مهارت‌های عامل آنتروپیک: استاندارد باز جدید برای عامل‌های هوش مصنوعی در سازمان

صنعت هوش مصنوعی سازمانی با حرکت ... زلزله‌ای جزئی را تجربه می‌کند. پروپوزال آنتروپیک و مهارت‌های عامل آناین شرکت به جای انتشار یک ویژگی بسته دیگر، تصمیم گرفته است مشخصات باز (open specification) را منتشر کند که این به هر سازمانی اجازه می‌دهد تا قابلیت‌های هوش مصنوعی را به روشی استاندارد تعریف، به اشتراک بگذارد و مدیریت کند.این امر به ویژه برای شرکت‌های اروپایی که در محیط‌های تحت نظارت فعالیت می‌کنند، اهمیت دارد.

در عمل، این بدان معناست که دستیاران هوش مصنوعی دیگر به دستورات بداهه تکیه نمی‌کنند و شروع به کار با کتابخانه‌های مهارت ساختاریافته، قابل ویرایش و قابل ممیزیکه می‌تواند در چندین تیم، برنامه و فروشنده مورد استفاده مجدد قرار گیرد. برای شرکت‌هایی در اسپانیا و بقیه اروپا که در حال حاضر عوامل هوش مصنوعی را در امور حقوقی، مالی یا خدمات مشتری آزمایش می‌کنند، این رویکرد این نوید کنترل بیشتر، «جادوی سیاه» کمتر و ادغام منظم‌تر با سیستم‌های داخلی خود را می‌دهد..

مهارت‌های عامل چیست و چرا نقطه عطفی در هوش مصنوعی سازمانی محسوب می‌شود؟

مهارت‌های عامل، در اصل، یک چارچوب مشترک برای آموزش وظایف کاری بسیار خاص به عامل‌های هوش مصنوعیاین دانش در ماژول‌های مستقلی بسته‌بندی شده است. هر مهارت یک پوشه یا بسته با دستورالعمل‌های گام به گام، اسکریپت‌ها، مثال‌های کاربردی و منابع خاص است که به مدل‌هایی مانند کلود می‌گوید چگونه در یک زمینه حرفه‌ای مشخص عمل کنند: تهیه گزارش مالی مطابق با مقررات، تهیه ارائه با دستورالعمل‌های برند یا پردازش بازپرداخت طبق سیاست‌های شرکت.

به جای رویکرد کلاسیک «پرسیدن چیزها» از مدل با دستورالعمل‌های طولانی، سازمان‌ها می‌توانند ایجاد کنند مجموعه‌های درونی مهارت‌ها که فرآیندهای واقعی آنها را منعکس می‌کننداین کتابخانه‌ها بین تیم‌ها به اشتراک گذاشته می‌شوند، مانند کد بررسی می‌شوند و با ابزارهایی که از قبل روزانه استفاده می‌شوند، ادغام می‌شوند. برای بسیاری از شرکت‌های اروپایی، این رویکرد با نیازهای آنها برای رعایت مقررات، مدیریت داده‌ها و قابلیت ردیابی، همسوتر است.

یک تغییر مهم این است که آنتروپیک محدود به استفاده از مهارت‌های عامل در اکوسیستم خود نیست: مشخصات به عنوان یک استاندارد باز منتشر شده است.این مشابه کاری است که این شرکت با پروتکل مدل زمینه (MCP) خود انجام داد، که اکنون به طور گسترده برای اتصال نمایندگان با سرویس‌های خارجی پذیرفته شده است. هر ارائه‌دهنده‌ای، چه یک غول ابری یا یک شرکت نرم‌افزاری خاص در صنعت در اتحادیه اروپا، می‌تواند این استاندارد را بدون وابستگی به یک فروشنده واحد پیاده‌سازی و گسترش دهد.

