در Agentic web محصولات دیجیتال کجا خواهند بود؟

مقدمه – وب عاملیت‌محور و تحول تجربه کاربری

با ظهور هوش مصنوعی پیشرفته و عامل‌های خودکار (Agents)، الگوی استفاده از وب به‌سمت «وب ایجنتیک» در حال تغییر است. در این پارادایم جدید، کاربر به‌جای تعامل مستقیم با رابط‌های گرافیکی متعدد، عمدتاً از طریق گفت‌وگو با یک عامل هوشمند اهداف خود را بیان می‌کند. عامل نیز وظایف را به صورت خودمختار برنامه‌ریزی و اجرا می‌کند[1]. به عبارت دیگر، کاربران دیگر لازم نیست برای هر کار به وب‌سایت یا اپ جداگانه مراجعه کنند؛ آنها هدف را در یک واسط گفت‌وگوی هوشمند(متنی، صوتی یا حتی تصویری) مطرح می‌کنند و AI مابقی کار را انجام می‌دهد[1][2]. این تغییر تجربه کاربری بدان معناست که تفاوت سرویس‌های مختلف در آینده، بیشتر در سبک و نحوه‌ی انجام گفت‌وگو و قابلیت ادغام آنها با اهداف کاربر خواهد بود تا در رابط‌های کاربری سنتی. برای مثال، ممکن است یک عامل هوشمند تخصص‌یافته در برنامه‌نویسی را برای رفع نیازهای کدنویسی انتخاب کنید، در حالی‌که برای خرید آنلاین یا سرگرمی از عوامل دیگری بهره ببرید. هر کدام از این عوامل (LLM‌ها یا AGIهای مختلف) لحن پاسخ‌گویی و شیوه‌ی عملکرد خاص خود را دارند که متناسب با نوع نیاز کاربر بهینه شده است. تحقیقات اخیر نیز تصویری شبیه به این آینده ترسیم می‌کنند: کاربران یک هدف کلی را به زبان طبیعی بیان می‌کنند و AI مابقی مسیر را با برنامه‌ریزی خودکار، جستجو، فراخوانی سرویس‌ها و هماهنگی با سایر عوامل انجام می‌دهد تا آن هدف محقق شود[1]. همچنین صفحات وب و سرویس‌ها دیگر واسط تعاملی برای انسان نیستند، بلکه به رابط همکاری میان ایجنت‌های هوشمند تبدیل می‌شوند[3]. نتیجه اینکه در این آینده‌ی عاملیت‌محور، بخش عمده‌ای از تقاضای کاربران پشت این صفحات گفت‌وگوی هوشمند متمرکز می‌شود و خود گفت‌وگو با عامل تبدیل به مهم‌ترین تجربه کاربری خواهد شد.

پلتفرم‌ها: از اگریگیتور تقاضا به اگریگیتور عرضه

در مدل کسب‌وکار اینترنتی طی دو دهه گذشته، شرکت‌هایی موفق بودند که نقطه‌ی تجمع تقاضای کاربران بودند؛ به بیان Ben Thompson (مبدع نظریه Aggregation)، شرکت‌هایی که مالک دسترسی به کاربر (تقاضا) شدند – مانند گوگل، آمازون، فیسبوک – به قدرت مسلط بازار دست یافتند[4]. این «اگریگیتورهای تقاضا» با جذب انبوه کاربران، درگاهی برای دسترسی آنها به عرضه‌کنندگان محتوا و کالا فراهم کردند و از این محل ارزش و درآمد کسب نمودند. برای مثال، گوگل با متمرکز کردن تقاضای جستجوی اطلاعات، ترافیک را بین ناشران توزیع می‌کند؛ یا آمازون تقاضای خریداران را گرد آورده و آنها را به فروشندگان کالا متصل می‌سازد.

اما در وب ایجنتیک آینده، این نقش سنتی به چالش کشیده می‌شود. تقاضا دیگر مستقیماً به پلتفرم‌های امروزی سرازیر نمی‌شود، بلکه پشت واسط‌های گفت‌وگوی هوشمند تجمیع می‌گردد. به عبارتی، ممکن است کاربر مستقیماً به گوگل یا وب‌سایت خاصی مراجعه نکند، بلکه از دستیار هوشمندش بخواهد اطلاعات یا کالا را برای او بیابد و تهیه کند. در این حالت، شاید خود دستیار AI تبدیل به اگریگیتور تقاضا شود و کاربران را به سمت عرضه‌کنندگان مختلف هدایت کند[5]. حتی برخی این چشم‌انداز را مطرح کرده‌اند که مثلاً ChatGPT می‌تواند یک «سوپر-اگریگیتور» شود که مشتریان را در مقیاس عظیم به فروشگاه‌ها و سرویس‌های گوناگون متصل کند[5]. آمارها حاکی از آغاز چنین تغییری است؛ برای نمونه، شرکت Vercel گزارش داده حدود ۱۰٪ ثبت‌نام کاربران جدیدش مستقیماً از پاسخ‌های ChatGPT می‌آیند نه از جستجوی گوگل[6]. این یعنی بخشی از جریان تقاضا به جای عبور از مسیرهای سنتی (مثلاً نتایج موتور جستجو)، مستقیماً در لایه‌ی گفت‌وگوی AI هدایت می‌شود. در چنین سناریویی، انتقال کاربران دیگر از طریق صفحه نتایج گوگل نیست، بلکه با فراخوانی مستقیم عامل‌ها (مثلاً یک API) صورت می‌گیرد و برنده‌ی این رقابت کسی است که مدل زبانی به او برای اجرای هدف کاربر بیشترین اعتماد را دارد[7].

