Agentic Workflow چیست؟ تفاوت آن با Workflow و AI Agent

در قسمت قبل مجموعه «پشت پرده AI Agentها» درباره تفاوت Workflow، AI Agent و Agentic AI صحبت کردیم. گفتیم که Workflow مسیر انجام یک کار را مشخص می‌کند، AI Agent نقش تصمیم‌گیرنده را دارد و Agentic AI به سیستم‌هایی اشاره می‌کند که می‌توانند با رفتار ایجنتی، یک هدف را دنبال کنند.

اما یک سؤال مهم وجود دارد: اگر در یک Workflow، بعضی از تصمیم‌ها را به یک AI Agent بسپاریم چه اتفاقی می‌افتد؟

اینجاست که مفهوم Agentic Workflow مطرح می‌شود.

Agentic Workflow چیست؟

Agentic Workflow را می‌توان ترکیبی از یک Workflow ساختاریافته و قابلیت تصمیم‌گیری یک AI Agent دانست. در یک Workflow معمولی، مسیر اجرای کار از ابتدا تا حد زیادی مشخص است و سیستم طبق همان مراحل پیش می‌رود. اما در Agentic Workflow، در بعضی از مراحل به Agent اجازه داده می‌شود براساس هدف، اطلاعات موجود و شرایط همان لحظه تصمیم بگیرد که چه اقدامی انجام شود.

برای مثال فرض کنید در یک سیستم پشتیبانی مشتری، Workflow به این شکل طراحی شده باشد:

فرم مشتری ← AI Agent ← تأیید انسانی ← CRM

ساختار کلی همچنان یک Workflow است، اما در مرحله‌ای که AI Agent قرار دارد، مسیر کاملاً از قبل مشخص نشده است. Agent می‌تواند درخواست مشتری را بررسی کند و براساس محتوای آن تصمیم بگیرد برای رسیدن به نتیجه مناسب چه اطلاعاتی نیاز دارد.

ممکن است ابتدا اطلاعات مشتری را از CRM بخواند، سپس ایمیل‌های قبلی را بررسی کند و در صورت نیاز از یک API اطلاعات بیشتری دریافت کند. بعد از بررسی نتایج، می‌تواند تصمیم بگیرد که قدم بعدی چه باشد.

بنابراین در اینجا Workflow چارچوب کلی را مشخص می‌کند، اما Agent در داخل این چارچوب مقداری اختیار برای تصمیم‌گیری دارد.

تفاوت Agentic Workflow با Workflow معمولی چیست؟

تفاوت اصلی در نحوه تصمیم‌گیری درباره مراحل اجرا است.

در یک Workflow معمولی، اگر مسیر به شکل زیر تعریف شده باشد:

دریافت فرم ← بررسی اطلاعات ← ثبت در CRM ← ارسال ایمیل

سیستم همین مسیر را اجرا می‌کند. اگر بخواهیم مسیر تغییر کند، معمولاً باید قوانین یا شاخه‌های جدیدی برای Workflow تعریف کنیم.

اما در یک Agentic Workflow ممکن است به Agent گفته شود:

«درخواست مشتری را بررسی کن و اطلاعات موردنیاز برای پاسخ مناسب را پیدا کن.»

در این حالت لازم نیست تمام مراحل بررسی از ابتدا مشخص شده باشند. Agent می‌تواند با توجه به درخواست تصمیم بگیرد که کدام ابزار را فراخوانی کند و چه اقدامی در مرحله بعد انجام دهد.

به همین دلیل می‌توان تفاوت را این‌طور خلاصه کرد:

Workflow معمولی = مسیر از قبل تعریف‌شده

Agentic Workflow = مسیر تعریف‌شده + تصمیم‌گیری پویا در بعضی مراحل

یک مثال ساده با n8n

فرض کنید یک شرکت از n8n برای مدیریت درخواست‌های مشتری استفاده می‌کند. در ساده‌ترین حالت، می‌توان Workflowی ساخت که بعد از دریافت فرم مشتری، اطلاعات را در CRM ذخیره کند و سپس یک ایمیل خودکار ارسال کند.

اما اگر یک AI Agent را وارد این Workflow کنیم، می‌توانیم بخشی از تصمیم‌گیری را به Agent بسپاریم.