در بازاری که مدل‌هایی از OpenAI، گوگل، Antropic و دیگر بازیگران در کنار هم وجود دارند، داشتن یک زبان مشترک برای توصیف توانایی‌های عامل‌ها هدف آن کاهش وابستگی به پلتفرم‌های اختصاصی و تسهیل مهاجرت یا استقرار ترکیبی است، چیزی که به طور فزاینده‌ای توسط بانک‌ها، بیمه‌گران یا ادارات دولتی اروپایی مورد توجه قرار می‌گیرد.

مهارت‌های عامل چگونه کار می‌کنند و چه مشکلی را حل می‌کنند

مهارت‌های عامل به صورت زیر ارائه می‌شوند: ماژول‌های کپسوله‌شده‌ای که بین مدل زبان و سیستم‌های داخلی قرار دارنداین مدل هنوز هم مدلی است که می‌فهمد، استدلال می‌کند و گفتگو می‌کند، اما وقتی مجبور است کارهای مشخصی را «انجام دهد» - بررسی موجودی، باز کردن تیکت در جیرا، تهیه گزارش نظارتی - به مهارت مناسب متوسل می‌شود که دقیقاً نحوه انجام کار را تعریف می‌کند.

هر مهارت معمولاً شامل یک فایل تعریف است (مانند مهارت معروف مهارت.mdاین بخش، در قالبی ترکیبی از YAML و متن ساختاریافته، نام مهارت، مراحل مورد نیاز، پارامترهای مجاز، مثال‌های کاربرد و ابزارها یا APIهایی که می‌توانند فراخوانی شوند را شرح می‌دهد. هیچ مرحله معقولی به شانس واگذار نشده است: آنها به صورت کد قطعی پیاده‌سازی می‌شوند که سرویس‌های تجاری را فراخوانی می‌کند.در حالی که این مدل بر جنبه‌های مکالمه‌ای و تصمیم‌گیری تمرکز دارد.

برای بهبود کارایی، آنتروپیک طرحی را در نظر گرفته است «افشاگری تدریجی»این دستیار تمام جزئیات هر مهارت را در متن بارگذاری نمی‌کند؛ بلکه فقط زمانی که واقعاً به اطلاعات کامل نیاز باشد، به آنها دسترسی پیدا می‌کند. به این ترتیب، یک سازمان می‌تواند یک کتابخانه بسیار بزرگ را بدون بارگذاری بیش از حد حافظه مدل، نگهداری کند که به ویژه در محیط‌های پیچیده مانند بانک‌ها، مخابرات یا خرده‌فروشان بزرگ اروپایی مفید است.

یکی دیگر از اجزای رایج، به اصطلاح است عامل هماهنگ کننده، اینکه به عنوان سرپرست عمل می‌کند: درخواست کاربر را دریافت می‌کند، قصد او را تشخیص می‌دهد، تصمیم می‌گیرد که چه ترکیبی از مهارت‌ها و ابزارها لازم است و آنها را به ترتیب انجام می‌دهد.یک پرس‌وجوی ساده در مورد صورتحساب می‌تواند مهارت شفاف‌سازی هدف، مهارت «توضیح فاکتور من» و در زیر آن، ابزاری را فعال کند که بدون نیاز به درک پیچیدگی توسط کاربر، سیستم‌های صورتحساب را پرس‌وجو می‌کند.

در این رویکرد، مهارت‌ها به ... تبدیل می‌شوند. ساختار اعدام مأمورانسطح مکالمه انعطاف‌پذیر باقی می‌ماند، در حالی که رویه‌ها تعریف شده، قابل استفاده مجدد و تحت کنترل کیفیت هستند. این این یکی از کاستی‌های اصلی اولین ربات‌ها و دستیارهای مبتنی بر هوش مصنوعی را که بررسی رفتار آنها دشوار بود، اصلاح می‌کند. و وقتی دستورالعمل‌ها اصلاح شدند، به طور غیرقابل پیش‌بینی تغییر کرد.

