه دستیار هوش مصنوعی برای تیم پشتیبانی توضیح میدهد چگونه کارشناس میتواند از فایلهای راهنما برای خلاصهسازی درخواست و تهیه پیشنویس پاسخ استفاده کند؛ بررسی و ارسال نهایی همچنان در کانال اصلی پشتیبانی انجام میشود.
چطور عامل را ایمن و قابل کنترل طراحی کنیم؟
ریسک عامل از «توانایی اقدام» میآید. بنابراین امنیت فقط یک جمله در پرامپت نیست و باید در سطح ابزار و برنامه اجرا شود. مدل نباید بتواند پارامتر، مشتری یا عملیاتی خارج از مجوز جاری انتخاب کند.
- کمترین اختیار: هر ابزار فقط داده و عملیات لازم برای همان وظیفه را ببیند.
- تفکیک خواندن و نوشتن: ابزارهای فقطخواندنی را از اقدامهای تغییردهنده جدا کنید.
- تأیید متناسب با ریسک: پرداخت، حذف، انتشار عمومی و پیام حساس بدون تأیید انجام نشود.
- سقف اجرا: تعداد گام، زمان، هزینه و تلاش مجدد محدود باشد.
- اجرای تکرارناپذیر: برای اقدامها شناسه یکتا و کنترل جلوگیری از تکرار داشته باشید.
- قابلیت مشاهده: ورودی، تصمیم، ابزار، خروجی و دلیل توقف در گزارش قابل جستوجو ثبت شود.
- مسیر ارجاع: عامل باید بداند چه زمانی سؤال بپرسد یا کار را به انسان تحویل دهد.
برای ساخت یک دستیار داخلی مبتنی بر دستور و فایل دانش، از یک دامنه کوچک در AI Agent Builder شروع کنید. اگر استفاده مشترک تیمی، مدیریت اعضا و سهمیه میخواهید، امکانات AI Agent سازمانی را بررسی کنید. اتصال سامانههای بیرونی به ابزارهای اختصاصی نیاز دارد و جزو امکانات عمومی سازنده دستیار نیست.