اینتل و گوگل کلاد همکاری خود را برای تحول سازمانی مبتنی بر هوش مصنوعی گسترش دادند

اینتل و گوگل کلاد همکاری خود را برای تحول سازمانی مبتنی بر هوش مصنوعی گسترش دادند

# اینتل و گوگل کلاد همکاری خود را برای تحول سازمانی مبتنی بر هوش مصنوعی گسترش دادند

اینتل و Google Cloud در ۱۶ ژوئیه ۲۰۲۶ از گسترش همکاری چندسالهٔ خود برای استفاده از هوش مصنوعی در عملیات سازمانی و فرایند طراحی تراشه خبر دادند. محور این همکاری، به‌کارگیری Gemini Enterprise و زیرساخت ابری Google Cloud برای ساخت جریان‌های کاری عامل‌محور است؛ جریان‌هایی که می‌توانند در مهندسی، زنجیرهٔ تأمین و فعالیت‌های اداری به کارکنان کمک کنند.

این خبر از آن جهت اهمیت دارد که بسیاری از شرکت‌ها هنوز هوش مصنوعی سازمانی را در قالب پروژه‌های آزمایشی کوچک بررسی می‌کنند، اما اینتل قصد دارد ابزارهای مبتنی بر Gemini را به بخش‌های مختلف نیروی کار جهانی خود وارد کند. در این مدل، هدف فقط تولید متن یا پاسخ‌دادن به پرسش‌ها نیست؛ عامل‌های نرم‌افزاری باید بتوانند بخشی از کارهای چندمرحله‌ای را در محیط کنترل‌شدهٔ سازمان اجرا کنند و خروجی قابل‌بررسی به تیم‌ها تحویل دهند.

Gemini Enterprise در عملیات اینتل

بر اساس اعلام رسمی اینتل، این شرکت می‌خواهد یک مرکز متمرکز برای ساخت و استقرار عامل‌ها با Gemini Enterprise در اختیار کارکنان قرار دهد. تیم‌های کسب‌وکار می‌توانند عامل‌هایی متناسب با فرایندهای خود بسازند و آن‌ها را برای اجرای وظایف مشخص به کار بگیرند. چنین رویکردی می‌تواند کارهایی مانند گردآوری داده، آماده‌سازی گزارش، هماهنگ‌کردن مراحل یک فرایند و پیشنهاد اقدام بعدی را سریع‌تر کند؛ البته نتیجهٔ واقعی به کیفیت داده‌ها، سطح دسترسی و نظارت انسانی وابسته خواهد بود.

اینتل همچنین در حال بررسی استفاده از راهکارهای Google Cloud برای فعالیت‌های بازاریابی و ارتباطات است. نمونه‌های اولیه می‌توانند موضوعات مناسب برای کارشناسان سازمان را پیشنهاد دهند، پیام‌های مدیریتی را آماده کنند و محتوای پشتیبان را برای چند کانال ارتباطی بسازند. این کاربردها نشان می‌دهند که هوش مصنوعی سازمانی فقط به تیم‌های فنی محدود نیست و می‌تواند به‌صورت مرحله‌ای وارد فرایندهای داخلی مختلف شود.

کمک به طراحی و توسعهٔ تراشه

بخش مهم‌تر همکاری به محیط توسعهٔ نیمه‌رسانا مربوط می‌شود. طراحی تراشه به شبیه‌سازی‌های سنگین، پردازش دادهٔ فراوان و تکرارهای متعدد میان تیم‌های مهندسی نیاز دارد. اینتل اعلام کرده زیرساخت مقیاس‌پذیر Google Cloud را در کنار منابع پردازشی داخلی خود به کار می‌گیرد تا شبیه‌سازی‌های پیچیده و بارهای کاری توسعه‌دهندگان را هم‌زمان اجرا کند.

در این معماری، ظرفیت پردازشی داخلی می‌تواند با نمونه‌های C4 و N4 گوگل کلاد تکمیل شود. نتیجهٔ مورد انتظار، افزایش امکان اجرای موازی شبیه‌سازی‌ها و کوتاه‌شدن چرخهٔ طراحی تراشه است. اجرای ابری به‌تنهایی تضمین نمی‌کند یک تراشه سریع‌تر یا کم‌مصرف‌تر ساخته شود؛ اما اگر داده، ابزارهای طراحی و محیط‌های آزمایش به‌درستی هماهنگ شوند، مهندسان می‌توانند گزینه‌های بیشتری را در زمان کوتاه‌تر بررسی کنند.

اینتل همچنین از کمک عامل‌های هوش مصنوعی برای کدنویسی و خودکارسازی مهندسی سخن گفته است. این عامل‌ها می‌توانند در خط لولهٔ توسعه، کارهای تکراری را کاهش دهند و اجرای برخی گردش‌کارهای چندمرحله‌ای نرم‌افزاری را ساده‌تر کنند. بااین‌حال، کد و خروجی تولیدشده باید مانند هر تغییر مهندسی دیگری بازبینی، آزمایش و از نظر امنیتی ارزیابی شود؛ مخصوصاً در پروژه‌هایی که مستقیماً با طراحی سخت‌افزار یا زیرساخت حیاتی در ارتباط‌اند.

فرصت‌ها و محدودیت‌ها

همکاری اینتل و Google Cloud نمونه‌ای از حرکت صنعت به سوی هوش مصنوعی عامل‌محور در مقیاس سازمانی است. تفاوت این رویکرد با یک دستیار گفت‌وگویی ساده در آن است که عامل باید با ابزارها، داده‌ها و سامانه‌های داخلی کار کند و در یک زنجیرهٔ عملیاتی نقش داشته باشد. این قابلیت می‌تواند بهره‌وری را افزایش دهد، اما هم‌زمان نیاز به مدیریت هویت، ثبت رویداد، محدودسازی دسترسی و تعیین مسئولیت انسانی را بیشتر می‌کند.

سازمان‌ها برای استفادهٔ امن از چنین سامانه‌هایی باید ابتدا وظایف محدود و قابل‌اندازه‌گیری انتخاب کنند، دسترسی عامل را به حداقل لازم برسانند و همهٔ اقدامات آن را ثبت کنند. اطلاعات محرمانهٔ طراحی تراشه و داده‌های زنجیرهٔ تأمین نیز باید با قواعد روشن نگهداری و تفکیک شوند. در نهایت، سنجش موفقیت باید بر اساس زمان چرخه، دقت خروجی، هزینهٔ پردازش و نرخ خطای واقعی انجام شود؛ نه صرفاً تعداد عامل‌های ساخته‌شده.

جمع‌بندی

گسترش همکاری اینتل و Google Cloud نشان می‌دهد که کاربردهای هوش مصنوعی در شرکت‌های بزرگ از مرحلهٔ تولید محتوای آزمایشی به سمت اجرای گردش‌کارهای مهندسی و عملیاتی حرکت می‌کنند. Gemini Enterprise می‌تواند محیطی برای ساخت عامل‌های تخصصی فراهم کند و زیرساخت ابری نیز ظرفیت لازم برای شبیه‌سازی و پردازش موازی را افزایش دهد. با وجود این، ارزش واقعی این فناوری زمانی مشخص می‌شود که در کنار کنترل دسترسی، آزمون دقیق و نظارت مهندسان قرار گیرد.

منبع اصلی: Intel Newsroom

برای آشنایی با خبرهای پیشین هوش مصنوعی و زیرساخت، گزارش Haftemehr دربارهٔ Adaptive Intelligence کلادفلر را نیز بخوانید.

✍️خبرنگار:امیر عبدالهی
🔗

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *