WEBINAR // AGENT ENGINEERING
آبان ۱۴۰۵
BUSINESS TRANSFORMATION & AGENT ENGINEERING

ایجنت‌سازی در کسب‌وکار
از مسئله واقعی تا راهکار هوشمند

چطور یک مسئله واقعی در کسب‌وکار را به یک راهکار هوشمند و عملیاتی مبتنی بر ایجنت تبدیل کنیم؟

شنبه ۲۳ آبان · ساعت ۲۰ 1406 / 2126
رضا شکرزاد
@rezashokrzad
AGENTIC BUSINESS · آبان ۱۴۰۵
02 / 21
پارادایم
وقتی پارادایم جابه‌جا می‌شود، همه به صفر برمی‌گردند.
Joel A. Barker — Future Edge
AGENTIC BUSINESS · آبان ۱۴۰۵
03 / 21
بازار
MARKET PULSE

بازار در حال ورود است؛ رشد دو سال آینده نمایی است.

ADOPTION INTENT · 2026 → 2028
میزان استفاده از عامل هوشمند
23% 74% 2026 2028
10%
در هیچ واحد کسب‌وکاری بیش از ۱۰٪ سازمان‌ها عامل را مقیاس نداده‌اند.
mckinsey.com
74%
۷۴٪ سازمان‌ها قصد دارند تا دو سال آینده عامل‌محور شوند.
pwc.com
×2.5
سازمان‌هایی که فرآیندها را بازطراحی کرده‌اند، ۲٫۵ برابر رشد درآمد بیشتری دارند.
newsroom.accenture.com
فقط ۱ از ۵
پذیرش از ۲۳٪ به ۷۴٪ می‌رود؛ اما فقط یک‌پنجم شرکت‌ها مدل بالغی برای حاکمیت عامل‌های خودمختار دارند.
deloitte.com
AGENTIC BUSINESS · آبان ۱۴۰۵
04 / 21
سؤال محوری
CORE QUESTION
چطور یک مسئله واقعی در کسب‌وکار را به یک راهکار هوشمند و عملیاتی مبتنی بر ایجنت تبدیل کنیم؟
AGENTIC BUSINESS · آبان ۱۴۰۵
05 / 21
سرفصل‌ها
TODAY'S MAP

شش گام از مسئله تا استقرار

AGENTIC BUSINESS · آبان ۱۴۰۵
06 / 21
کشف مسئله
01 · BUSINESS PROBLEM DISCOVERY

شناسایی مسائل و گلوگاه‌های کسب‌وکار

01 · BOTTLENECK

گلوگاه کجاست؟

  • جایی که زمان، هزینه یا خطا جمع می‌شود
  • نه جایی که فقط «جالب» به‌نظر می‌رسد
02 · FIT

فرآیند مناسب برای ایجنت

  • تصمیم تکراری + داده در دسترس
  • نیاز به برنامه‌ریزی، اقدام و نظارت انسانی
03 · PRIORITIZE

اولویت‌بندی فرصت‌ها

  • ماتریس ارزش × امکان‌پذیری
  • اثر تجاری بالا + مسیر داده/ابزار واقعی
DISCOVER
اول گلوگاه واقعی را پیدا کنید؛ بعد سراغ ماتریس ارزش و امکان‌پذیری بروید.
AGENTIC BUSINESS · آبان ۱۴۰۵
07 / 21
کشف مسئله
01 · VALUE × FEASIBILITY

کدام فرصت را اول بسازیم؟

VALUE

ارزش تجاری

  • کاهش هزینه یا زمان چرخه
    جایی که عملیات کند یا گران است
  • افزایش درآمد / تبدیل / رضایت
    اثر مستقیم روی رشد و تجربه مشتری
  • کاهش ریسک یا خطای انسانی
    انطباق، دقت و ثبات تصمیم‌ها
FEASIBILITY

