گزارش Magic Quadrant برای برنامه‌های کاربردی هوش مصنوعی در مدیریت خدمات فناوری اطلاعات
۲ سپتامبر ۲۰۲۵

• شناسه سند: G00823161
• مدت‌زمان مطالعه تخمینی: ۳۵ دقیقه
• نویسندگان: کریس ماچت، ریچ دوهنی، و ۱ نویسنده دیگر

برنامه‌های هوش مصنوعی در مدیریت خدمات فناوری اطلاعات (ITSM)، ابزارهایی هستند که از هوش مصنوعی برای تقویت و گسترش گردش‌کارهای ITSM استفاده می‌کنند تا راهنمایی‌ها و اقدامات هوشمندی را در اختیار مدیران زیرساخت و عملیات (I&O) و تیم‌های پشتیبانی فناوری اطلاعات آنان قرار دهند. این «مربع جادویی» (Magic Quadrant) ۱۰ فروشنده و محصولات متمرکز بر هوش مصنوعی آنان را در این بازار مورد ارزیابی قرار می‌دهد.

مفروضات برنامه‌ریزی راهبردی

• تا سال ۲۰۲۷، ۵۰ درصد از پروژه‌های هوش مصنوعی در میزهای خدمات فناوری اطلاعات، به دلیل هزینه‌های پیش‌بینی نشده، ریسک‌ها یا عدم دستیابی به بازگشت سرمایه مورد انتظار، رها خواهند شد.
• تا سال ۲۰۲۷، هوش مصنوعی مولد (GenAI) محتوای پایگاه دانش و مطالب پشتیبانی فناوری اطلاعات بیشتری نسبت به انسان تولید خواهد کرد.
• تا سال ۲۰۳۰، ۲۰ درصد از سازمان‌های I&O با بلوغ بالا، یک «میز خدمات بدون تماس» (Touchless Service Desk) را اداره خواهند کرد؛ این رقم در سال ۲۰۲۵ کمتر از ۱ درصد بود.

تعریف و توضیحات بازار

گارتنر برنامه‌های هوش مصنوعی در مدیریت خدمات فناوری اطلاعات را این‌گونه تعریف می‌کند: ابزارهایی که با استفاده از هوش مصنوعی، گردش‌کارهای ITSM را تقویت و گسترش می‌دهند. این برنامه‌ها داده‌ها و فراداده‌های ITSM (که عمدتاً در پلتفرم‌های ITSM یافت می‌شوند) را تجزیه و تحلیل می‌کنند تا راهنمایی‌ها و اقدامات هوشمندی را در مورد فرآیندها و گردش‌کارهای ITSM، مانند فعالیت‌های میز خدمات و پشتیبانی فناوری اطلاعات ارائه دهند. این نرم‌افزار می‌تواند یک محصول مستقل، ویژگی‌هایی باشد که یک پلتفرم ITSM را گسترش می‌دهد، یا یک افزونه برای یک پلتفرم ITSM باشد.

مدیران زیرساخت و عملیات (I&O) با چالش‌های افزایش هزینه‌های پشتیبانی فناوری اطلاعات و کاهش مشارکت و بهره‌وری نیروی کار روبرو هستند. قابلیت‌های هوش مصنوعی، تیم‌های I&O را قادر می‌سازند تا پشتیبانی فناوری اطلاعات و فرآیندهای مدیریت خدمات (مانند مدیریت حوادث و مشکلات) را از طریق بینش و اتوماسیون بهینه کنند. این امر می‌تواند به کاهش ملموس هزینه‌ها — مانند صرفه‌جویی در نیروی کار از طریق رسیدگی خودکار به مسائل و درخواست‌های پشتیبانی — و همچنین حل سریع‌تر مشکلات و بهبود دقت در فرآیندهای تریاژ، دسته‌بندی و شناسایی متخصص منجر شود. علاوه بر کاهش هزینه‌های سربار، راه‌حل‌های هوش مصنوعی می‌توانند «تجربه کارکنان» (Employee Experience) و رابطه فناوری اطلاعات با کسب‌وکار را ارتقا دهند. برخی قابلیت‌ها، مانند «مشاوره ریسک هوشمند»، می‌توانند به مدیران I&O کمک کنند تا اختلالات را کاهش داده و خدمات فناوری اطلاعات قابل اطمینان‌تری ارائه دهند.