باز بودن، استاندارد بودن و پذیرش زودهنگام اکوسیستم

چشمگیرترین اقدام آنتروپیک انتشار این مطلب بوده است مشخصات فنی مهارت‌های عامل و SDK آن به عنوان یک استاندارد باز از طریق agentskills.io، از جامعه و سایر ارائه دهندگان دعوت می‌کند تا آن را اتخاذ و تکامل دهند. این اقدام به دنبال MCP است که اخیراً تحت مدیریت ... قرار گرفته است. بنیاد لینوکس درون بنیاد هوش مصنوعی عاملکه در آن بازیگرانی مانند AWS، گوگل، مایکروسافت یا Block مشارکت دارند.

پیرامون مهارت‌های عامل، الف پذیرش زودهنگام توسط شرکت‌های بزرگ فناوریابزارهایی مانند Microsoft VS Code، GitHub و عوامل کدنویسی مانند Cursor و OpenCode معماری مهارت‌ها را برای تعریف گردش‌های کاری توسعه گنجانده‌اند. خود OpenAI ساختارهای بسیار مشابهی را در ChatGPT و رابط خط فرمان توسعه‌دهنده خود معرفی کرده است، با دایرکتوری‌های مهارتی که یادآور رویکرد Anthropic هستند، که نشان دهنده همگرایی خاصی در صنعت به سمت این نوع ماژولاریتی است.

در همین حال، شرکت‌های پیشرو در زمینه نرم‌افزارهای سازمانی —اطلسیان، فیگما، استرایپ، کانوا، نوشن، کلودفلر، زاپیر یا رمپشرکت‌هایی مانند [نام شرکت] در حال انتشار مهارت‌های خود برای اتصال محصولاتشان به عوامل هوش مصنوعی هستند. این مهارت‌ها به کاربران این امکان را می‌دهد که، به عنوان مثال، وظایفی را در Jira یا Trello با پیروی از قراردادهای داخلی ایجاد کنند، سبک‌های برند را در طرح‌های Figma اعمال کنند یا گردش‌های کاری بازاریابی را بدون نیاز به ادغام‌های موردی برای هر مشتری، خودکار کنند.

جامعه توسعه‌دهندگان نیز در حال مشارکت است: مخزن مهارت‌های آنتروپیک ده‌ها هزار ستاره در گیت‌هاب جمع‌آوری کرده است و در حال حاضر هزاران مهارت عمومی وجود دارد که به اشتراک گذاشته شده‌انداز ابزارهای کاربردی برای دستکاری فایل‌های PDF گرفته تا اتوماسیون‌های خاص برای تیم‌های مهندسی یا مالی.

این اکوسیستم به ویژه برای شرکت‌های اروپایی که از ابزارهایی مانند Atlassian، Microsoft 365 یا Figma به طور گسترده استفاده می‌کنند و می‌خواهند نمایندگان هوش مصنوعی آنها ضمن احترام به سیاست‌های داخلی، مقررات بخش و الزامات حریم خصوصی مانند GDPR با آنها همکاری کنند، جالب است. بدون تکیه بر افزونه‌های مبهم از یک ارائه‌دهنده واحد.

از ابزار توسعه‌دهنده تا زیرساخت سازمانی

وقتی آنتروپیک این قابلیت‌ها را در ماه اکتبر معرفی کرد، این مهارت‌ها عمدتاً به عنوان ... تلقی شدند. ابزاری برای توسعه‌دهندگان و علاقه‌مندان به کدنویسیاز طریق یک «سازنده مهارت» تعاملی در کلود، کاربران می‌توانند ساختار پوشه و SKILL.md لازم برای خودکارسازی گردش‌های کاری خاص را بدون نیاز به استقرارهای مهندسی عمده، ایجاد کنند.

با به‌روزرسانی اخیر، این شرکت تمرکز خود را به سمت بخش سازمانی تغییر داده است: مهارت‌های عامل اکنون با ... ادغام می‌شوند. ابزارهای مدیریت سازمانییک دایرکتوری مرکزی از مهارت‌ها و عملکردهای مدیریتی که برای مدیران فناوری اطلاعات و تیم‌های امنیتی طراحی شده است. ایده این است که مهارت‌ها از آزمایش‌های پراکنده فراتر رفته و به دارایی‌های پایدار، مستند و مدیریت‌شده به عنوان بخشی از زیرساخت هوش مصنوعی سازمانی تبدیل شوند.