امکان‌پذیری

  • داده و API در دسترس؟
    بدون دادهٔ واقعی، ایجنت فقط دمو می‌ماند
  • قوانین کسب‌وکار قابل‌نوشتن؟
    تصمیم‌ها باید قابل‌فرموله شدن باشند
  • تأیید انسانی ممکن است؟
    HITL برای ریسک‌های حساس
  • محدودهٔ MVP روشن است؟
    یک برش کوچک با نتیجهٔ قابل‌اندازه‌گیری
SWEET SPOT
اول جایی را بسازید که هم ارزش بالا دارد و هم امکان‌پذیری واقعی.
ارزش ↑ امکان‌پذیری ↑ هیجان مدل ≠ اولویت
AGENTIC BUSINESS · آبان ۱۴۰۵
08 / 21
فهم Agentic AI
02 · UNDERSTANDING AGENTIC AI

Assistant، Automation یا Agent؟

ASSISTANT

AI Assistant

  • پاسخ و پیشنهاد می‌دهد
  • انسان اجرا می‌کند
  • مناسب پرسش و خلاصه‌سازی
AUTOMATION

Automation

  • قواعد ثابت و مسیر از پیش‌تعیین‌شده
  • بدون قضاوت موقعیتی
  • مناسب فرآیندهای قطعی
AGENT

AI Agent

  • هدف می‌گیرد، برنامه می‌ریزد، ابزار می‌زند
  • با مشاهده بازخورد اصلاح می‌کند
  • مناسب تصمیم + اقدام در حلقه
PICK
ایجنت را وقتی می‌خواهید که تصمیم، برنامه‌ریزی و اقدام در یک حلقه لازم باشد؛ نه برای هر چیزی که «هوشمند» به‌نظر می‌رسد.
AGENTIC BUSINESS · آبان ۱۴۰۵
09 / 21
فهم Agentic AI
02 · WHEN NOT TO USE AN AGENT

چه زمانی Agent انتخاب درستی نیست؟

WARNING SIGNS

نشانه‌های هشدار

  • فرآیند ۱۰۰٪ قطعی
    قانون ساده یا Automation کافی است
  • داده یا دسترسی نیست
    بدون سیستم واقعی، ایجنت فقط دمو می‌ماند
  • خطای غیرقابل‌جبران
    و HITL هم ممکن نیست
  • هدف مبهم
    موفقیت قابل‌اندازه‌گیری نیست
AGENT POWERS

قابلیت‌های اصلی

  • تصمیم روی هدف
    نه فقط تکمیل متن
  • برنامه‌ریزی چندمرحله‌ای
    شکستن هدف به گام‌های اجرایی
  • اقدام با ابزار و API
    تغییر وضعیت سیستم‌های واقعی
  • حلقهٔ مشاهده → استدلال → عمل
    اصلاح مسیر با بازخورد
RULE
اگر Automation کافی است، Agent نسازید؛ پیچیدگی را فقط وقتی بخرید که ارزش بدهد.
قطعیت بالا → قانونریسک بالا → HITLبدون داده → صبر
AGENTIC BUSINESS · آبان ۱۴۰۵
10 / 21
معماری ایجنت
03 · AGENT ARCHITECTURE

Single Agent در برابر Multi-Agent

SINGLE

Single Agent

  • یک نقش، یک هدف
    ابزارهای محدود و مرز روشن
  • شروع و دیباگ ساده‌تر
    کمتر شاخه، کمتر هماهنگی
  • مناسب MVP
    فرآیندهای متمرکز و محدود
MULTI

Multi-Agent

  • نقش‌های تخصصی
    تحلیل، اقدام، بازبینی
  • Orchestration
    قرارداد و ترتیب بین ایجنت‌ها
  • گردش‌کار پیچیده
    وقتی یک مغز برای همه کارها کم است
START SIMPLE
با Single شروع کنید؛ Multi را وقتی پیچیدگی نقش‌ها واقعاً لازم شد اضافه کنید.
MVP → Singleتخصص → Multi
AGENTIC BUSINESS · آبان ۱۴۰۵
11 / 21
معماری ایجنت
03 · ROLES · TOOLS · MEMORY · FLOW

طراحی نقش‌ها، ابزارها، حافظه و گردش کار

نقش‌ها
هر ایجنت یک مسئولیت روشن؛ مرز تصمیم و خروجی مشخص.
ابزارها
فقط ابزار لازم با ورودی/خروجی تایپ‌شده؛ بدون دسترسی باز.
حافظه
کوتاه‌مدت برای جلسه؛ بلندمدت برای ترجیح و دانش قابل‌استناد.
Orchestration
ترتیب مراحل، شاخه‌ها، توقف برای تأیید انسان و مسیر خطا.
DESIGN
قبل از کدنویسی: نقش، ابزار، حافظه و جریان را روی کاغذ قفل کنید.
AGENTIC BUSINESS · آبان ۱۴۰۵
12 / 21
داده سازمانی
04 · ENTERPRISE DATA & INTEGRATION

