Hvor man skal starte med Agentic AI: En ramme for erhvervsledere

Over de sidste ti år er to parallelle rejser opstået og har formet erhvervstransformation i tandem: procesrejsen og datarejsen.

Procesrejsen, eller hvordan arbejdet bliver gjort, udviklede sig fra Lean Sigma Six til at omfatte robotisk procesautomatisering (RPA) og digitale arbejdsgange, alt i jagten på effektivitet, struktur og skala. På den anden side udviklede datarejsen, eller hvordan beslutninger bliver truffet, sig fra traditionel business intelligence til maskinlæringsbaseret predictiv intelligens og nu, generativ AI (gen AI). Begge veje er kraftfulde, men det sande gennembrud kommer, når de begge konvergerer. Velkommen, agentic AI.

Agentic AI er inflections punktet, hvor agenter ikke kun forstår data, men også ved, hvordan de skal handle inden for systemer og arbejdsgange for større data-dreven automatisering. Forskning viser, at 96% af erhvervs-IT-ledere planlægger at øge deres brug af agenter i de næste 12 måneder. Men når organisationer søger at skala agentic AI-initiativer, kæmper de ofte med at identificere, hvor og hvordan de skal starte.

Til tekniske ledere, der søger at udnytte agentic AI, må de tænke på agentic arbejdsgange som fusionen af beslutning og eksekvering, ved at integrere analytisk intelligens direkte i arbejdsgange for større effektivitet. Først når denne virksomhedsomfattende lag af intelligens er opnået, vil autonome agenter være i stand til at lukke cirklen mellem at vide og at gøre.

Definering af agentic AI: hvad det betyder at være en agentic virksomhed

Mange organisationer begynder deres agentic AI-rejse, før de forstår, hvad agentic AI er. Tænk på en agentic virksomhed som en travl international lufthavn. Flyene er AI-agenterne, hver med en opgave. De ved, hvad deres mål er, og handler uafhængigt, letter og flyver til deres destination – samtidig med, at lufthavnen forbliver fuldt funktionsdygtig. Men det er det højere niveau mål for lufthavnen og ikke de enkelte flybevægelser, der gør den agentic. Air traffic controllerne er orkestratorerne, der sørger for, at lufthavnsoperationerne køre smukt – vælger, hvilke fly der skal deployes hvornår og hvor, dirigerer jordkontrol for vedligeholdelse og brændstof, og koncerterer det hele på den mest effektive måde for hele systemet. Hvert fly eksisterer på egen hånd, men det er koordinationen af alle starter og landinger, der gør lufthavnen succesfuld i forhold til sikkerhed og effektivitet.

En agentic virksomhed er ikke en, der implementerer simple refleksagenter eller grundlæggende bots, der er forbedret til at udføre en opgave. En agentic virksomhed orkestrerer i stedet et netværk af intelligente agenter, der er designet til at håndtere komplekse, multi-trins opgaver uafhængigt. De går langt ud over foruddefinerede regler til, hvor agenter kan træffe beslutninger, der er i overensstemmelse med strategiske mål, og tilpasse og forbedre sig over tid, og tage virksomheds læring til det næste niveau.

Dette adskiller også agentic AI fra gen AI. Gen AI reagerer på prompts, mens agentic AI tager autonome handlinger for at opnå mål, og lærer og tilpasser sig, imens. Disse multi-agentsystemer forbinder med forskellige virksomhedsapplikationer og opererer med strategisk forsigtighed for at hjælpe med at træffe beslutninger, automatisere processer og levere værdi på tværs af organisationen.

Det er vigtigt at huske, at dette er en rejse. Hver agent vil have sin egen modenhed og kompleksitet, den kan håndtere. At blive en agentic virksomhed kræver en holistisk design, koordination og kontinuerlig evolution af et økosystem af agenter med klare mål, intelligente feedback-løkker og eksperthumanske indsatser, hvor og hvordan det giver mening for det ønskede resultat.

