Der Aufstieg von Agentic AI: Ein strategischer Dreischritt-Ansatz für intelligente Automatisierung

Wie viele andere liebe ich gute Ratschläge. Aber manchmal brauche ich Hilfe, um etwas zu erledigen.

Die nächste Version von AI – Agentic AI – wird uns von Ratschlägen zu Erledigungen bringen. Sie wird es Unternehmen ermöglichen, die sie nutzen, einen transformierenden Sprung nach vorne zu machen.

Aber wohin springen? Und wie transformieren?

Agentic AI kann die Kosten für Kundenunterstützung um 25-50% reduzieren, während sie gleichzeitig die Qualität und Kundenzufriedenheit verbessert, da sie über die einfache Aufgabenverarbeitung hinausgeht. Sie kann auch komplexe Workflows und Kundeninteraktionen autonom lösen. Wenn sie auf die Kundenunterstützung angewendet wird, beispielsweise, reagieren die Agenten nicht nur auf Anfragen, sondern lösen umfassend Anfragen von Anfang bis Ende, reduzieren die menschliche Intervention und erhöhen die Effizienz.

Wie bei allen neuen Technologien birgt die Einführung von Agentic AI Herausforderungen. Ein Unternehmen muss seine Workflows gut dokumentiert und tief verstanden haben und über eine robuste Wissensbasis verfügen, auf die die Agentic AI zurückgreifen kann. Und genauso wie bei generativer AI sind Datenschutz- und Sicherheitsbedenken ein wichtiger Aspekt, den Unternehmen berücksichtigen müssen, um die großen Sprachmodelle (LLMs) zu verstehen, die sie nutzen, und wie Informationen in ihnen gespeichert und weitergegeben werden.

Jedoch kann die richtige Einführungsstrategie für intelligente Automatisierung den Erfolg sicherstellen. Um die meisten Vorteile zu erzielen, müssen Unternehmen drei Dinge tun:

• Am richtigen Ort beginnen
• Agentic AI mit menschlicher Expertise ausbalancieren
• Sich in ein Netzwerk von Agentic-Experten einbinden

Obwohl es noch früh ist, lernen wir, als wir mit Kunden in verschiedenen Branchen zusammenarbeiten, um Agentic AI in ihre Workflows und Betriebe zu integrieren.

Don’t start small — start smart

Vielleicht widersprüchlich, ist der beste Ort, um zu beginnen, mit den höchstvolumigen Anwendungsfällen. Ist das nicht riskant? Nein, wenn es richtig gemacht wird. Tatsächlich erhöht das Beginnen mit niedrigvolumigen Anwendungsfällen das Risiko, nicht ausreichend Auswirkungen zu sehen, um die Investition zu rechtfertigen.

Das Beginnen mit hochvolumigen Anwendungsfällen bietet das größte Potenzial für eine hohe Rendite auf die Investition (ROI), ermöglicht es einem Unternehmen, schnell einen signifikanten Einfluss zu realisieren, die Effizienzgewinne zu maximieren und den klaren Wert des Einsatzes von AI-Agenten zu demonstrieren.

Wie kann man das Risiko minimieren, zu groß zu beginnen? Indem man die Agenten zunächst mit nur 1% des größten Anwendungsvolumens implementiert. Dieser Ansatz ermöglicht es, potenzielle Probleme zu identifizieren und zu beheben, während man sich auf eine breitere Automatisierung vorbereitet.

Für ein Einzelhandelsunternehmen könnte dies bedeuten, die Automatisierung von “Wo ist meine Bestellung?” oder Rückgabeprozessen. Neben der Überwachung von Sendungen im gesamten Erfüllungsnetzwerk des Unternehmens könnte ein AI-Agent die Identität des Kunden überprüfen, den Echtzeit-Status überprüfen und den Kunden aktualisieren – sogar Optionen anbieten, wenn die Bestellung unerwartet verzögert wurde.

Bei Rückgaben könnte ein Agent die Rückgabepolitik des Unternehmens überprüfen, Kundeninformationen über die Rückgabe sammeln, nächste Schritte vorschlagen und entsprechende Aufgaben ausführen, wie z.B. die Erstellung eines Rückgabelabels, die Planung einer Abholung, die Ausstellung einer Rückerstattung usw. Der Rückgabebereich könnte auch nach Mustern von Missbrauch Ausschau halten und, wenn angebracht, seine Entscheidungen und nächsten Schritte entsprechend anpassen.

Nachdem ein Unternehmen einen AI-Agent auf einem Teil eines hochvolumigen Workflows eingesetzt hat, muss es die Workflow-Aktivität überwachen, um zu identifizieren, wo es möglicherweise Anpassungen benötigt. Wenn der Agent reibungslos funktioniert, kann das Unternehmen seine Verwendung in vordefinierten Mengen erweitern, bis es schließlich das gesamte Workflow-Volumen abdeckt.