اتصال ایجنت به سیستم‌های واقعی

SYSTEMS

سیستم‌ها

  • CRM و ERP
  • APIهای داخلی
  • دیتابیس عملیاتی
KNOWLEDGE

دانش سازمانی

  • RAG روی اسناد و Wiki
  • سیاست‌ها و SOP
  • استناد قابل‌ردیابی
INTEGRATION

یکپارچگی

  • دسترسی حداقلی
  • هویت و مجوز
  • لاگ هر اقدام بیرونی
CONNECT
ایجنت بدون اتصال امن به سیستم و دانش سازمان، فقط یک چت‌بات تزئینی است.
AGENTIC BUSINESS · آبان ۱۴۰۵
13 / 21
داده سازمانی
04 · RAG IN THE ENTERPRISE

RAG؛ دانش سازمان در حلقهٔ ایجنت

WHAT IT DOES

چه کاری می‌کند

  • بازیابی قبل از پاسخ یا اقدام
    بخش‌های مرتبط اسناد وارد حلقه می‌شوند
  • کاهش توهم با ارجاع
    منبع قابل‌ردیابی برای ادعاها
  • به‌روزرسانی بدون بازآموزی
    دانش سازمان جدا از وزن‌های مدل
PRACTICE

نکته‌های عملی

  • کیفیت chunk و فراداده
    مهم‌تر از اندازهٔ مدل
  • دسترسی هم‌خوان با نقش
    هر سندی برای هر کسی نیست
  • دانستن ≠ اجازهٔ اقدام
    مجوز اجرا را جدا نگه دارید
RAG
دانش را بازیابی کنید؛ اقدام را فقط با مجوز و لاگ انجام دهید.
منبعنقشمجوز
AGENTIC BUSINESS · آبان ۱۴۰۵
14 / 21
ایجنت قابل‌اتکا
05 · BUILDING RELIABLE AGENTS

طراحی، HITL و کنترل خطا

01 · DESIGN

طراحی و توسعه

  • هدف و معیار موفقیت را قفل کنید
  • ابزار و محدودیت را از اول بنویسید
  • قبل از کدنویسی، سناریو بسازید
02 · HITL

Human-in-the-Loop

  • اقدام پرریسک فقط با تأیید انسان
  • مسیر کم‌ریسک می‌تواند خودکار بماند
  • صف بازبینی شفاف داشته باشید
03 · EVAL

Evaluation و Monitoring

  • سناریوهای آزمون ثابت
  • متریک کیفیت و هشدار انحراف
  • بازپخش خطاها برای یادگیری
RELIABLE
اتکا یعنی طراحی درست + کنترل انسانی روی ریسک + اندازه‌گیری مداوم.
AGENTIC BUSINESS · آبان ۱۴۰۵
15 / 21
ایجنت قابل‌اتکا
05 · ERROR & GOVERNANCE LOOP

مدیریت خطا؛ ایجنت نباید بی‌صدا شکست بخورد

01 · DETECT

Detect

خروجی نامعتبر، ابزار شکست‌خورده، یا نقض سیاست را زود ببینید.
02 · CONTAIN

Contain

توقف اقدام، بازگشت امن، یا ارجاع فوری به صف انسانی.
03 · LEARN

Learn

ثبت مورد، اصلاح پرامپت/ابزار/داده، افزودن به مجموعهٔ ارزیابی.
NO SILENT FAIL
شکست باید دیده شود، محدود شود، و به بهبود تبدیل شود.
AGENTIC BUSINESS · آبان ۱۴۰۵
16 / 21
از نمونه تا تولید
06 · PROTOTYPE TO PRODUCTION

استقرار، مقیاس و کنترل

DEPLOY

استقرار

  • محیط آزمایش و تولید جدا
  • نسخه‌بندی پرامپت و ابزار
  • مقیاس روی بار واقعی
GOVERNANCE