دسترسی به این قابلیت‌ها often از طریق یک رابط مکالمه‌ای هوش مصنوعی، مانند یک «عامل پشتیبانی مجازی» (Virtual Support Agent) یا «دستیار عملیات» (Operations Assistant) امکان‌پذیر است.

قابلیت‌های هوش مصنوعی مولد (GenAI) به طور فزاینده‌ای برای خودکارسازی تولید محتوا و بهبود ارتباطات مورد توجه قرار می‌گیرند. نمونه‌هایی از این قابلیت‌ها عبارتند از: خلاصه‌سازی اطلاعات (مانند مقالات پایگاه دانش یا به‌روزرسانی‌های گزارش کار)، و ایجاد اعلان‌های مربوط به حوادث اصلی.

ارزیابی ما با عنوان «کاربرد هوش مصنوعی برای میز خدمات فناوری اطلاعات» جزئیات بیشتری در مورد فرصت‌هایی که ابزارهایی مانند این می‌توانند ارائه دهند، در اختیار می‌گذارد.

ویژگی‌های اجباری

حداقل شرایط یک برنامه هوش مصنوعی برای ITSM عبارتند از:

• استفاده از فناوری‌های هوش مصنوعی مانند GenAI، پردازش زبان طبیعی و یادگیری ماشین برای تجزیه و تحلیل داده‌ها و فراداده‌های ITSM.
• استفاده از این تحلیل‌ها برای تولید توصیه‌ها یا اقداماتی در زمینه فرآیندهای ITSM، از جمله مدیریت حوادث، درخواست‌ها، دانش، مشکلات و تغییرات.

ویژگی‌های رایج

ویژگی‌های معمول در این بازار شامل موارد زیر است:

• عوامل پشتیبانی مجازی: به عنوان رابط‌های مکالمه‌ای که با کاربران کسب‌وکار و مصرف‌کنندگان تعامل دارند، به سوالات رایج پاسخ می‌دهند و تراکنش‌هایی را برای ارائه پشتیبانی فناوری اطلاعات انجام می‌دهند.
• دستیاران عملیات: به عنوان رابط‌های مکالمه‌ای برای متخصصان ITSM که از بینش‌های مبتنی بر داده برای انجام بهتر نقش خود استفاده می‌کنند.
• جستجوی هوش مصنوعی: برای کشف دانش و راه‌حل‌های فناوری اطلاعات با استفاده از:
  • کشف دانش عمومی با استفاده از مدل‌های زبان بزرگ (LLM) عمومی.
  • کشف دانش اختصاصی با استفاده از یک LLM سفارشی‌شده که روی دانش خصوصی سازمان آموزش دیده است.
  • کشف دانش جهانی با استفاده از فناوری‌هایی مانند «تولید تقویت‌شده با بازیابی» (RAG).
• مشاوره عامل (Agent Advice) از طریق:
  • تریایژ هوشمند: برای راهنمایی در مورد اولویت‌بندی.
  • دسته‌بندی هوشمند درخواست‌ها: بر اساس سرویس، آیتم پیکربندی یا راه‌حل.
  • تشدید هوشمند درخواست‌ها: قبل از رسیدن به آستانه‌های زمان‌بندی‌شده سطح خدمات (SLA).
  • مشاوره ریسک هوشمند تغییرات: با استفاده از تاریخچه تغییرات مشابه (خوشه‌بندی).
  • مسیریابی هوشمند: برای شناسایی گروه‌های حل‌کننده مناسب و در دسترس.
  • شناسایی هوشمند متخصصین: از جمله متخصصان خارج از بخش فناوری اطلاعات.
  • تجزیه و تحلیل احساسات: برای هشدار در مورد تجربیات خدماتی ضعیف و/یا نمرات پایین «تجربه دیجیتال کارکنان» (DEX).
• تشخیص الگو با استفاده از خوشه‌بندی درخواست‌ها (با استفاده از داده‌های حوادث، مشکلات، تغییرات، مقالات دانش و آیتم‌های پیکربندی) برای ارائه:
  • تشخیص حوادث بزرگ، هنگامی که تیم پشتیبانی، حوادثی با تاثیر بسیار بالا دریافت می‌کند که توسط پلتفرم‌های نظارتی یا AIOps شناسایی نشده‌اند.
  • تشخیص مشکل، زمانی که چندین حادثه گزارش می‌شود که ممکن است علت مشترکی داشته باشند.
  • تحلیل علت ریشه‌ای برای بررسی‌های مدیریت مشکل.
  • بهینه‌سازی تغییر برای شناسایی تغییراتی که می‌توانند استاندارد شوند.
• تولید محتوا با استفاده از GenAI:
  • تولید دانش فناوری اطلاعات از راه‌حل‌های استخراج‌شده از یادداشت‌های گزارش کار یا مکالمات مرکز تماس.
  • ارتباطات خودکار برای تولید و اصلاح به‌روزرسانی‌های درخواست یا اعلان‌های حوادث بزرگ.
• خلاصه‌سازی:
  • خلاصه‌سازی درخواست‌های ورودی برای کمک به متخصصان در درک سریع حوادث و درخواست‌های جدید.
  • خلاصه‌سازی هوشمند پس از تماس، برای پالایش و استانداردسازی یادداشت‌های گزارش کار.
  • خلاصه‌سازی حوادث بزرگ برای بررسی‌های پس از حادثه.
  • تولید گزارش‌های ITSM، مانند گزارش‌های بررسی پس از حادثه و پس از اجرای تغییر.