Identificering af agentic AI-brugsområder: hvorfor værdidrift betyder noget

For ofte fejler agentic AI-brugsområder på grund af dårlig brugsområdesvalg. I virkeligheden forudser Gartner, at over 40% af agentic AI-projekter vil blive annulleret inden udgangen af 2027. Disse vil ikke skyldes, at teknologien fejler, men snarere, at virksomheder ikke vælger de rette brugsområder til at deployere agenterne.

For at undgå en sådan skæbne må organisationer identificere, hvor agentic AI kan have den største indvirkning ved at vurdere både værdi-stigningen og hastigheden til resultat.

På værdi-siden skal virksomheder først spørge, hvilke domæner indeholder de største kunde-painpoints – interne og eksterne – og derefter har den største indvirkning på resultat. Så skal de overveje, hvad process-omfanget og efterspørgslen ser ud. En hint? Agentic AI leverer mere konkrete fordele for områder, der har komplekse processer, store arbejdsgange og behov for strategisk, dynamisk beslutningstagning. Det er ikke at underdrive, at agentic AI skal implementeres i områder, der har høj vækstpotentiale, med henblik på dens skalerbarhed og tilpasning til skiftende efterspørgsel og volumen over tid.

Lige så vigtigt er det at evaluere hastigheden til værdi, som kan gøres ved at undersøge data for tilgængelighed, kvalitet og governance. Det simpleste er, at bedre data fører til bedre AI-præstation. Uanset, hvor agentic AI aktiveres, er det kritisk at give sikkerhedsforanstaltninger, især når følsomme data er involveret. For at gøre det effektivt må virksomheder medregne potentielle reguleringer, der kan påvirke implementeringstider. Dette er ikke et område, hvor man kan spare omkostninger. At starte med human-in-the-loop-systemer hjælper med at sikre ansvarlig og etisk implementering, som kan give virksomheder mere tillid til autonomien af AI-agenter.

Opbygning af agentic AI-teknologi-stakken: hvordan man opnår ønskede resultater

Virksomheder, der er klar til at adoptere agentic AI, må opbygge den rette teknologi-infrastruktur, der muliggør skalerbarhed til at vokse, fleksibilitet til at integrere og sikkerhed til at beskytte.

For at komme i gang må virksomhedsledere sikre, at både struktureret og ustruktureret data er integreret inden for samme system for at opbygge en stærk data-fundament, der er kritisk for effektiv og bæredygtig adoption. Data-tilgængelighed og -styring er grundlæggende for agentic AI. Dette skridt er også afgørende for at opbygge opgave- og domænespecifikke sprogmodeller.

Når data-fundamentet er sat og sprogmodellerne er etableret, skal virksomheder udnytte AI-platforme, værktøjer og tjenester til at accelerere AI-agent-adoption og modulæritet. Ved at starte med en pilot i en kontrolleret omgang kan organisationer træne og deployere agenter, der udfører specifikke opgaver og leverer forretningsresultater, sikre menneskelig oversigt og kontinuerligt overvåge præstationen gennem et kontrol-lag, der er i overensstemmelse med forretnings-KPI’er.

Fører vejen

Agentic AI repræsenterer en fundamental ændring i, hvordan virksomheder opererer. Virksomheder, der kommer frem som vindere, vil være dem, der bruger det som en mulighed til at genoverveje deres driftsmodeller og forretningspraksis fra bunden og op. Nøglen er at eksperimentere klogt og iterere, bygge og samarbejde med intention og derefter skala med tillid. Agentic AI repræsenterer en fundamental ændring i, hvordan virksomheder opererer. Virksomheder, der kommer frem som vindere, vil være dem, der bruger det som en mulighed til at genoverveje deres driftsmodeller og forretningspraksis fra bunden og op. Nøglen er at eksperimentere klogt og iterere, bygge og samarbejde med intention og derefter skala med tillid.