برای مثال، بعد از دریافت درخواست، Agent متن پیام را بررسی می‌کند و تشخیص می‌دهد که مشتری درباره قیمت، مشکل فنی یا وضعیت سفارش سؤال کرده است. سپس براساس نوع درخواست، خودش تصمیم می‌گیرد که کدام اطلاعات را بررسی کند.

اگر سؤال درباره سفارش باشد، ممکن است اطلاعات CRM را بررسی کند. اگر سؤال درباره یک مشکل فنی باشد، ممکن است مستندات محصول را جست‌وجو کند و اگر اطلاعات کافی در اختیارش نباشد، درخواست را برای بررسی انسانی ارسال کند.

در این مثال، Workflow همچنان چارچوب اصلی فرایند را کنترل می‌کند، اما تصمیم‌گیری در بخشی از مسیر به Agent سپرده شده است.

آیا هر Workflow دارای هوش مصنوعی، Agentic Workflow است؟

خیر.

این نکته اهمیت زیادی دارد، چون استفاده از یک مدل هوش مصنوعی به‌تنهایی باعث نمی‌شود یک Workflow را Agentic بدانیم.

فرض کنید یک Workflow بعد از دریافت فرم، متن آن را به یک مدل زبانی ارسال کند و مدل فقط متن را خلاصه کند. سپس خلاصه در یک فایل ذخیره شود.

در اینجا از AI استفاده شده، اما مدل لزوماً تصمیمی درباره مسیر اجرای کار نمی‌گیرد.

در مقابل، اگر مدل یا Agent بتواند براساس هدف و شرایط تصمیم بگیرد که چه ابزاری را استفاده کند، چه اطلاعاتی را بررسی کند یا قدم بعدی چه باشد، رفتار ایجنتی وارد Workflow شده است.

بنابراین معیار اصلی فقط استفاده از AI نیست؛ بلکه وجود تصمیم‌گیری پویا در فرایند اهمیت دارد.

Agent در Agentic Workflow چه اختیاری دارد؟

میزان اختیار Agent می‌تواند متفاوت باشد و به طراحی سیستم بستگی دارد.

در یک سیستم ساده، Agent ممکن است فقط بین چند ابزار مشخص انتخاب کند. مثلاً تشخیص دهد برای یک درخواست باید CRM را بررسی کند یا فایل‌های داخلی را بخواند.

در یک سیستم پیچیده‌تر، Agent ممکن است بتواند چند مرحله پشت سر هم تصمیم بگیرد و براساس نتیجه هر مرحله، مسیر بعدی را تغییر دهد.

با این حال، این به معنی آزادی کامل Agent نیست. معمولاً محدوده‌ای برای تصمیم‌گیری آن مشخص می‌شود و بعضی اقدامات نیز نیاز به تأیید انسان دارند.

برای مثال می‌توان اجازه داد Agent اطلاعات مشتری را بررسی کند و پاسخ مناسب را آماده کند، اما ارسال نهایی پاسخ یا تغییر اطلاعات مهم در CRM نیازمند تأیید اپراتور باشد.

چرا Agentic Workflow اهمیت دارد؟

یکی از مزیت‌های مهم Agentic Workflow این است که می‌تواند بین قابل‌کنترل بودن Workflow و انعطاف‌پذیری Agent تعادل ایجاد کند.

Workflowهای کاملاً ثابت قابل پیش‌بینی هستند، اما در برابر شرایط جدید انعطاف محدودی دارند. از طرف دیگر، اگر تمام فرایند را به یک Agent واگذار کنیم، کنترل و پیش‌بینی رفتار سیستم می‌تواند دشوارتر شود.

Agentic Workflow می‌تواند بین این دو قرار بگیرد. بخش‌هایی که باید دقیق و قابل‌پیش‌بینی اجرا شوند در قالب Workflow باقی می‌مانند و بخش‌هایی که نیاز به تحلیل و تصمیم‌گیری دارند به Agent سپرده می‌شوند.

برای مثال در یک فرایند فروش، می‌توان دریافت اطلاعات مشتری و ثبت آن در CRM را به Workflow سپرد، اما تحلیل نیاز مشتری و انتخاب بهترین اقدام بعدی را به Agent واگذار کرد.