بنابراین پلتفرم‌های بزرگ در آینده ناچارند نقش خود را از تجمیع‌کننده‌ی تقاضا به تجمیع‌کننده‌ی عرضه تغییر دهند. هنگامی که کاربر مستقیماً از عامل هوشمند نتیجه می‌خواهد، دیگر صرف داشتن کاربر انبوه در یک وب‌سایت یا اپ ارزش سابق را نخواهد داشت. در عوض، پلتفرم‌ها باید اطمینان حاصل کنند که بهترین و کامل‌ترین منبع عرضه‌ی کالا یا اطلاعات برای تغذیه‌ی عامل‌های هوشمند هستند. به بیان دیگر، آن‌ها باید در طرف عرضه قدرتمند باشند تا AI آنها را برای انجام درخواست کاربران برگزیند. دو مزیت کلیدی که چنین پلتفرم‌هایی را متمایز می‌سازد عبارت‌اند از: (1) کامل‌بودن و جامعیت «دیتا پروداکت‌» یا پایگاه محتوای آن پلتفرم در یک موضوع تخصصی، و (2) خدمات عملیاتی قدرتمند مانند لجستیک، عملیات اجرایی و پشتیبانی فیزیکی. مورد دوم به‌ویژه برای پلتفرم‌های تجارت الکترونیک یا خدمات فیزیکی حیاتی است؛ مثلاً اگر دستیار هوشمند بخواهد کالایی را سفارش دهد، پلتفرمی را انتخاب می‌کند که سریع‌ترین و مطمئن‌ترین ارسال (لجستیک) و خدمات پس از فروش را ارائه دهد. پس پلتفرم‌ها برای بقا باید مزایای سمت عرضه را تقویت کنند – از داشتن دیتابیس جامع و به‌روز گرفته تا شبکه‌ی توزیع و عملیات گسترده – به‌طوری‌که حضورشان برای تکمیل وظایف عامل ضروری باشد[8]. حتی توصیه می‌شود اگریگیتورهای فعلی با ایجاد مزیت‌های انحصاری در عرضه موقعیت خود را حفظ کنند: به عنوان مثال، ارائه‌ی موجودی کالا یا قیمت‌هایی که فقط در پلتفرم آن‌ها در دسترس است، تا عامل AI ناچار شود برای تکمیل مأموریت کاربر به آن‌ها مراجعه کند[8].

از این منظر، پلتفرم‌های بزرگ اینترنتی نظیر غول‌های فناوری، در آینده بیشتر شبیه زیرساخت‌های عرضه خواهند بود. آنها بستری فراهم می‌کنند که تولیدکنندگان محتوا یا کالا، داده‌ها و محصولات خود را روی آن بارگذاری کنند؛ سپس این پلتفرم، محتوا/محصول را پردازش و به فرمت قابل فهم برای ایجنت‌های هوشمند تبدیل می‌کند و در قالب انواع دیتا پروداکت‌ (APIها، دیتاست‌ها، و حتی پارامترهای قابل استفاده توسط مدل‌های زبانی) ارائه می‌دهد. در واقع پلتفرم نقش واسط تولیدکنندگان عرضه و عامل‌های هوشمند را بازی خواهد کرد. به جای رقابت برای جلب مستقیم کاربر انسانی، رقابت بر سر این خواهد بود که کدام پلتفرم می‌تواند داده‌ها و خدمات را بهتر به خوراک AI تبدیل کند و در اختیار عامل‌ها بگذارد.