در سازمان‌هایی که در طرح‌های تیمی و سازمانی کلود عضو هستند، مهارت‌ها را می‌توان از ... مدیریت کرد. یک پنل مرکزیاینجاست که مدیران تصمیم می‌گیرند کدام مهارت‌ها برای هر گروه کاربری فراهم شود، کدام‌ها به طور پیش‌فرض فعال باشند و کدام‌ها نیاز به انتخاب داشته باشند. این لایه کنترل امکان همسوسازی استفاده از عامل با سیاست‌های داخلی را فراهم می‌کند، که برای بخش‌های بسیار تحت نظارت در اروپا، مانند مراقبت‌های بهداشتی، بیمه و بانکداری، بسیار مهم است.

علاوه بر این، آنتروپیک یک ... افتتاح کرده است فهرست مهارت‌های شرکای تجاری این مخزن به عنوان کاتالوگی از مهارت‌های آماده برای استفاده عمل می‌کند که با مشارکت شرکت‌هایی مانند Atlassian، Canva، Figma، Notion، Cloudflare، Stripe، Zapier و Sentry ایجاد شده است. برای بسیاری از شرکت‌های کوچک و متوسط ​​اروپایی و شرکت‌های بزرگ، این نوع مخزن، پروژه‌های آزمایشی را ساده می‌کند: به جای ساختن همه چیز از ابتدا، آنها می‌توانند با مهارت‌های از پیش آزمایش شده شروع کنند و آنها را با فرآیندهای خود تطبیق دهند.

همه اینها نشان می‌دهد که مهارت‌های عامل، چیزی بیش از یک ویژگی محصول، در حال تکامل به یک ... لایه زیرساختی که بر روی آن می‌توان عامل‌ها و برنامه‌های هوش مصنوعی را ساختمطابق با آنچه استانداردسازی APIها در آن زمان به معنای آن بود: زبانی مشترک که ابزارهای مختلف می‌توانند بر اساس آن همکاری کنند.

بهره‌وری، موارد استفاده و مزایا برای شرکت‌های اروپایی

اولین استقرارهای دنیای واقعی نشان می‌دهد که پذیرش مهارت‌های عامل (Agent Skills) فقط در حد تئوری نیست. تیم‌های مهندسی افزایش بهره‌وری تا ۵۰ درصد را گزارش کرده‌اند. به لطف خودکارسازی وظایف تکراری و استانداردسازی گردش‌های کاری مانند بررسی کد، مستندسازی فنی یا تولید تست.

در حوزه مالی و حسابداری، مهارت‌ها اجازه می‌دهند تدوین رویه‌های تنظیم‌شدهاز بررسی‌های قبل از صدور گزارش گرفته تا کنترل‌های انطباق که قبل از تأیید تراکنش‌های خاص به طور خودکار اجرا می‌شوند. برای شرکت‌های اسپانیایی که مشمول مقررات اروپایی هستند - مانند MiFID II برای خدمات سرمایه‌گذاری یا Solvency II برای بیمه - توانایی تبدیل این قوانین به مهارت‌های قابل حسابرسی، مزیتی نسبت به دستورالعمل‌های بدون ساختار است.

در عملیات و امور اداری، سازمان‌ها از کتابخانه‌های مهارت استفاده می‌کنند تا به اشتراک گذاری دانش نهادیآنچه که قبلاً فقط برای تعداد کمی از کارمندان باسابقه شناخته شده بود، اکنون در ماژول‌هایی گنجانده شده است که یک نماینده یا یک کارمند جدید می‌تواند گام به گام آنها را دنبال کند، که این امر وابستگی به افراد خاص را کاهش داده و آموزش داخلی را تسریع می‌کند.