مربع جادویی

شکل ۱: Magic Quadrant برای برنامه‌های کاربردی هوش مصنوعی در مدیریت خدمات فناوری اطلاعات

نمودار Magic Quadrant ده فروشنده را روی یک محور مختصات نشان می‌دهد که محور X آن «کامل‌بودن بینش» (Completeness of Vision) و محور Y آن «قابلیت اجرا» (Ability to Execute) را می‌سنجد. این نمودار به چهار ربع تقسیم شده است:

• رهبران (Leaders): بالا-راست
• چالش‌گران (Challengers): بالا-چپ
• دیدگاه‌گران (Visionaries): پایین-راست
• بازیگران خاص (Niche Players): پایین-چپ

(تا ژوئیه ۲۰۲۵)

• رهبران: ServiceNow
• چالش‌گران: Moveworks
• دیدگاه‌گران: Aisera, BMC Helix
• بازیگران خاص: Atlassian, Freshworks, Halo, ManageEngine, SymphonyAI, SysAid

نقاط قوت و ملاحظات فروشندگان ابزار ITSM‌ با تمرکز بر هوش مصنوعی AI

Aisera
Aisera در این ربع جادویی در رده «دیدگاه‌گران» قرار دارد. برنامه هوش مصنوعی Aisera برای ITSM شامل محصولاتی مانند «میز خدمات هوش مصنوعی»، «دستیار هوش مصنوعی»، «عاملین هوش مصنوعی»، «جستجوی هوش مصنوعی سازمانی»، «کمک‌رسان عامل» و «AIOps» است. این محصولات برای کار با پلتفرم‌های ITSM طراحی شده‌اند.

قوت‌ها:

• اثربخشی سلف-سرویس: Aisera از طریق قابلیت‌های قدرتمند هوش مصنوعی مکالمه‌ای، نتایج خوبی برای سلف-سرویس کاربران نهایی ارائه می‌دهد.
• ابتکارات بازاریابی راهبردی: همکاری Aisera با دانشگاه استنفورد برای انتشار یک چارچوب معیارسنجی، نقاط قوت محصول را به خوبی برجسته می‌کند.
• همخوانی با بازار ITSM: Aisera درک خوبی از نیازهای خاص هوش مصنوعی در ITSM نشان می‌دهد.

ملاحظات:

• قیمت‌گذاری بالا: هزینه کلی راه‌حل Aisera ممکن است برای سازمان‌هایی که قبلاً در یک پلتفرم ITSM سرمایه‌گذاری کرده‌اند، بالا باشد.
• محدودیت در کانال فروش: نیروی فروش مستقیم کوچک‌تر و شبکه شرکای محدودتر.
• مستندات ناکافی: مستندات محصول گاهی فاقد جزئیات کاربردی کافی است.

Atlassian
Atlassian یک «بازیگر خاص» در این ربع جادویی است. برنامه هوش مصنوعی آن عمدتاً در پلتفرم ITSM خود، یعنی Jira Service Management (شامل Rovo) گنجانده شده است.

قوت‌ها:

• قابلیت‌های همراه: ارائه ویژگی‌های ITOM (مانند Opsgenie) بدون هزینه اضافی.
• ثبات مالی: درآمد پایدار و رشد بازار ITSM.
• اتصال بین تیمی: تمرکز بر نمودار دانش و جستجوی سازمانی پیشرفته.

