وبلاگ
از پرداخت بهازای توکن تا پرداخت بهازای نتیجه؛ نقطه عطفی در اقتصاد اتوماسیون فرایندهای کسبوکار
در یکی، دو سال اخیر بیشتر بحثهای حوزهٔ مدیریت فرایندهای کسبوکار حول این موضوع بوده که چطور میتوان عاملهای هوش مصنوعی (AI Agents) را وارد فرایندهای سازمانی کرد. اما یکی از تازهترین تحولات این حوزه نشان میدهد که مسئلهٔ اصلی دیگر «چگونه» نیست، بلکه «به چه قیمتی» است. یکی از شناختهشدهترین پلتفرمهای BPM و اتوماسیون فرایند، در جدیدترین نسخهٔ خود، همزمان با گسترش قابلیتهای ارکستراسیون عاملهای هوشمند، مدل قیمتگذاری خود را از پرداخت بر مبنای توکن به پرداخت بر مبنای هر پروندهٔ تکمیلشدهٔ کسبوکار تغییر داده است. این تغییر، هرچند در نگاه اول یک تصمیم تجاری ساده بهنظر میرسد، اما میتواند به یکی از نقاط عطف مهم در مسیر پذیرش گستردهٔ اتوماسیون فرایند در سازمانها تبدیل شود.
در کنار این تغییر قیمتگذاری، همین پلتفرم پشتیبانی گستردهتری از پروتکل Model Context Protocol یا MCP ارائه کرده است؛ پروتکلی که به عاملهای هوش مصنوعی شخص ثالث امکان میدهد در عین حفظ کنترلهای حاکمیتی سازمان، فرایندهای تعریفشده در بستر BPM را فراخوانی و اجرا کنند. بهاینترتیب دیگر لازم نیست همهٔ منطق هوشمند در یک پلتفرم واحد محبوس بماند؛ عاملهای تخصصی میتوانند از بیرون به فرایندهای سازمانی متصل شوند، در حالی که مالکیت، امنیت و ردیابی فرایندها همچنان در اختیار تیم مدیریت فرایند باقی میماند. برای بسیاری از سازمانهایی که نگران قفلشدن در یک فروشندهٔ خاص یا از دست دادن کنترل بر دادههای حساس بودند، این رویکرد پاسخی عملی به یک دغدغهٔ واقعی است.
اما نکتهٔ جذابتر همان تغییر در مدل هزینه است. یکی از بزرگترین موانع پذیرش عاملهای هوش مصنوعی در فرایندهای سازمانی، غیرقابلپیشبینی بودن هزینههای مصرف توکن بوده است. مدیران مالی و مدیران فناوری اطلاعات معمولاً نمیتوانند بودجهٔ دقیقی برای پروژهای تعریف کنند که هزینهاش وابسته به میزان «حرفزدن» یک مدل زبانی با خودش است. با انتقال به مدل پرداخت بر مبنای نتیجه، یعنی هزینهای که فقط بهازای تکمیل واقعی یک پروندهٔ کاری، مثل رسیدگی به یک درخواست مشتری یا تسویهٔ یک مطالبه، پرداخت میشود، این عدمقطعیت تا حد زیادی از بین میرود. طبق اعلام همین شرکت، این تغییر میتواند برای برخی مشتریان تا بیش از بیست برابر در هزینهها صرفهجویی ایجاد کند؛ رقمی که بهتنهایی میتواند معادلهٔ بازگشت سرمایهٔ پروژههای اتوماسیون را کاملاً تغییر دهد.
این حرکت را باید در بستر گستردهتری هم دید. رقبای این پلتفرم نیز در ماههای اخیر گامهای مشابهی برداشتهاند: گسترش پشتیبانی از MCP، افزودن قابلیت حافظه و ردیابی عملکرد به عاملهای هوشمند، و تلاش برای اینکه توسعهدهندگان بتوانند با ابزارهای هوش مصنوعی محبوب خود، فرایندها را طراحی و پیادهسازی کنند. به بیان دیگر، رقابت اصلی بازار BPM دیگر فقط بر سر امکانات مدلسازی فرایند یا ظاهر رابط کاربری نیست؛ رقابت واقعی بر سر این است که کدام پلتفرم میتواند اتصال عاملهای هوشمند به فرایندهای واقعی سازمان را هم قابلاعتمادتر و هم مقرونبهصرفهتر کند.
برای سازمانهایی که در حال ارزیابی سرمایهگذاری در حوزهٔ اتوماسیون فرایند و هوش مصنوعی مولد هستند، این تحول یک درس روشن دارد: ارزیابی یک پلتفرم BPM دیگر نباید فقط بر مبنای فهرست امکانات فنی آن صورت گیرد، بلکه مدل اقتصادی و شفافیت هزینهای آن هم باید بخشی جدی از تصمیمگیری باشد. پلتفرمی که هزینهاش را به نتیجهٔ کسبوکار گره میزند، ریسک مالی پروژه را عملاً به سمت فروشنده منتقل میکند و به تیمهای فرایند اجازه میدهد بهجای نگرانی دربارهٔ فاکتور ماهانه، روی طراحی بهتر فرایندها تمرکز کنند.
شاید بتوان گفت مرحلهٔ بعدی بلوغ در حوزهٔ مدیریت فرایندهای کسبوکار، نه افزودن قابلیتهای تازه به عاملهای هوشمند، بلکه بازتعریف رابطهٔ اقتصادی میان فناوری و نتیجهٔ کسبوکار باشد. سازمانهایی که این تغییر را زودتر بشناسند و در استراتژی انتخاب فناوری خود لحاظ کنند، احتمالاً از رقبای خود در مسیر اتوماسیون هوشمند جلوتر خواهند افتاد.
۲۱ مرداد ۱۴۰۵
telegram: https://t.me/businessprocessmanagement
website: www.bpmn.ir
منبع الهامبخش این مطلب: Pega expands AI platform with agent orchestration, development tools and new pricing model – SiliconANGLE