Natürlich eignen sich nicht alle Aufgaben und Workflows für eine vollständige Automatisierung mit Agentic AI. Tatsächlich wird die Verbindung von menschlichen Experten mit dem Gesamtbetrieb von AI-Agenten die besten Ergebnisse liefern.

Agentic AI mit menschlicher Expertise ausbalancieren

Wenn ein Unternehmen seine Workflows und Prozesse für Automatisierungskandidaten untersucht, wird es Fälle finden, die am besten für menschliche Aufsicht oder direkte Aktion geeignet sind. Agentic AI ist eine unglaubliche, hochleistungsfähige Innovation, aber sie hat Grenzen.

Drei insbesondere:

AI-Agenten, wie die LLMs, die sie unterstützen, besitzen derzeit keine allgemeine Intelligenz. Sie funktionieren am besten in engen, gut definierten Bereichen. So können Menschen beispielsweise lernen, eine bestimmte Aufgabe auszuführen und von dieser Kenntnis Prinzipien abstrahieren, die sie dann auf andere, nicht verwandte Aufgaben anwenden. AI kann dies derzeit nicht.

Dann gibt es Workflows mit extrem komplexen Entscheidungsmatrizen, die erhebliche Erfahrung und erfahrungsbasierte Urteilsfähigkeit erfordern. Beispielsweise könnte ein Einzelhandelsunternehmen Inhalte für eine einfache Marketingkampagne benötigen. Ein Agent kann dies bewältigen – und die Kampagne ausführen.

Aber wenn man die Ausdrucksweise und das Versprechen einer Marke über mehrere Märkte hinweg überdenken möchte? Ein Agent wäre nicht in der Lage, dies zu tun. Es würde Einsicht in Markttrends, Markenwahrnehmung, kulturelle Unterschiede zwischen Märkten und Einsicht in die Art und Weise, wie Marken Emotionen hervorrufen, erfordern.

Schließlich sollten Workflows, die von typischerweise “schmutziger” menschlicher Kommunikation und emotionaler Nuancen abhängen und die deutlich menschliche Elemente wie Mitgefühl erfordern, bei Menschen bleiben. Denken Sie an Kundenbeschwerden, bei denen der Kunde wütend ist oder bei Gesundheitsinteraktionen, bei denen der emotionale oder psychische Zustand eines Patienten gefährdet sein könnte.

Aber ich beschreibe keinen binären Entscheidungsprozess: geben Sie dies den AI-Agenten; alles andere geht an die Menschen. In der Praxis funktioniert ein hybrides Modell am besten.

Während es eine klare Abgrenzung zwischen AI- und menschlichen Rollen geben muss, sollten AI-Agenten auch dann, wenn Aufgaben von menschlichen Experten bearbeitet werden müssen, zur Verfügung stehen, um ihre Fähigkeiten zu erweitern und ihr Know-how bestmöglich zu nutzen.

Im Allgemeinen sollten Unternehmen Agentic AI für transaktionale, wiederholbare Aufgaben und menschliche Expertise für hochriskante Interaktionen, emotional komplexe Szenarien und Situationen nutzen, die nuancierte Urteilsfähigkeit erfordern. Ein Anspruch von 50 $ könnte vollautomatisiert werden, während ein Anspruch von 5.000 $ wahrscheinlich von menschlicher emotionaler Intelligenz und markensensibler Behandlung profitieren würde.

Sich in ein Netzwerk von Agentic-Experten einbinden

Vielleicht am wichtigsten: Versuchen Sie nicht, in Agentic AI solo zu tauchen. Bauen Sie ein Netzwerk von Expertenpartnern auf. Aufkommende Agentic-AI-Plattformen können die Technologie über digitale und Sprachkanäle bereitstellen. Ein Systemintegrator und Berater, der die Kundenbetriebsumgebungen versteht, kann Agentic-Modelle für spezifische Kundenbedürfnisse trainieren und sie dann in die Betriebe eines Unternehmens integrieren.

Die Integration dieser Modelle in Unternehmenssysteme erfordert tiefes Know-how in komplexen Workflows und branchenspezifischen Herausforderungen. Sie erfordert auch ein detailliertes Verständnis von Workflow-Entscheidungspunkten und wo menschliche Interaktion am meisten benötigt wird – oder nützlich ist, damit Agentic AI ein Segen für Arbeitnehmer und Teamproduktivität ist.

Agentic AI bietet Unternehmen eine leistungsfähige Möglichkeit, Effizienz zu verbessern, Kundenerfahrungen zu verbessern und Innovationen voranzutreiben. Aber Erfolg ist nicht darum bemüht, hereinzustürmen. Es geht darum, intelligente, informierte Entscheidungen zu treffen: Am richtigen Ort beginnen, ein hybrides menschliches/AI-Modell anwenden und sich in das richtige Netzwerk einbinden.

Da sich die Welt von AI so schnell ändert, kann man es sich nicht leisten, alleine zu gehen.