ملاحظات:

• تمرکز ناکافی بر ITSM: نیاز به نشان دادن ارزش بیشتر در موارد استفاده کلیدی ITSM.
• ویژگی‌های اثبات‌نشده: بسیاری از قابلیت‌های هوش مصنوعی آن به تازگی راه‌اندازی شده‌اند.
• محدودیت‌های تراکنشی: محدودیت در تعداد اقدامات هوشمند خودکار در سطوح مختلف قیمت‌گذاری.

BMC Helix
BMC Helix یک «دیدگاه‌گرا» است. نرم‌افزار BMC اعلام کرده که واحد BMC Helix در سال ۲۰۲۵ از شرکت جدا خواهد شد.

قوت‌ها:

• مهارت در همبستگی حوادث: قابلیت خوشه‌بندی قوی برای مدیریت حوادث و مشکلات.
• ادغام ITOM: پایگاه بزرگ مشتریان ITOM و قابلیت‌های یکپارچه.
• نقشه راه جامع: پوشش گسترده‌ای از موارد استفاده هوش مصنوعی در ITSM.

ملاحظات:

• هزینه‌های اضافی: دستیابی به عملکرد کامل مستلزم خرید ماژول‌های اضافی است.
• پذیرش کند ویژگی‌ها: استقبال مشتریان از قابلیت‌های پیشرفته هوش مصنوعی متوسط است.
• پیام‌رسانی عمومی: تمرکز بازاریابی بر موضوعات عمومی هوش مصنوعی به جای قابلیت‌های خاص ITSM.

Freshworks
Freshworks یک «بازیگر خاص» است. برنامه هوش مصنوعی آن (FreshAI) در پلتفرم ITSM خودش، یعنی Freshservice، تعبیه شده است.

قوت‌ها:

• استقرار آسان: زمان استقرار نسبتاً کوتاه و مستندات جامع.
• شبکه قوی فروش و شرکا: نیروی فروش مستقیم بزرگ و اکوسیستم در حال رشد.
• دسترسی جهانی پیاده‌سازی: پشتیبانی از طریق شرکا در مناطق مختلف.

ملاحظات:

• چشم‌انداز محدود بازار: استراتژی هوش مصنوعی آن بسیار وابسته به پلتفرم ITSM خودش است.
• ادغام محدود LLM: پشتیبانی فعلاً仅限于 OpenAI.
• تأخیر در عرضه ویژگی‌ها: بسیاری از قابلیت‌های جدید هنوز در نسخه بتا هستند.

Halo
Halo یک «بازیگر خاص» است. قابلیت‌های هوش مصنوعی آن در پلتفرم ITSM خود، یعنی HaloITSM، ارائه می‌شود.

قوت‌ها:

• هوش مصنوعی همراه: ویژگی‌های هوش مصنوعی/GenAI در هزینه اصلی پلتفرم گنجانده شده‌اند.
• سربار عملیاتی کم: سادگی پلتفرم باعث پیاده‌سازی و مدیریت آسان می‌شود.
• دسترسی جهانی: حضور در مناطق مختلف از طریق شبکه شرکا.

ملاحظات:

• شکاف‌های کارکردی: اتکای زیاد به LLMهای عمومی و توسعه محدود هوش مصنوعی اختصاصی.
• ظرفیت نوآوری محدود: تیم تحقیق و توسعه کوچک.
• پیام‌رسانی عمومی: عدم توانایی در نمایش ویژگی‌های متمایز.

ManageEngine
ManageEngine (بخشی از Zoho) یک «بازیگر خاص» است. قابلیت‌های هوش مصنوعی آن در پلتفرم ITSM خود، یعنی ServiceDesk Plus، و همچنین در محصول Analytics Plus ارائه می‌شود.

قوت‌ها:

• دسترسی جهانی: حضور قوی در تمام مناطق اصلی.
• مقرون به صرفه برای SMEها: قیمت‌گذاری مناسب و ادغام با دستیار هوش مصنوعی Zia.
• استقرار ساده: فرآیند پیاده‌سازی سریع و آسان.