دسته‌بندی نقش‌ها و محصولات در عصر ایجنتیک

با چنین بازآرایی در اکوسیستم وب، می‌توان پنج دسته بازیگران/محصول اصلی را در آینده متصور شد:

مدل‌های زبانی بزرگ به‌عنوان رابط کاربر (LLM-as-UI): این مدل‌های زبانی یا AGIها عملاً حکم واسط گفت‌وگو با کاربررا پیدا می‌کنند. به بیان ساده، آن‌ها جایگزین بسیاری از رابط‌های کاربری سنتی (اپلیکیشن‌ها و وبسایت‌ها) می‌شوند و کاربر از طریق تعامل زبانی (متن، صدا، تصویر) با آن‌ها خواسته‌های خود را مطرح می‌کند. این LLMها پاسخ کاربر را تولید می‌کنند یا اقدامات لازم را شروع می‌نمایند. هر LLM یا دستیار می‌تواند در چند حوزه‌ی کلی فعالیت کند یا حتی برندها/سازمان‌های مختلف هر کدام LLM اختصاصی خود را به‌عنوان درگاه تعامل با مشتریان توسعه دهند. نکته مهم این است که وب‌سایت‌ها و نرم‌افزارها دیگر مستقیماً توسط انسان پیمایش نمی‌شوند، بلکه عامل‌های هوشمند به نمایندگی از انسان‌ها در وب فعالیت می‌کنند[3]. در این میان، تجربه‌ی کاربری (UX) عمدتاً به کیفیت همین گفت‌وگوها و هوشمندی رابط زبانی بستگی خواهد داشت. هر چه یک دستیار هوشمند در فهم درخواست‌ها، حفظ لحن دلخواه کاربر و انجام صحیح کارها بهتر عمل کند، مقبولیت بیشتری خواهد داشت. به قول Sam Altman مدیرعامل OpenAI، دوران سیستم‌هایی که فقط به سؤالات پاسخ می‌دهند رو به پایان است؛ آینده از آنِ سیستم‌هایی است که می‌توانید از آن‌ها بخواهید «هر کاری» برایتان انجام دهند[9]. این بیان دقیقاً بر نقش جدید LLMها به عنوان رابط کاربری همه‌کاره تأکید می‌کند. در عمل ممکن است ما روز خود را با یک دستیار AI آغاز کنیم و بسیاری از کارهایمان را از طریق همان انجام دهیم؛ چنان‌که پیش‌بینی می‌شود ChatGPT (یا نمونه‌های مشابه) به نقطه ورود پیش‌فرض کاربران به وب و اپلیکیشن‌ها تبدیل شود[10].
ایجنت‌های انجام‌دهنده‌ی وظایف (با منطق عملیاتی): این دسته شامل عامل‌های خودکاری است که در پشت صحنه با LLMها یکپارچه می‌شوند و وظایف را به انجام می‌رسانند. اگر LLM را مغز متفکر و رابط گفت‌وگو در نظر بگیریم، این ایجنت‌ها نقش دست‌های اجراکننده را دارند. آن‌ها می‌توانند به APIها متصل شوند، چند مرحله عملیات انجام دهند، و حتی با یکدیگر همکاری کنند تا مأموریت کامل شود. اصطلاحاً می‌توان گفت این عوامل به‌جای منطق کسب‌وکار سنتی، دارای منطق عملیاتی هستند – یعنی می‌دانند چگونه کار را انجام دهند نه صرفاً نمایش یک رابط به کاربر. برای مثال، یک ایجنت می‌تواند وظیفه‌ی «رزرو سفر» را بر عهده بگیرد: از بررسی شرایط آب‌وهوا و یافتن پروازهای مناسب گرفته تا رزرو هتل و زمان‌بندی برنامه سفر را خودکار انجام دهد[2]. کاربر تنها هدف کلی (مثل مقصد و بودجه) را به زبان طبیعی بیان می‌کند و بقیه مراحل توسط مجموعه‌ای از عوامل هوشمند انجام می‌شود[2]. این روند دیگر یک پرسش و پاسخ ساده یک‌مرحله‌ای نیست، بلکه زنجیره‌ای از اقدامات پی‌در‌پی و هماهنگی میان چندین سرویس و عامل را در بر می‌گیرد که AI را به لایه‌ی اجرایی وب وارد می‌کند[2]. در واقع، عامل‌ها همزمان در دو نقش عمل می‌کنند: هم نماینده‌ی کاربر برای استفاده از خدمات (Agent-as-User) و هم واسط خدمات به کاربر (Agent-as-Interface)[11]. چنین عاملی می‌تواند فرم‌ها را پر کند، داده‌ها را استخراج کند، معامله انجام دهد و نیز خروجی نهایی را به کاربر برگرداند. بسیاری از فرآیندهایی که امروز مستلزم تعامل چندمرحله‌ای کاربر با وب‌سایت‌های مختلف است، توسط این عوامل در پشت صحنه و با سرعت و دقت بیشتر انجام خواهد شد. برای نمونه، در OpenAI DevDay 2025 ابزار جدیدی معرفی شد که توسعه ایجنت‌های خودکار را آسان‌تر می‌کند؛ یکی از دموها نشان داد که چگونه یک ایجنت مالی می‌تواند تنها با یک فرمان متنی («۵ کاربر تجاری ChatGPT دیگر نیاز داریم») خودش سیاست‌های هزینه شرکت را بررسی کند، تأمین‌کننده را بیابد و خرید را تکمیل نماید[12][13]. این نشان می‌دهد که کسب‌وکارها نیز برای بهره‌گیری از AI به‌سمت ساخت ایجنت‌های اختصاصی می‌روند تا کارهای پیچیده عملیاتی را بجای انسان‌ها انجام دهند.