حتی آزمایش‌های جاه‌طلبانه‌تری نیز آزمایش شده‌اند، مانند پروژه داخلی شرکت آنتروپیک برای مدیریت یک فروشگاه کوچک کالا با نمایندگانی مجهز به مهارت‌های موجودی، فروش و خدمات مشتری. اگرچه نظارت انسانی در برخی موارد شدید همچنان وجود داشت، اما آزمایش‌ها نشان می‌دهند که عامل‌های مجهز به مهارت‌های خوب طراحی‌شده می‌توانند وظایف سرتاسری را انجام دهند. در محیط‌های کنترل‌شده.

در بافت اروپایی، جایی که کمیسیون و نهادهای نظارتی ملی شروع به مطالبه ... کرده‌اند. شفافیت و کنترل بیشتر بر سیستم‌های هوش مصنوعیاین رویکرد ماژولار، ارزیابی ریسک را تسهیل می‌کند: هر مهارت می‌تواند به طور مستقل مستندسازی، آزمایش و تأیید شود، در حالی که مدل کلی به عنوان یک لایه استدلال و زبان طبیعی استفاده می‌شود.

ریسک‌ها، حاکمیت شرکتی و تردیدهای پیرامون استاندارد

ارائه مهارت‌های Agent بدون ریسک نیست. با اجازه دادن به هر کسی برای ارسال و به اشتراک گذاشتن مهارت‌ها، این احتمال وجود دارد که مهارت‌های مخرب یا بی‌کیفیت پدیدار شوند.با دستورالعمل‌هایی که در صورت اتصال به سیستم‌های حساس می‌تواند منجر به خطا، عدم رعایت مقررات یا حتی نشت اطلاعات شود.

آنتروپیک به شرکت‌ها توصیه می‌کند که محدود کردن پذیرش مهارت‌ها به منابع حسابرسی‌شده و توسعه‌دهندگان تأییدشدهو اینکه آنها بررسی این قابلیت‌ها را در فرآیندهای امنیتی و انطباق منظم خود ادغام کنند. این شرکت همچنین در بحث‌هایی با جامعه در مورد اینکه چه کسی باید تکامل بلندمدت پروتکل باز را مدیریت کند و چگونه، شرکت می‌کند، که اگر قرار باشد از تصرف استاندارد توسط یک بازیگر واحد جلوگیری شود، مسئله مهمی است.

بحث دیگری که همچنان ادامه دارد، تأثیر بر ... مهارت‌های انسانی در سازمان‌هااز آنجایی که کارگزاران تمام مراحل را خودکار می‌کنند، برخی از کارشناسان در مورد خطر «تحلیل رفتن» مهارت‌ها هشدار می‌دهند: اگر تیمی به هوش مصنوعی عادت کند که همیشه گزارش‌ها را آماده می‌کند، ادعاها را ثبت می‌کند یا فرآیندهای خدمات مشتری را مدیریت می‌کند، ممکن است در صورت بروز مشکل، مهارت انجام دستی این کارها را از دست بدهد.

تحلیلگران صنعت همچنین خاطرنشان می‌کنند که اگرچه MCP به یک استاندارد بالفعل تبدیل شده است، تضمینی وجود ندارد که مهارت‌های عامل (Agent Skills) همان موفقیت را تکرار کنند.سازمان‌ها از قبل به کار با APIهای استاندارد و امضاهای ارتباطی عادت کرده‌اند و روش‌های متعددی برای آموزش قابلیت‌ها به عامل‌ها وجود دارد. به عبارت دیگر، مزایای فنی مهارت‌های عامل به تنهایی برای تضمین پذیرش گسترده کافی نیست.

برای شرکت‌های اروپایی که به فعالیت در اکوسیستم‌های چندفروشنده‌ای عادت دارند، این تردید به معنای احتیاط است: بسیاری از آنها در حال آزمایش مهارت‌های عامل (Agent Skills) در پروژه‌های آزمایشی هستند، اما به طور موازی آن را حفظ می‌کنند. استراتژی‌های خاص برای هماهنگ‌سازی و مدیریت عامل‌هابا لایه‌های کنترلی که فراتر از هر استاندارد خاصی هستند.