ملاحظات:

• هوش مصنوعی مکالمه‌ای محدود: موتور زبان طبیعی فاقد آگاهی زمینه‌ای عمیق است.
• استراتژی بازاریابی فاقد تمایز: تمرکز بر ارزش قیمتی به جای ویژگی‌های پیشرفته.
• ظرفیت نوآوری محدود: تیم تحقیق و توسعه اختصاصی کوچک.

Moveworks
Moveworks یک «چالش‌گر» است. برنامه هوش مصنوعی آن شامل چندین محصول است و برای کار با پلتفرم‌های ITSM طراحی شده است.

• توجه: ServiceNow قصد خود برای خرید Moveworks را در ۱۰ مارس ۲۰۲۵ اعلام کرد. در زمان انتشار این گزارش، هر دو شرکت معیارهای حضور مستقل در این ربع جادویی را داشتند.

قوت‌ها:

• کشش قوی بازار: رویکرد موفق در فروش و پیاده‌سازی.
• آگاهی بالای مشتری: برند قوی و حضور مکرر در فهرست نهایی مشتریان.
• سرمایه‌گذاری قوی در R&D: تیم تحقیق و توسعه قدرتمند و فرهنگ نوآوری.

ملاحظات:

• تمرکز کمتر بر ITSM: سرمایه‌گذاری روی موارد استفاده غیرفناوری اطلاعات.
• هزینه بالا: قیمت‌گذاری بالا به همراه نیاز به افزونه‌های متعدد.
• شکاف‌های محصول: تمرکز بر روندهای جدید به قیمت توسعه قابلیت‌های اصلی ITSM.

ServiceNow
ServiceNow در رده «رهبران» قرار دارد. قابلیت‌های هوش مصنوعی آن عمدتاً در پلتفرم ITSM خود (مانند ITSM Pro Plus) و همچنین در محصول ITOM AIOps Professional ارائه می‌شود.

• توجه: همانند Moveworks، قصد خرید این شرکت توسط ServiceNow اعلام شده است.

قوت‌ها:

• حضور غالب در بازار ITSM: پایگاه بزرگ مشتریان برای معرفی قابلیت‌های جدید.
• چشم‌انداز راهبردی محصول: نقشه راه محصول ۳۶ ماهه واضح و بلندمدت.
• عملکرد عامل ملموس: ارائه قابلیت‌های پیشرفته «هوش مصنوعی عامل» (Agentic AI).

ملاحظات:

• عدم ارائه آزمایش رایگان: ارائه تنها قراردادهای کوتاه‌مدت با تخفیف به جای نسخه آزمایشی رایگان.
• پیکربندی پیچیده جستجو: نیاز به ایجاد قوانین Low-Code برای دستیابی به نتایج بهینه.
• تمرکز گسترده LLM: تمرکز LLMهای آن بر برنامه‌های عمومی‌تر نسبت به موارد استفاده خاص ITSM.

SymphonyAI
SymphonyAI یک «بازیگر خاص» است. برنامه هوش مصنوعی آن برای کار با پلتفرم ITSM خود و همچنین پلتفرم‌های طراحی شده است.

قوت‌ها:

• ساختار هزینه قابل پیش‌بینی: قیمت‌گذاری ثابت بر اساس کاربر.
• پشتیبانی شفاف: گزارش‌دهی جامع استفاده و خط‌مشی روشن پایان عمر محصول.
• هم‌افزایی پلتفرم هوش مصنوعی: سرمایه‌گذاری گسترده در تحقیق و توسعه روی یک پلتفرم GenAI چندمنظوره.

ملاحظات:

• تمرکز پراکنده بازار: سهم کوچک هوش مصنوعی برای ITSM در کسب‌وکار کلی شرکت.
• پاسخگویی محدود: تأخیر در عرضه برخی ویژگی‌ها نسبت به رقبا.
• خروجی GenAI بهینه‌نشده: محتوای تولیدشده گاهی بیش از حد طولانی و فاقد ارزش عملیاتی مستقیم است.

SysAid
SysAid یک «بازیگر خاص» است. برنامه هوش مصنوعی آن شامل ویژگی‌های «دستیار هوش مصنوعی SysAid» (SysAid Copilot) و قابلیت‌های هوش مصنوعی در پلتفرم ITSM خودش است.

قوت‌ها:

• توسعه سریع محصول: انتشار سریع قابلیت‌های جدید.
• پیاده‌سازی ساده: تمرکز بر سادگی و کاهش پیچیدگی برای مشتریان متوسط.
• توانمندسازی مشتری: ارائه گزارش‌های دقیق استفاده و آموزش.