گردآورندگان داده و تولیدکنندگان دیتا پروداکت (اگریگیتورهای عرضه‌ی محتوا/محصول): این‌ها پلتفرم‌ها و مجموعه‌هایی هستند که نقش واسط میان تأمین‌کنندگان محتوا/محصول و جهان عامل‌های هوشمند را ایفا می‌کنند. همان‌طور که گفته شد، در آینده ارزش یک پلتفرم به جامعیت و ساخت‌یافتگی داده‌هایش بستگی دارد. این دسته شامل ناشران تخصصی، دیتابیس‌ها، مارکت‌پلیس‌ها و به‌طور کلی هر منبعی است که محتوای عمیق و کامل در یک حوزه ارائه می‌کند. تفاوت مهم این‌جاست که این محتوا نه صرفاً برای مطالعه انسان، بلکه برای استفاده مستقیم عامل‌های AI آماده می‌شود. برای مثال، سایتی مثل IMDb را در نظر بگیرید: اگر بتواند داده‌های دقیق، ساختاریافته و کامل درباره فیلم‌ها و نظرات کاربران را در اختیار مدل‌های زبانی قرار دهد، تبدیل به مرجع اصلی عامل‌ها برای پرسش‌های سینمایی خواهد شد. یا یک پلتفرم فروشگاهی که تمام مشخصات و موجودی محصولات را به‌شکل API قابل خواندن توسط AI فراهم کند، احتمالا منبع ترجیحی دستیارهای خرید خواهد بود. در این حوزه حتی صحبت از شکل‌گیری نوع جدیدی از بهینه‌سازی برای موتورهای AI است: Agent Optimization یا SEO برای ایجنت‌ها[14][15]. همان‌طور که سایت‌ها سال‌ها با SEO کلاسیک می‌کوشیدند در نتایج جستجوی کاربر دیده شوند، حال باید داده‌ها و محتوای خود را به‌گونه‌ای بهینه کنند که برای خوانش و تفسیر عامل‌های هوشمند مناسب باشد[15]. این یعنی استفاده از متادیتا، نشانه‌گذاری‌های استاندارد (اسکیما)، APIهای باز و به‌روزرسانی مداوم محتوا تا AI بتواند به راحتی و اطمینان اطلاعات را از منبع آنها استخراج کند[15]. در این اکوسیستم، جامعیت و عمق محتوا حرف اول را می‌زند: عامل هوشمند که هدفش انجام سریع و دقیق وظیفه است، طبیعتاً سراغ منبعی می‌رود که کامل‌ترین و به‌روزترین اطلاعات را در حوزه‌ی موردنظر ارائه می‌دهد[7]. هرچه یک پلتفرم محتوا/دیتا در زمینه‌ای تخصصی‌تر و عمیق‌تر باشد، شانس بیشتری دارد که مرجع منتخب AI برای پاسخ‌گویی یا اقدام شود. به بیان زیبای Esteve Castells، در دنیای پس از LLMها هر کسب‌وکار باید از خود بپرسد: «آیا ما صرفاً یک ورودی قابل جایگزینی برای مدل‌های زبانی هستیم، یا آن خروجی نهایی که AI ناچار است به ما مراجعه کند؟»[16]. بسیاری از واسطه‌های اطلاعاتی عمومی، توسط پاسخ مستقیم مدل‌های زبانی حذف خواهند شد و تنها منابعی باقی می‌مانند که یا داده‌ی منحصر‌به‌فرد و پویا دارند (مثلاً قیمت‌های لحظه‌ای، موجودی زنده‌ی انبار، داده‌های جدید که AI نمی‌تواند حدس بزند) یا خدماتی فراتر از اطلاعات صرف ارائه می‌کنند[17]. دیگر انتشار ده‌ها مقالهٔ لیست‌وار «۱۰ گوشی برتر» ارزشی تولید نمی‌کند، زیرا مدل‌های زبانی می‌توانند به‌صورت آنی چنین پاسخ‌هایی را تولید کنند و ارزش محتوا را به صفر میل دهند[18]. در عوض، ناشران محتوا باید به سمت تولید داده‌های اختصاصی و عمقیبروند و حتی خروجی کار خود را از طریق API یا فرمت‌های قابل استفاده توسط AI عرضه کنند[19]. به طور خلاصه، این دسته‌ی سوم همانجایی است که مدل کسب‌وکار تبلیغات و دیده‌شدن در عصر ایجنت‌ها معنا می‌یابد. پلتفرم‌هایی که محتوای کامل و ارزشمند دارند ممکن است همچنان از تبلیغات درآمد کسب کنند، منتها تبلیغاتی که اکنون مخاطبشان AIها هستند! شاید در نگاه اول عجیب باشد، ولی می‌توان تصور کرد «SEO برای ایجنت» یعنی تلاش برای اینکه عامل‌های هوشمند، داده‌های یک پلتفرم را بیشتر بخوانند و توصیه کنند – چه بسا از طریق پرداخت برای دسترسی ممتاز مدل‌های زبانی به محتوای سایت یا ارائه فیدهای ساخت‌یافته‌ی اختصاصی به آن‌ها. برای نمونه، ممکن است یک سایت گردشگری برای اینکه دستیار‌های سفر AI آن را به کاربران پیشنهاد دهند، محتوای خود را با علامت‌گذاری‌های ویژه و آپدیت لحظه‌ای قیمت‌ها در دسترس آن‌ها بگذارد. به هر حال، هنر این دسته از بازیگران آن است که محتوایشان را به شکلی که AI «دوست دارد» و می‌تواند بفهمد ارائه کنند – چه از طریق APIهای باز، چه فرمت‌های قابل خواندن توسط ماشین و چه همکاری مستقیم با شرکت‌های توسعه‌دهنده‌ی مدل‌های زبانی.