Agentic Workflow و Human-in-the-Loop

یکی دیگر از ویژگی‌های مهم Agentic Workflow امکان قرار دادن انسان در نقاط حساس فرایند است.

فرض کنید Agent بعد از بررسی اطلاعات به این نتیجه برسد که باید یک اقدام مهم انجام شود. سیستم می‌تواند قبل از اجرای آن اقدام متوقف شود و از کاربر یا اپراتور تأیید بگیرد.

برای مثال:

دریافت درخواست ← تحلیل توسط Agent ← پیشنهاد اقدام ← تأیید انسانی ← اجرای اقدام

در این ساختار، Agent می‌تواند بخش زیادی از تحلیل و تصمیم‌گیری را انجام دهد، اما کنترل نهایی در اقدامات حساس همچنان در اختیار انسان باقی می‌ماند.

این مدل برای فرایندهایی که اشتباه در آن‌ها هزینه‌بر است، اهمیت زیادی دارد.

آیا Agentic Workflow همان Agentic AI است؟

این دو مفهوم به هم نزدیک‌اند، اما دقیقاً یکی نیستند.

Agentic Workflow بیشتر به یک فرایند یا Workflow اشاره دارد که در بخشی از آن قابلیت تصمیم‌گیری ایجنتی وجود دارد.

در مقابل، Agentic AI مفهوم گسترده‌تری است و می‌تواند یک سیستم کامل با چند Agent، ابزار، حافظه، Workflow و سازوکارهای مختلف تصمیم‌گیری و کنترل باشد.

بنابراین می‌توان گفت Agentic Workflow یکی از روش‌هایی است که می‌توان از رفتار ایجنتی در یک سیستم استفاده کرد.

یک مثال واقعی‌تر

فرض کنید یک شرکت روزانه صدها درخواست مشتری دریافت می‌کند. Workflow اصلی می‌تواند مسئول دریافت درخواست، ثبت آن و مدیریت وضعیت تیکت باشد.

در مرحله تحلیل، یک AI Agent وارد می‌شود. Agent متن درخواست را بررسی می‌کند و براساس موضوع تصمیم می‌گیرد چه اطلاعاتی برای پاسخ نیاز دارد. ممکن است اطلاعات سفارش را از CRM بخواند، مستندات محصول را بررسی کند یا سوابق قبلی مشتری را در نظر بگیرد.

بعد از جمع‌آوری اطلاعات، Agent یک پاسخ پیشنهادی تولید می‌کند. اگر درخواست ساده باشد، Workflow می‌تواند پاسخ را ارسال کند؛ اما اگر درخواست حساس یا پیچیده باشد، Workflow می‌تواند نتیجه را برای تأیید اپراتور انسانی ارسال کند.

در اینجا یک Workflow مشخص داریم که درون آن یک بخش تصمیم‌گیرنده و پویا قرار گرفته است. این همان ایده اصلی Agentic Workflow است.

جمع‌بندی

Agentic Workflow روشی برای ترکیب ساختار مشخص Workflow با قابلیت تصمیم‌گیری AI Agent است. در این مدل، چارچوب کلی فرایند از قبل تعریف می‌شود، اما در بعضی مراحل Agent می‌تواند براساس هدف، اطلاعات و شرایط موجود تصمیم بگیرد که چه اقدامی انجام دهد.

به زبان ساده:

Workflow = مسیر مشخص

AI Agent = عامل تصمیم‌گیرنده

Agentic Workflow = Workflow + تصمیم‌گیری پویا در بعضی مراحل

نکته مهم این است که هر Workflow که از هوش مصنوعی استفاده می‌کند، لزوماً Agentic نیست. زمانی می‌توان از رفتار ایجنتی صحبت کرد که AI در بخشی از فرایند واقعاً امکان تصمیم‌گیری درباره اقدام بعدی، انتخاب ابزار یا تغییر مسیر اجرا را داشته باشد.

در طراحی سیستم‌های هوشمند، این ترکیب می‌تواند بسیار کاربردی باشد؛ چون لازم نیست همه چیز را به Agent بسپاریم و در عین حال مجبور نیستیم تمام مسیر را هم از قبل به‌صورت ثابت تعریف کنیم. می‌توانیم کنترل Workflow را حفظ کنیم و فقط در بخش‌هایی که به تصمیم‌گیری نیاز دارند، اختیار را به Agent بدهیم.