ملاحظات:

• پذیرش محدود هوش مصنوعی: نرخ تبدیل مشتریان بالقوه به کاربران ویژگی‌های پیشرفته پایین است.
• ظرفیت نوآوری محدود: منابع تحقیق و توسعه محدود و فقدان تمایز آشکار.
• وابستگی بیش از حد به LLM: استفاده از LLM برای کارهایی که ممکن است با تکنیک‌های دیگر مناسب‌تر باشند، leading به potential errors.

فروشندگان اضافه و حذف شده

معیارهای ورود به ربع جادویی با تغییرات بازار بازبینی و تنظیم می‌شوند. در نتیجه، ترکیب فروشندگان ممکن است تغییر کند.

افزوده‌شده‌ها: Atlassian, ManageEngine, SysAid
حذف‌شده‌ها: Espressive (به دلیل تمرکز بر فروش از طریق MSPها)، OpenText (به دلیل عدم برآورد معیارهای کارکردی)، Serviceaide (به دلیل عدم قرارگیری در بین ۲۰ ارائه‌دهنده برتر در شاخص علاقه مشتری).

معیارهای ارزیابی

(این بخش خلاصه‌ای از معیارهای کلیدی مورد استفاده برای رتبه‌بندی فروشندگان در دو محور «قابلیت اجرا» (شامل معیارهایی مانند محصول، دوام کلی، تجربه مشتری) و «کامل‌بودن بینش» (شامل معیارهایی مانند درک بازار، نوآوری، استراتژی محصول) را ارائه می‌دهد. رتبه‌ها به صورت «بالا»، «متوسط» و «کم» تعیین شده‌اند.)

معیار ارزیابی	وضعیت
توانایی اجرای معیارهای ارزیابی	بالا
محصول یا خدمات	بالا
زنده ماندن کلی	کم
اجرای فروش / قیمت‌گذاری	بالا
پاسخگویی / رکورد بازار	بالا
اجرای بازاریابی	متوسط
تجربه مشتری	متوسط
عملیات	کم
منبع	گارتنر (سپتامبر 2025)

بررسی اجمالی بازار

بازار برنامه‌های کاربردی هوش مصنوعی در ITSM به سرعت در حال تحول است، که ناشی از پیشرفت‌های GenAI و LLM و تقاضای فزاینده سازمان‌ها برای اتوماسیون است. اگرچه ارائه‌دهندگان بیشتری قابلیت‌های هوش مصنوعی را به پلتفرم‌های خود اضافه کرده‌اند، اما نوآوری عملی کندتر از انتظارات بوده است. تبلیغات حول محور «هوش مصنوعی عامل» بسیار رایج است، اما تعداد کمی از فروشندگان قابلیت‌های واقعی عامل (مانند برنامه‌ریزی خودکار و اجرای گردش کار چندمرحله‌ای) را ارائه می‌دهند. اکثر راه‌حل‌ها still کمکی (Assistive) هستند. ادغام بازار آغاز شده است (مانند خرید احتمالی Moveworks توسط ServiceNow). به نظر می‌رسد تمایز آینده در توانایی ارائه قابلیت‌های هوش مصنوعی قابل تأیید و نتیجه‌بخش خواهد بود.

این برنامه‌ها از داده‌ها و فراداده‌های ITSM به عنوان منبع اولیه استفاده می‌کنند و آن را از راه‌حل‌های هوش مصنوعی در بازارهای مجاور (مانند AIOps یا پلتفرم‌های مکالمه‌ای) متمایز می‌سازد. این دومین نسخه از Magic Quadrant برای این بازار مستقل است.

واژه‌نامه

• تجزیه و تحلیل خوشه‌ای (Cluster Analysis): طبقه‌بندی مجموعه‌ای از داده‌ها به گروه‌های مجزا (خوشه).
• هوش مصنوعی مولد (GenAI): فناوری‌هایی که می‌توانند محتوای جدید تولید کنند.
• مدل زبان بزرگ (LLM): مدل‌های بنیادی آموزش‌دیده بر روی حجم عظیمی از داده متنی.
• هوش مصنوعی عامل (Agentic AI): رویکردی که در آن نهادهای نرم‌افزاری خودمختار یا نیمه‌خودمختار برای انجام وظایف پیچیده عمل می‌کنند.

---