Artificial Intelligence

عوامل هوش مصنوعی اکنون زیرساخت هستند: ساختن با آن‌ها در سال ۲۰۲۶ واقعاً چه شکلی است

By Anurag Verma•June 3, 2026

عوامل هوش مصنوعی حالا زیرساخت هستند: ساختن با آن‌ها در سال ۲۰۲۶ واقعاً چه شکلی است

لحظه‌ای که این تغییر را برایم محسوس کرد، خواندن گزارش درآمد فصل چهارم مالی ۲۰۲۶ سیلزفورس در ماه فوریه بود. Agentforce به ۸۰۰ میلیون دلار درآمد سالانه تکرارشونده رسید، رشدی ۱۶۹ درصدی نسبت به سال قبل، و تیم اجرایی شرکت بارها از عبارتی استفاده کرد که هجده ماه پیش چیزی جز شعار بازاریابی به نظر نمی‌رسید: "واحدهای کار عاملی." آن‌ها ۲.۴ میلیارد مورد از این‌ها را ثبت کرده بودند. اینها تکمیل چت نیستند. اینها وظایف تمام‌شده هستند: یک پرونده پشتیبانی که بدون دخالت انسان حل شده، یک رکورد فروش که پس از یک تماس تلفنی به‌روزرسانی شده، یک جریان کاری آنبوردینگ که بدون ثبت تیکت راه‌اندازی شده است. در این مرحله، بحث درباره اینکه آیا عوامل هوش مصنوعی در سازمان‌ها اهمیت دارند یا نه، تمام شده است.

آنچه تمام نشده، فهمیدن چگونگی ساختن و اداره مسئولانه آن‌هاست.

وضعیت واقعی بازار

بازار جهانی عوامل هوش مصنوعی در سال ۲۰۲۶ حدود ۱۰.۹ میلیارد دلار است، در مقایسه با ۷.۶ میلیارد دلار در سال ۲۰۲۵، با نرخ رشد مرکب سالانه ۴۴ درصد. این اعداد برای من کمتر از نرخ پذیرش زیرین آن‌ها اهمیت دارند: ۴۰ درصد از برنامه‌های سازمانی اکنون قابلیت‌های عاملی دارند، در حالی که کمتر از یک سال پیش این عدد زیر ۵ درصد بود. چیزی از یک آستانه گذشته است.

ماجرای زیرساخت گویاتر هم است. پروتکل Model Context Protocol آنتروپیک، که در اواخر سال ۲۰۲۴ راه‌اندازی شد، اکنون ماهانه ۹۷ میلیون بار از SDK آن دانلود می‌شود و بیش از ۱۰,۰۰۰ سرور تولیدی فعال دارد. در دسامبر ۲۰۲۵، گوگل MCP را در سراسر خدمات خود پذیرفت. تا آوریل ۲۰۲۶، شرکت‌های فورچون ۵۰۰ آن را در محیط تولید اجرا می‌کردند. شانزده ماه از یک پروژه تحقیقاتی تا زیرساخت سازمانی. این سرعت زیادی است.

بنیاد لینوکس این موضوع را در اواخر سال ۲۰۲۵ با تاسیس Agentic AI Foundation (AAIF) رسمی کرد و MCP، AGENTS.md شرکت OpenAI، و goose شرکت Block را زیر یک چتر حاکمیتی واحد گرد آورد. اعضای پلاتینیوم شامل Amazon، Anthropic، Google، Microsoft و OpenAI می‌شوند. وقتی سرسخت‌ترین رقبا یک نهاد استانداردسازی مشترک را تامین مالی می‌کنند، لایه پروتکل دیگر تثبیت شده است.

جایگاه عوامل کدنویسی

مهندسی نرم‌افزار حدود نیمی از استقرارهای اولیه عوامل هوشمند را به خود اختصاص داد و دلیل آن را می‌فهمم. حلقه بازخورد کوتاه و قابل اندازه‌گیری است. Cursor گزارش شده که در سال گذشته از ۱۰۰ میلیون دلار به بیش از یک میلیارد دلار درآمد سالانه رسیده و به ارزش‌گذاری ۲۹.۳ میلیارد دلاری دست یافته. GitHub Copilot، Claude Code، Windsurf و Devin همگی در بازاری رقابت می‌کنند که دو سال پیش به شکل کنونی وجود نداشت.

تغییر معماری همان چیزی است که ارزش توجه دارد. این ابزارها دیگر پوششی روی قابلیت تکمیل خودکار نیستند. آن‌ها حالت را در طول یک جلسه کاری با کدبیس حفظ می‌کنند، pull request باز می‌کنند، تست‌ها را اجرا می‌کنند، خروجی خطا را می‌خوانند و دوباره تلاش می‌کنند. Operator شرکت OpenAI در معیارهای ارزیابی کارهای پیچیده مرورگر به ۸۷٪ دست یافته. AGENTS.md که در اوت ۲۰۲۵ منتشر شد، تاکنون توسط بیش از ۶۰٬۰۰۰ مخزن متن‌باز به عنوان روشی استاندارد برای توصیف زمینه مخزن برای عوامل هوشمند پذیرفته شده است. سطح کدنویسی در حال حاضر بالغ‌ترین زمین آزمایش موجود است.

