پاسخ کوتاه: AI Agent در اودو یعنی دستیاری که با پروتکل MCP به داده زنده ERP وصل است و کارهای واقعی انجام می‌دهد: «وضعیت سفارش آقای رضایی؟» را جواب می‌دهد، یادآوری پیگیری می‌سازد و سفارش ثبت می‌کند — با کلید و دسترسی محدود. فرقش با چت‌بات، «عمل کردن» است نه «حرف زدن».
سه کاربرد فوری برای کسب‌وکار ایرانی
- پشتیبانی: پاسخ وضعیت فاکتور/مودیان بدون ورود اپراتور
- فروش: ساخت پیش‌فاکتور اولیه از مکالمه و ثبت در CRM
- مدیریت: گزارش صبحگاهی فروش/انبار در تلگرام یا چت داخلی
شروع: سرور MCP ابرک + درگاه AI ریالی — راهنمای کامل اتصال: اتصال Claude/ChatGPT به اودو.
AI Agent در اودو یک دستیار هوشمند قابل‌تعریف است که روی یک وظیفه‌ی مشخص کار می‌کند — نه یک چت‌بات عمومی. در CRM و فروش، رایج‌ترین استفاده‌ها خلاصه‌سازی تاریخچه‌ی مکالمه با یک سرنخ، پیش‌نویس ایمیل پیگیری بر اساس آخرین وضعیت فرصت فروش، و پیشنهاد گام بعدی (تماس، جلسه، ارسال پیش‌فاکتور) است.
پیش‌نیاز: اتصال به یک مدل واقعی
پیش از هر چیز، AI Agent باید به یک ارائه‌دهنده‌ی مدل زبانی وصل باشد. اگر این پیش‌نیاز برایتان روشن نیست، اول هوش مصنوعی اودو چیست؟ را بخوانید. کوتاه‌ترین مسیر برای کاربران ایرانی، فعال‌سازی اپ هوش مصنوعی ابرک و ساخت یک کلید از کیف‌پول AI من است.
گام‌به‌گام: فعال‌سازی روی یک فرصت فروش
روی رکورد یک فرصت فروش (Opportunity) در CRM، دکمه‌ی AI کنار چتر (chatter) را باز کنید. از آن‌جا می‌توانید بخواهید مکالمه‌ی تا این لحظه را خلاصه کند، یا یک پیش‌نویس ایمیل پیگیری بر اساس آخرین یادداشت بنویسد. خروجی همیشه پیش‌نویس است — شما قبل از ارسال آن را می‌بینید و ویرایش می‌کنید، هیچ ایمیلی بدون تایید شما نمی‌رود.
در Helpdesk و Live Chat هم همین‌طور کار می‌کند؟
بله، همان مکانیزم روی تیکت‌های پشتیبانی و مکالمات Live Chat هم قابل‌استفاده است: ایجنت تاریخچه‌ی تیکت را می‌خواند و پیش‌نویس پاسخ آماده می‌کند، تیم پشتیبانی فقط تایید یا اصلاح می‌کند — سرعت پاسخ‌گویی بالا می‌رود بدون این‌که کیفیت و لحن از دست برود.
آیا داده‌های مشتری من جای دیگری ذخیره می‌شود؟
درخواست فقط برای تولید همان یک پاسخ به ارائه‌دهنده‌ی مدل فرستاده می‌شود؛ تاریخچه‌ی کامل تعامل و کلید API شما همچنان داخل همان پایگاه‌داده‌ی اودوی شما — روی سرور داخل ایران — می‌ماند.
برای شروع: ثبت‌نام یا مشاهده‌ی قیمت‌گذاری.
ایجنت در برابر اتوماسیون قاعده‌محور
پیش از ساختن ایجنت، این تفکیک را روشن کنید؛ نیمی از پروژه‌های شکست‌خورده جایی شروع می‌شوند که کاری قاعده‌محور به مدل سپرده شده است.
| معیار | اتوماسیون قاعده‌محور | AI Agent |
|---|---|---|
| ورودی | ساخت‌یافته و قابل پیش‌بینی | متن آزاد یا موقعیت مبهم |
| خروجی | همیشه یکسان | ممکن است متفاوت باشد |
| هزینهٔ اجرا | ناچیز | به‌ازای هر اجرا، توکن |
| قابل ممیزی بودن | کامل | نیازمند ثبت ورودی و خروجی |
| نمونه | «اگر فرصت ۳۰ روز راکد ماند، تسک بساز» | «خلاصهٔ گفتگوهای این مشتری را بده» |
قاعدهٔ عملی: هر کاری که بشود با یک شرط ساده نوشت، باید قاعده‌محور بماند. ایجنت را برای جایی نگه دارید که قضاوت روی متن لازم است.
چهار محافظ که پیش از اتصال به داده‌ی واقعی لازم است
- دامنهٔ دسترسی حداقلی: ایجنت فروش نباید به داده‌ی حقوق و دستمزد دسترسی داشته باشد. دسترسی را در سطح مدل و رکورد ببندید، نه در پرامپت.
- سقف نرخ اجرا: بدون سقف، یک حلقهٔ اشتباه می‌تواند در یک شب هزینهٔ ماه را بسوزاند.
- تأیید انسانی برای نوشتن: خواندن آزاد، نوشتن با تأیید. هر تغییری که ایجنت پیشنهاد می‌دهد باید پیش از ثبت دیده شود.
- ثبت ممیزی: چه پرسیده شد، چه داده‌ای خوانده شد، چه پیشنهادی داده شد. بدون این، اشکال‌یابی ناممکن است.
چطور بفهمید ایجنت واقعاً ارزش می‌دهد
یک معیار قبل و بعد بگذارید و یک ماه بسنجید؛ سه معیار که معمولاً جواب می‌دهند: زمان آماده‌سازی پیش از تماس فروش، زمان اولین پاسخ به تیکت، و نسبت فرصت‌های راکدی که دوباره فعال شده‌اند. اگر بعد از یک ماه هیچ‌کدام تکان نخورد، مسئله معمولاً کیفیت داده است نه مدل — ایجنت روی پرونده‌ای که خالی است چیزی برای خلاصه‌کردن ندارد.
محاسبهٔ هزینهٔ توکن در آگاهی از بودجهٔ توکن، امن‌سازی کلیدها در چک‌لیست امنیتی MCP و دسترسی ریالی به مدل‌ها در هوش مصنوعی ابرک.