امنیت و Governance

  • کنترل دسترسی نقش‌محور
  • ممیزی اقدامات
  • حریم داده و ماندگاری
ROI

بازگشت ارزش

  • زمان ذخیره‌شده
  • نرخ خطای کمتر
  • اثر درآمد / هزینه
SHIP
تولید یعنی کنترل، نه فقط دموی موفق در لپ‌تاپ.
AGENTIC BUSINESS · آبان ۱۴۰۵
17 / 21
از نمونه تا تولید
06 · MEASURING VALUE

سنجش ارزش تجاری، نه فقط «دموی زیبا»

BEFORE BUILD

قبل از ساخت

  • خط پایه را ثبت کنید
    وضعیت فعلی قبل از ایجنت
  • یک KPI اصلی + دو پشتیبان
    تمرکز روی اثر قابل‌سنجش
  • موفقیت MVP را تعریف کنید
    چه چیزی «کافی خوب» است؟
AFTER SHIP

بعد از استقرار

  • مقایسه با خط پایه
    در یک بازهٔ زمانی ثابت
  • هزینهٔ واقعی را ببینید
    مدل + ابزار + نظارت انسانی
  • تصمیم: مقیاس / اصلاح / توقف
    دموی زیبا به‌تنهایی کافی نیست
VALUE
اگر نمی‌توانید اثر را اندازه بگیرید، هنوز برای تولید آماده نیستید.
BaselineKPIGo / No-Go
AGENTIC BUSINESS · آبان ۱۴۰۵
18 / 21
خروجی جلسه
EXPECTED OUTCOME

در پایان این وبینار چه می‌توانید؟

یک مسئله سازمانی را تحلیل کنید و برای آن معماری یک راهکار Agentic طراحی کنید؛ از کشف گلوگاه تا نقش‌ها، ابزارها، داده، HITL و مسیر استقرار.

تحلیل مسئله
ارزش، امکان‌پذیری و محدودهٔ MVP را شفاف می‌کنید.
معماری راهکار
Single/Multi، ابزار، حافظه، یکپارچگی و کنترل را می‌چینید.
AGENTIC BUSINESS · آبان ۱۴۰۵
19 / 21
جمع‌بندی
RECAP

مسیر کوتاه: مسئله → ایجنت → ارزش

1
کشف
گلوگاه و اولویت
2
انتخاب
Agent درست؟
3
طراحی
نقش و گردش کار
4
اتصال
داده و سیستم
5
اتکا
HITL و ارزیابی
6
تولید
امنیت و ROI
RECAP
از مسئله واقعی شروع کنید؛ با ایجنت قابل‌اتکا به ارزش قابل‌اندازه‌گیری برسید.
AGENTIC BUSINESS · آبان ۱۴۰۵
20 / 21
دعوت به بوتکمپ
NEXT STEP

بوتکمپ ایجنت‌های هوش مصنوعی

اگر می‌خواهید همین مسیر را روی پروژهٔ واقعی تمرین کنید، بوتکمپ همان کارگاه عملی است.

پروژه‌محور
با داده و مسئله سازمانی واقعی
از کشف تا Demo Day
مسیر کامل شش‌گامی وبینار
همراهی تیم آموزشی
مدرس و دستیاران در مسیر
مشاهدهٔ بوتکمپ در کافه‌تدریس
برای پرسش‌ها در تلگرام پیام بدهید
@cafetadris_ds
AGENTIC BUSINESS · آبان ۱۴۰۵
21 / 21
راه‌های ارتباط
TOUCH POINTS

یک راه برای ادامه ارتباط

TG@DSLanders
کانال تلگرام؛ یادداشت‌ها و به‌روزرسانی‌های علم داده و AI.
YT@RezaShokrzad
کانال یوتیوب؛ آموزش علم داده و هوش مصنوعی.
IGrezashokrzad
اینستاگرام شخصی؛ محتوای کوتاه AI و مسیر شغلی.
@@cafetadrispro
هندل Cafetadris؛ بوتکمپ‌ها و رویدادهای AI.
IGcafetadrispro
اینستاگرام Cafetadris؛ پشت‌صحنه و اطلاعیه‌ها.
WWWcafetadris.com/agenticai
صفحه بوتکمپ ایجنت‌های هوش مصنوعی در کافه‌تدریس.
AGENTIC BUSINESS · آبان ۱۴۰۵