من از Claude Code به صورت روزانه روی کدبیس Next.js این وبلاگ استفاده می‌کنم و تفاوت بهره‌وری واقعی است، نه هیاهوی تبلیغاتی. اما دقیقاً می‌دانم چه کاری از عهده‌اش برنمی‌آید: حفظ هدف یکپارچه در میان چندین فراخوانی ابزار وقتی چیزی اشتباه پیش می‌رود، یا استدلال درباره اثرات جانبی دو قدم جلوتر. این شکاف مشکل واقعی مهندسی است.

آنچه کمتر درباره‌اش صحبت می‌شود

این آمار ناراحت‌کننده است: تنها ۱۱ تا ۱۴ درصد از پایلوت‌های عامل هوش مصنوعی سازمانی تا مارس ۲۰۲۶ به تولید در مقیاس رسیدند. حالت شکست تقریباً هرگز مدل نیست. لایه هماهنگ‌سازی است. ناسازگاری زمینه در نقاط انتقال، عامل‌هایی که وارد حلقه‌های بازخورد می‌شوند و بودجه API را در عرض چند دقیقه تخلیه می‌کنند، خطاهای هماهنگی که به شکست‌های سراسری تبدیل می‌شوند. سیستم‌های چندعاملی در محیط تولید شاهد نرخ شکست ۵ تا ۱۵ درصدی در عامل‌های منفرد هستند و بدون قطع‌کننده مدار مناسب، یک شکست گسترش پیدا می‌کند.

امنیت دومین مسئله حل‌نشده است. حملات تزریق دستور ۳۴۰ درصد رشد سال به سال داشتند و بر اساس گزارش امنیتی LLM سازمان OWASP در سال ۲۰۲۶، بالاترین دسته شکست‌های امنیتی هوش مصنوعی عاملی باقی مانده‌اند. نوع غیرمستقیم به‌ویژه خطرناک است: دستوری مخرب که در سندی پنهان شده که عامل می‌خواند، اقدامات واقعی را فعال می‌کند (پرس‌وجوهای پایگاه داده، فراخوانی‌های API، نوشتن فایل) که اپراتورها هرگز آن‌ها را پیش‌بینی نمی‌کنند. مایکروسافت، گوگل و گیت‌هاب همگی سیستم‌های تولیدی‌شان از این طریق مورد بهره‌برداری قرار گرفته‌اند. بیست و نه درصد از سازمان‌هایی که برنامه استقرار عامل دارند می‌گویند برای ایمن‌سازی آن‌ها آماده‌اند. هفتاد و یک درصد دیگر در هر صورت در حال استقرار هستند.

هشتاد درصد از سازمان‌هایی که عامل‌ها را مستقر می‌کنند هیچ مدل حاکمیتی بالغی ندارند که آن‌ها را در مقیاس مدیریت کند. این عدد باید سریع‌تر از سرعت رشد نرخ پذیرش کاهش پیدا کند.

معماری خوب در حال حاضر چه شکلی است

تیم‌هایی که برایشان احترام قائلم، عامل‌های یکپارچه و حجیم نمی‌سازند. آن‌ها شبکه‌ای از عامل‌های محدود و قابل بازرسی می‌سازند با قراردادهای تحویل صریح، مسیرهای بازگشتی قطعی، و نقاط بازبینی انسانی در هر اقدام مهم. نقشه راه MCP برای سال ۲۰۲۶ مشکل نشست‌های دارای حالت، شکاف‌های احراز هویت سازمانی، و ابزارهای حاکمیتی را که استقرارهای تولیدی آشکار کردند، مورد توجه قرار می‌دهد. این‌ها مشکلات مهندسی حل‌شدنی هستند، به شرطی که تعهد به حل آن‌ها وجود داشته باشد.

پروتکل عامل‌به‌عامل (A2A) که گوگل در Cloud Next 2026 آن را برجسته کرد، گام بعدی است. عامل‌ها باید بدون دخالت انسان، یکدیگر را کشف کنند، احراز هویت متقابل داشته باشند، و وظایف را به هم تفویض کنند. این زیرساخت اکنون در حال ساخته شدن است.

رویکرد من در پروژه‌ها: سطح اقدام عامل را مثل یک مرز امنیتی ببینید، نه فهرست امکانات. هر ابزاری که عامل می‌تواند فراخوانی کند، شعاع انفجار بالقوه دارد. همه چیز را رصد کنید. سقف بودجه صریح برای هر اجرا تعریف کنید. ارزیابی را پیش از ساخت ویژگی‌ها بسازید.

تصویر بزرگ‌تر

چارچوب‌بندی «عامل‌های هوش مصنوعی به‌مثابه سیستم‌عامل جدید» در جهت درست بود، اما در سال ۲۰۲۵ زودهنگام مطرح شد. آنچه در اواسط ۲۰۲۶ واقعی‌تر است این است که عامل‌ها دارند به همان شکلی تبدیل به زیرساخت می‌شوند که پایگاه‌های داده و صف‌های پیام تبدیل شدند: آرام، با دردهای فراوان در مراحل اولیه، و سپس ناگهان همه جا. گزارش بین‌المللی ایمنی هوش مصنوعی ۲۰۲۶ شکست‌های هماهنگی در مقیاس را به‌عنوان ریسک سیستمیک اصلی برجسته می‌کند، نه توانایی منفرد مدل‌ها.

سازندگانی که در این فضا موفق خواهند شد، آن‌هایی هستند که قابلیت اطمینان، رصدپذیری، و امنیت عامل‌ها را به‌عنوان اصول مهندسی درجه اول می‌بینند، نه اولویت‌های بعدی. آن‌هایی که فکر می‌کنند هماهنگی مشکل کس دیگری است، در محیط تولید روزگار سختی خواهند داشت.