خدمات عملیاتی و لجستیکی (عملیاتی‌سازی دنیای واقعی): چهارمین دسته شامل شرکت‌ها و سرویس‌هایی است که کار اجرای فیزیکی یا تخصصی را بر عهده دارند. هرچقدر هم که AI توانمند شود، بسیاری از نیازهای انسان در دنیای واقعی رخ می‌دهد – از تحویل یک بسته گرفته تا تعمیر لوله‌کشی یا ارائه خدمات درمانی. در وب ایجنتیک، این خدمات پشت صحنه توسط ایجنت‌ها هماهنگ می‌شوند اما بازیگران ارائه‌دهنده‌ی خدمت همچنان انسان‌ها یا ماشین‌های دنیای واقعی‌اند. برای مثال، اگر کاربر از دستیار خود بخواهد خانه‌ای برای تعطیلات آخر هفته رزرو کند، عامل ممکن است از طریق یک API به سامانه‌ای مانند Airbnb متصل شود و رزرو را انجام دهد، اما میزبان و پلتفرم رزرو (Airbnb) ارائه‌دهنده‌ی واقعی خدمت هستند. یا در خرید آنلاین، دستیار ممکن است سفارش را ثبت کند ولی این شبکه لجستیک شرکت است که کالا را انبار کرده و ارسال می‌کند. بنابراین این دسته شامل کلیه کسب‌وکارهای فیزیکی و خدمات تخصصی است – از فروشگاه‌ها و رستوران‌ها گرفته تا شرکت‌های حمل‌ونقل، درمان، گردشگری و... . اهمیت این بخش در آینده کم نمی‌شود، بلکه نحوه اتصال تقاضا به آن دگرگون می‌گردد. یک رستوران محلی را در نظر بگیرید؛ شاید دیگر کاربر مستقیماً در گوگل به‌دنبال آن نگردد، بلکه به AI بگوید «بهترین رستوران نزدیك من را رزرو کن». در این حالت، AI ممکن است تقاضای کاربر را به سمت رستورانی که بالاترین امتیاز را دارد هدایت کند (براساس داده‌های موجود)[20]. اما در نهایت خود رستوران باید غذا را فراهم کند و تجربه‌ی مطلوب ارائه دهد – چیزی که یک مدل زبانی نمی‌تواند جایگزینش شود[20]. بنابراین، خدمات دنیای واقعی در برابر جایگزینی توسط AI «مصون» هستند هرچند شکل رقابت و تقاضا برایشان تغییر می‌کند. فشار اصلی بر این کسب‌وکارها ممکن است در قالب فشرده‌تر شدن رقابت و شفاف‌تر شدن بازار باشد: وقتی AI همیشه بهترین گزینه را پیشنهاد می‌کند، کسب‌وکارها باید کیفیت و رضایت مشتری را واقعاً بالا ببرند تا در آن انتخاب اول باشند. برای خود پلتفرم‌های عملیاتی بزرگ (مثلاً اوبر، آمازون لجستیک، شرکت‌های فینتک)، همان‌طور که گفتیم تمرکز بر ارائه زیرساخت کارآمد، سریع و مطمئن خواهد بود تا عامل‌ها ترجیح دهند از سرویس آن‌ها برای تکمیل وظیفه استفاده کنند. در مجموع، دسته چهارم تکمیل‌کننده پازل است که امکان اجرای عملی نتایج در دنیای واقعی را فراهم می‌کند – حلقه‌ای که فعلاً از دسترس AI خارج است. (تاکید میکنم، فعلا!)
فراهم‌کنندگان قابلیت‌های پایه (ابزارهای API-محور): سرانجام به لایه‌ی زیرین می‌رسیم که شامل شرکت‌ها و سرویس‌هایی است که ابزارها و قابلیت‌های پایه‌ای را از طریق API در اختیار دیگران (از جمله ایجنت‌ها) قرار می‌دهند. این‌ها ممکن است سرویس‌های فناوری و داده باشند که خود مستقیماً با کاربر نهایی در تماس نیستند، اما جزء ضروری اکوسیستم‌اند. مدل کسب‌وکار بسیاری از آن‌ها کارمزد تراکنش یا مصرف (Transaction Fee) است. برای نمونه، شرکتی مثل Stripe را در نظر بگیرید که API پرداخت آنلاین ارائه می‌دهد – در وب آینده، عامل‌های هوشمند نیز برای انجام تراکنش‌های مالی از چنین APIهایی بهره خواهند گرفت و Stripe صرفاً به‌ازای هر تراکنش کارمزد دریافت می‌کند. یا سرویس‌هایی مانند Twilio (ارسال پیام/تماس)، Google Maps API (دسترسی به نقشه و مسیر)، پردازش‌های ابری (مثل AWS Lambda) و انواع ابزارهای توسعه‌ای که به صورت ماژولار در اختیار AIها قرار می‌گیرند. این دسته در واقع نقش جعبه‌ابزار وب آینده را بازی می‌کند که هر عامل هوشمند برای تکمیل مأموریت‌های پیچیده می‌تواند از آنها استفاده کند. بسیاری از شرکت‌های SaaS و فینتک‌های فعلی در این طبقه خواهند بود: آن‌هایی که تصمیم می‌گیرند به جای محصول نهایی، یک قابلیت کلیدی را به‌صورت API عرضه کنند و از این طریق در صدها سرویس و ایجنت مختلف به کار گرفته شوند. برای مثال، پیش‌بینی می‌شود فینتک‌ها در آینده به دو دسته تقسیم شوند: فینتک‌هایی که بر طراحی عامل‌های مالی هوشمند برای کاربران تمرکز می‌کنند (دسته دوم بالا، مثلاً دستیار سرمایه‌گذاری AI)، و فینتک‌هایی که قابلیت‌های پایه مالی را از طریق API به این عامل‌ها ارائه می‌دهند (دسته پنجم، مثلاً سامانه احراز هویت بانکی یا اتصال به بازار بورس)[21]. در واقع گزارش اخیر مسترکارت حاکی از آن است که «تجارت ایجنتی» میدان رقابتی جدید در صنعت مالی خواهد بود[21] – عبارتی که نشان می‌دهد شرکت‌های مالی هم یا باید عامل هوشمند داشته باشند یا به‌عنوان ابزار زیرساختی برای عامل‌ها عمل کنند.

