Agentic AI er en delikat firevejsdans, der demokratiserer adgangen til kritiske forretningsinsights

AI har været fuld af falske påstande siden sin oprettelse, delvist født af en bred videnlücke. De uden en teknisk baggrund kan have svært ved at skelne mellem begreber som generativ AI, symbolisk AI eller Agentic AI, og vi har set teknologivirksomheder udnytte dette ved at påstå, at de tilbyder evner, de ikke faktisk har. For at gøre tingene endnu mere komplicerede har virksomheder, der udfører selv den mest basal statistiske analyse, pludselig omdøbt sig selv til “maskinlæringsvirksomheder”, da AI bliver mere og mere almindeligt. Denne voksende trend har efterladt potentielle kunder usikre på, hvad forskellige “AI”-løsninger faktisk kan gøre.

Da Agentic AI opstår, ser vi allerede virksomheder bruge begrebet på lignende urigtige måder – faktisk mærker mange virksomheder, der bruger simple “chatbots”, sig selv som Agentic AI-udbydere. Agentic AI repræsenterer et betydeligt skridt fremad for AI-teknologi, men det er vigtigt at forstå, hvad det nøjagtig betyder. Sand Agentic AI er en delikat firevejsdans, der balancerer elementer af generativ AI, symbolisk AI og forklarende matematik og ikke-lineære optimeringsmotorer inden for en agentbaseret præsentation, der opgraderer menneskelige brugere ved at demokratisere adgangen til avanceret teknologi.

Sortering gennem moderne AI-misforståelser

Definitionen af “kunstig intelligens” er bred – men når du overvejer, hvad der er nødvendigt for at gøre det både nyttigt og robust, kræves et ensemble af teknologi. En chatbot kan måske søge på internettet og sammenfatte og gensende sine fund, men den kan ikke validerer data indeholdt i Large Language Models (LLM’er), og den kan ikke resonere med den subtile, menneskelignende dømmekraft, der er nødvendig for at generere troværdige indsigt. Oprettelse af en AI-løsning med transformerende forretningsindvirkning kræver en række komponenter, der sammen danner en større helhed. Denne intrikate balance understøtter resonnering på en menneskelignende måde, mens den syntetiserer, analyserer og optimerer troværdige data for slutbrugeren på en skala ud over menneskelig evne. Et grundlæggende værktøj kan teknisk set opfylde den minimale definition af “kunstig intelligens”, men i dag har virksomheder brug for løsninger, der kan klare mere.

Tænk på det som en massemarkedsvirksomhed, der prøver at efterligne udseendet af en luksusmærke. De kan måske efterligne overfladiske æstetik på afstand, men ved at undersøge detaljer og materialekvalitet (for slet ikke at nævne, hvad der er under hooden) vil sandheden afsløres. De, der bruger “Agentic AI” som en marketingbetegnelse uden funktionaliteten til at bakke det op, burde være lige så let at spotte – men kunderne har ikke altid den tekniske ekspertise til at identificere, hvilket niveau af AI-modenhed de tilbydes. En virksomhed kan påstå at være en “optimeringsvirksomhed”, men kan den faktisk udføre begrænsningsbaseret ikke-lineær optimering? Eller bruger den en lineær regressionmodel til at udføre grundlæggende prognostik? Endnu værre, bruger den et program, der kun kan håndtere fire af de 40 begrænsninger, der er nødvendige for at modelere et givet problem? Enhver kan påstå at tilbyde “AI-baserede” løsninger, men forskellen i resultater er betydelig.

Dette er vigtigt at forstå, mens vi bevæger os ind i den næste fase af AI-udvikling og -implementering. Agentic AI lover at være en revolutionerende teknologi – en, der vil demokratisere adgangen til kraftfulde, AI-baserede analyser og avancerede optimeringsfunktioner.

How Agentic AI virker og hvorfor det er vigtigt

Der er fire kritiske elementer i Agentic AI: symbolisk AI, forklarende matematik og optimeringsmotorer, generativ AI og “agenten” selv:

• Symbolisk AI er den “dybe resonans”-del af hjernen, der er ansvarlig for ting som logisk slutning i form af abduktiv og deduktiv resonans. Den bruger logikbaseret programmering og bevis-teknikker til at løse problemer på en måde, der simulerer den menneskelige hjerne.
• Kraftfulde højdimensionelle, forklarende matematik og optimeringsmotorer bruges til at udføre den tungt-løftende matematiske beregning, der er nødvendig for at behandle store mængder data og generere gennemtrængende indsigt.
• Generativ AI udfører “tyndskæring”-funktionerne, der er nødvendige for at identificere mønstre på tværs af store datasæt og extrapolere fra dem.
• Agentic AI er den konversationale komponent, der tillader maskinen at interagere med mennesker på en menneskelignende måde, hvilket letteligger interaktionen og demokratiserer adgangen til avancerede analyser og indsigt. Det er “quarterbacken” på holdet, der orkestrerer handlinger på tværs af systemet.

Agentic AI er som en delikat firevejsdans – og agenten er lederen. Uden en agent til at syntetisere og optimerer data fra de analytiske motorer under den, ville brugerne have adgang til store mængder information, men lidt idé om, hvordan de skal organisere eller udnytte den. Agentic AI oversætter komplekse analyser og optimeringsdata til en brugervenlig interface, der giver forretningsbrugere adgang til nyttige og handlebare indsigt uden behov for en avanceret baggrund i dataanalyse. Generativ AI, symbolisk AI og matematik og optimeringsmotorer har alle individuelle anvendelser, men agenten er den kritiske fjerde del, der aktiverer alle fire elementer til at fungere på en unik og harmonisk måde.

Før Agentic AI spillede den menneskelige operatør rollen som agent – og det er simpelthen ikke muligt for et menneske at behandle noget nær denne mængde information. I dag kan en AI-agent understøttet af de andre tre dele af “hjernen” analysere store datasæt, der påvirkes af dusinvis af begrænsninger. Disse agenter har også en dyb forståelse af, hvordan hver komponent påvirker de andre, og genererer de optimeringsindsigt, der er nødvendig for at drive i dagens forretninger fremad. Og fordi de præsenteres af en AI-agent, der er i stand til menneskelignende resonans og samtale, er disse kritiske forretningsindsigt stadig mere tilgængelige, selv for brugere uden en høj grad af teknisk ekspertise.

Sand Agentic AI revolutionerer forretningsoptimering

På dette års Consumer Electronics Show (CES) forudsagde NVIDIA (NVDA )-direktør Jensen Huang, at 30% af virksomheder vil have “digitale medarbejdere”, der bidrager væsentligt til forretningsaktiviteterne inden udgangen af 2025. Det kan lyde som en dristig forudsigelse, men for dem, der har brugt betydelig tid på at arbejde med Agentic AI, er det blot en erkendelse af en længe fastholdt sandhed. Sammenløbet af symbolisk AI, generativ AI og moderne forklarende matematik og optimeringsmotorer, der danser sammen med den hjælpsomme vejledning af en AI-agent, gør kritiske forretningsoptimeringsindsigt mere tilgængelig end nogensinde. Sand Agentic AI er en revolutionerende teknologi, og de, der ikke adopterer den, risikerer at blive efterladt.