مزایای استراتژیک برای بنیانگذاران و مدیران ارشد فناوری استارتاپ‌ها در اسپانیا و اروپا

فراتر از شرکت‌های بزرگ، مهارت‌های عامل، دریچه‌ای جالب برای استارت‌آپ‌های فناوری اروپایی و توسعه‌های مقیاس‌پذیربرای بسیاری از تیم‌های بنیان‌گذار، عامل تمایز واقعی دیگر صرفاً استفاده از «بهترین مدل» موجود در بازار نیست، بلکه تدوین دانش فنی خود در قالب مهارت‌های اختصاصی است که فرآیندها، روش کار و درک آنها از مشتری را در بر می‌گیرد.

از این نظر، سرمایه‌گذاری منابع در ساخت و ساز کتابخانه‌هایی از مهارت‌هایی که نشان‌دهنده هوش سازمانی هستند این می‌تواند به یک دارایی بلندمدت تبدیل شود، قابل مقایسه با داشتن یک API با طراحی خوب یا یک زیرساخت داده قوی. این مهارت‌ها را می‌توان در مدل‌ها و پلتفرم‌های مختلف به کار گرفت، وابستگی به یک فروشنده خاص را کاهش داد و انطباق با الزامات اروپایی در مورد حاکمیت داده‌ها یا موقعیت جغرافیایی را تسهیل کرد.

استاندارد باز همچنین از ... حمایت می‌کند. قابلیت همکاری بین راهکارهای ارائه دهندگان مختلفیک استارتاپ اسپانیایی که در حال توسعه یک محصول SaaS برای مثلاً مدیریت اسناد در شرکت‌های حقوقی است، می‌تواند قابلیت‌های خود را به عنوان مهارت‌هایی سازگار با کلود، و همچنین با سایر نمایندگانی که مشخصات یکسانی را اتخاذ می‌کنند، به نمایش بگذارد و بدین ترتیب بازار خود را بدون نیاز به انجام مجدد ادغام‌ها برای هر پلتفرم گسترش دهد.

علاوه بر این، اکوسیستم شرکا - با ابزارهایی مانند Atlassian، Figma، Stripe و Zapier - به استارت‌آپ‌ها یک میانبر ارائه می‌دهد: به جای ساختن رابط‌های پیچیده برای هر سرویس، آن‌ها می‌توانند از مهارت‌های موجود استفاده کرده و روی ... تمرکز کنند. لایه‌هایی از منطق و تجربه شخصی را به آن اضافه کنیداین موضوع با واقعیت بسیاری از شرکت‌های اروپایی که با تیم‌های کوچک کار می‌کنند و به دنبال به حداکثر رساندن بازده در هر اسپرینت توسعه هستند، مطابقت دارد.

برای مدیران ارشد فناوری که شروع به طراحی استراتژی نمایندگی خود می‌کنند، درس واضح است: مهارت‌ها را به عنوان دارایی‌های بلندمدت در نظر بگیریدنسخه‌بندی، نظارت و بهبود آنها با داده‌های واقعی و همسوسازی آنها با لایه کنترل و حاکمیتی که سازمان تعریف می‌کند. به این ترتیب، وقتی اکوسیستم بالغ شود - و استانداردها تثبیت شوند - شرکت از قبل فهرست قابلیت‌های خود را خواهد داشت که آماده ادغام در هر کجا که مناسب‌تر باشد، خواهد بود.

افتتاح مهارت‌های عامل (Agent Skills) توسط آنتروپیک، نحوه‌ی تصور عامل‌های هوش مصنوعی در سازمان را از نو تعریف می‌کند: از دستیاران عمومی که با دستورات کنترل می‌شوند، تا پلتفرم‌های کاری مبتنی بر مهارت ماژولار، قابل حمل و قابل حسابرسیبرای اسپانیا و اروپا، جایی که فشار نظارتی و نیاز به قابلیت همکاری به ویژه زیاد است، این مدل مسیری میانی بین نوآوری سریع و کنترل دقیق ارائه می‌دهد و در را برای ارزش متمایز واقعی که در مهارت‌هایی نهفته است که هر سازمان قادر به ایجاد و مدیریت آنهاست، باز می‌گذارد.