پیامدها و نمونه‌ها: SEO ایجنتی، تبلیغات و تغییرات صنعت

چشم‌انداز ترسیم‌شده در بالا، پیامدهای عمیقی برای مدل‌های کسب‌وکار و استراتژی‌های دیجیتال دارد. یکی از مهم‌ترین آن‌ها، بازتعریف SEO و تبلیغات است. همان‌طور که اشاره شد، در دنیای وفور پاسخ‌های تولیدشده توسط مدل‌های زبانی، دیگر صرف تولید محتوای زیاد برای جلب کاربر کافی نیست[18]. باید اطمینان حاصل کرد که محتوا/داده‌ی ما به گونه‌ای ساخت‌یافته و قابل اعتماد باشد که توسط عامل‌های هوشمند انتخاب شود. اینجاست که مفاهیمی مثل Agentic SEO یا LLM Visibility مطرح می‌شوند – یعنی افزایش قابلیت دیده‌شدن منبع در خروجی AI. وب‌سایت‌ها ممکن است به ارائه APIهای رسمی به مدل‌های زبانی روی آورند تا هم پاسخ‌ها از منبع آن‌ها اقتباس شود و هم بتوانند در این میان کسب درآمد کنند[22]. برای مثال، یک سایت پرسش‌وپاسخ تخصصی می‌تواند به‌جای اتکا به بازدید مستقیم، داده‌های به‌روز و تاییدشدهٔ خود را در اختیار AIها قرار دهد و بابت هر استعلام یا نقل‌قول، مدل کسب‌وکار جدیدی تعریف کند (شبیه حق اشتراک یا تبلیغ غیرمستقیم در پاسخ AI). حتی ممکن است به مدل‌های زبانی اجازه داده نشود که بدون ذکر منبع، مستقیماً از محتوای یک ناشر استفاده کنند – موضوعی که در بحث حقوقی محتوا و AI داغ است. در هر صورت، جامعیت محتوا و «مرجعیت داده» فاکتور تعیین‌کننده در دیده‌شدن خواهد بود. این روند در حال حاضر نیز شروع شده است؛ چنان‌که برخی مدل‌های بزرگ به منابع زنده‌ی داده متصل شده‌اند (مثلاً بینگ چت به وب، یا اتصال ChatGPT به پلاگین‌ها) و مشاهده می‌شود که تازگی و ساخت‌یافتگی داده بیش از سابق اهمیت یافته است[23]. به عنوان نمونه، اگر داده‌ای مرتب تغییر می‌کند (نرخ ارز، موجودی بلیط هواپیما، نتایج زنده)، عامل هوشمند هر بار برای پاسخ باید به منبع اصلی رجوع کند[24]؛ اما اگر اطلاعات ایستا و قدیمی باشد، یک بار بلعیده شدن توسط مدل کافی است و دیگر سراغ سایت مربوطه نخواهد رفت[24]. این نشان می‌دهد چرا «به‌روز بودن» و ارائه سیگنال‌های جدید و زنده** می‌تواند برگ برنده‌ی ناشران در عصر جدید باشد[25].

در زمینه مدل‌های کسب‌وکار نیز تغییراتی رخ خواهد داد. پلتفرم‌های دسته سوم (اگریگیتورهای عرضه محتوا/محصول) احتمالاً مدل تبلیغات خود را بازطراحی می‌کنند تا از طریق همکاری با AI درآمد کسب کنند. ممکن است شاهد مدل‌هایی باشیم که AI به نمایندگی از کاربر برای دریافت خدمات ویژه به پلتفرم‌ها پرداخت انجام دهد – مثلاً یک عامل هوشمند برای دسترسی به یک پایگاه دانشِ ممتاز، توکن یا کارمزدی از اعتبار کاربر پرداخت کند (شبیه اشتراک داده). تبلیغات سنتی بنری یا کلیکی جای خود را به تبلیغات مبتنی بر محتوا در پاسخ AI می‌دهد: اگر مثلاً دستیار خرید شما سه محصول پیشنهاد می‌کند، شاید یکی از آنها حضور پررنگ‌تری با حمایت مالی تأمین‌کنندهداشته باشد (البته با حفظ شفافیت). اینها سناریوهایی است که باید دید چگونه تکوین می‌یابند، ولی جهت‌گیری کلی آن است که در غیاب تعامل مستقیم کاربر با صفحات وب، شیوه‌های کسب درآمد نیز غیرمستقیم و API-محور می‌شوند.

برای درک بهتر این تحولات، صنعت فینتک را دوباره بررسی کنیم. چنان‌که گفتیم، احتمالاً دو رویکرد کاملاً متفاوت شکل می‌گیرد: برخی شرکت‌های مالی عامل‌های هوشمند توسعه می‌دهند که مستقیماً به مشتری خدمت بدهد – مثلاً یک دستیار AI که بهترین چینش پرتفوی را پیشنهاد دهد یا به‌صورت خودکار قبوض را مدیریت کند. این‌ها مصداق دسته دوم هستند که منطق عملیاتی را در راستای اهداف مالی به‌کار می‌گیرند. در مقابل، سایرین تمرکز خود را بر APIهای مالی پایه می‌گذارند – مانند خدمات پرداخت، هویت‌سنجی، اتصال به بازارهای سرمایه – که توسط آن عامل‌های هوشمند و حتی دیگر پلتفرم‌ها مصرف خواهد شد (دسته پنجم)[21]. البته ممکن است شرکت‌های بزرگی ترکیبی از هر دو را عرضه کنند (مثلاً یک بانک هم API بانکی بدهد، هم یک دستیار مالی AI برای مشتریان خود فراهم کند). اما تصویر کلان این است که در هر صنعتی، شرکت‌ها باید تعیین کنند می‌خواهند مستقیماً در تعامل AI-محور با کاربر باشند یا جزئی از زیرساخت پشتیبان آن. این مرزبندی جدید یکی از تبعات مهم وب ایجنتیک است که به نوعی بازتعریف زنجیره ارزش در صنایع مختلف منجر می‌شود.

نتیجه‌گیری – یک گفت‌وگو به‌جای ده‌ها اپلیکیشن:

مجموع آنچه گفته شد، نویدگر دگرگونی عمیقی در نحوه استفاده ما از اینترنت و خدمات دیجیتال است. در آینده‌ی ایجنتیک، احتمالاً کاربران بیشتر کارهای خود را در قالب یک گفت‌وگوی مستمر با یک یا چند دستیار هوشمند انجام می‌دهند. از چک‌کردن ایمیل و اخبار صبحگاهی گرفته تا خرید، رزرو بلیط، یادگیری آنلاین و کارهای شغلی – همه می‌تواند از طریق یک رابط گفتگوی هوشمند واحد صورت گیرد که بسته به موضوع، از توانایی‌ها و منابع مختلف در پشت صحنه بهره می‌گیرد. این امر نقش بسیاری از اپلیکیشن‌های تک‌منظوره و وب‌سایت‌های اختصاصی را کمرنگ خواهد کرد؛ چرا که وقتی دستیار شما بتواند مستقیماً کار را انجام دهد، نیازی نیست برای هر خدمت، اپ جداگانه‌ای نصب کنید یا با هر وب‌سایت به شکل مجزا تعامل کنید. البته به طور واقع‌بینانه شاید برخی اپلیکیشن‌ها و سایت‌های خاص همچنان باقی بمانند – آن‌هایی که یا تجربه‌ای منحصربه‌فرد و تعاملیارائه می‌دهند (مثلاً بازی‌های پیچیده، شبکه‌های اجتماعی خاص یا ابزارهای حرفه‌ای طراحی) یا به دلایل فنی/امنیتی مایل نیستند کاملاً از طریق واسط‌های عمومی AI در دسترس باشند. اما انتظار می‌رود که حتی همین موارد خاص نیز قابلیت گفتگوی هوشمند را در خود بگنجانند. چنان‌که مسئولان OpenAI نیز اشاره کرده‌اند، هدف نهایی تنها چت‌بات نیست بلکه یک پلتفرم جامع است که گفتگو را با اپلیکیشن‌های تعاملی و حتی سخت‌افزار پیرامونی ترکیب می‌کند[26][27].

در مجموع، وب ایجنتیک چشم‌اندازی است که در آن AI همه‌جا حاضر است؛ ما مستقیماً با هوش مصنوعی گفتگو می‌کنیم و خواسته‌هایمان را بیان می‌کنیم، و AI نیز با بهره‌گیری از انبوهی از سرویس‌ها، داده‌ها و قابلیت‌ها – که توسط بازیگران مختلف در دسته‌های پنج‌گانه فوق فراهم شده‌اند – سریعاً ما را به هدفمان می‌رساند. در این میان، بازیگران سنتی وب یا باید جایگاه خود را در این معماری جدید پیدا کنند یا با خطر حاشیه‌نشینی مواجه شوند. عصر جدیدی آغاز شده است؛ عصری که در آن گفت‌وگو با ایجنت‌ها جایگزین گشت‌وگذار مستقیم در وب می‌شود و نحوه تعریف «کاربر»، «وب‌سایت» و «ترافیک» را برای همیشه تغییر می‌دهد[28].

منابع:

1. Yingxuan Yang, et al. "Agentic Web: Weaving the Next Web with AI Agents," arXiv preprint 2023 – شرح پارادایم وب عاملیت‌محور که در آن کاربران هدف را تعریف می‌کنند و عامل‌های هوشمند اجرای وظایف را بر عهده می‌گیرند[1][3].

2. Esteve Castells. "AI, Aggregation and the Great Re-Sorting: Why LLMs Are Your New Front-End,"June 2025 – تحلیلی بر تاثیر مدل‌های زبانی بزرگ بر تغییر زنجیره ارزش وب و طبقه‌بندی کسب‌وکارها در مواجهه با LLMها[16][19].

3. Russell Brandom. “OpenAI and the race for AI-driven commerce,” TechCrunch, Oct 2025 – گزارشی از برنامه OpenAI برای ساخت پلتفرم تجاری مبتنی بر AI و رقابت در حوزه تجارت عاملیت‌محور[5][21].

4. ramwert. "Stepping into Agentic Optimization (The Next Evolution Beyond SEO)," Medium, Jan 2025 – معرفی مفهوم بهینه‌سازی محتوا برای عامل‌های هوشمند و لزوم ارائه داده‌های ساخت‌یافته و متادیتا برای دیده‌شدن توسط AI[15][29].

5. Michael Nuñez. “OpenAI Dev Day 2025: ChatGPT becomes the new app store — and hardware is coming,” VentureBeat, Oct 2025 – گزارش رویداد DevDay OpenAI و ترسیم چشم‌انداز تبدیل ChatGPT به پلتفرمی برای اپ‌ها و ایجنت‌های خودکار، و نقل قول‌هایی در مورد آینده‌ی تعامل‌های AI[9][10].

[1] [2] [3] [11] [28] The Agentic Web: The Next Wave to Disrupt the Internet

https://eu.36kr.com/en/p/3412637779922567

[4] [6] [7] [8] [16] [17] [18] [19] [20] [22] [23] [24] [25] AI, Aggregation and the Great Re-Sorting: Why LLMs Are Your New Front-End — Blog | Esteve Castells