Ali Sarrafi, CEO και ιδρυτής της Kovant – σειρά συνεντεύξεων

Ali Sarrafi, CEO και Ιδρυτής της Kovant, είναι ένας έμπειρος τεχνολόγος και διοικητικό στέλεχος στον χώρο της AI με έδρα τη Στοκχόλμη, με ιστορικό κατασκευής και επέκτασης εταιρειών AI υψηλής ανάπτυξης. Από την ίδρυση της Kovant στα τέλη του 2024, έχει αξιοποιήσει τη βαθιά εμπειρία του στην στρατηγική AI επιχειρήσεων, την εκτέλεση go-to-market και την επιχειρησιακή κλιμάκωση. Προηγουμένως, υπηρέτησε ως Αντιπρόεδρος Στρατηγικής στην Silo AI μετά την απόκτηση από την AMD, όπου ήταν υπεύθυνος για τη διαμόρφωση της στρατηγικής AI επιχειρήσεων και την προώθηση της υιοθέτησης σε μεγάλη κλίμακα. Νωρίτερα στην καριέρα του, συνίδρυσε την Combient Mix, οδηγώντας την εταιρεία μέσω ταχείας ανάπτυξης και επιτυχημένης απόκτησης από την Silo AI, και από τότε έχει αναλάβει συμβουλευτικούς ρόλους και θέσεις σε διοικητικά συμβούλια σε εκπαιδευτικά ιδρύματα και startups AI, αντανακλώντας συνεχή εστίαση στην μετάφραση προηγμένης AI σε πραγματική επιχειρηματική επίδραση.

Kovant είναι μια εταιρεία AI επιχειρήσεων που επικεντρώνεται στην ενεργοποίηση των οργανισμών να μεταβούν από πειραματική χρήση AI σε πλήρως λειτουργικές, αυτόνομες επιχειρηματικές διαδικασίες. Η εταιρεία αναπτύσσει μια πλατφόρμα βασισμένη σε πράκτορες σχεδιασμένη για τον συντονισμό ομάδων πράκτορων AI σε σύνθετα επιχειρησιακά πεδία όπως η προμήθεια, οι αλυσίδες εφοδιασμού, η συμμόρφωση και οι επιχειρησιακές λειτουργίες πελατών. Τονίζοντας την ασφαλή, επιχειρηματική υλοποίηση και τη γρήγορη απόδοση, η Kovant θέτει τον εαυτό της ως γέφυρα μεταξύ στρατηγικής φιλοδοξίας AI και ημερήσιας εκτέλεσης, βοηθώντας τις μεγάλες οργανώσεις να ενσωματώνουν την AI απευθείας στις βασικές ροές εργασιών τους αντί να την αντιμετωπίζουν ως ανεξάρτητο εργαλείο ή πιλοτικό έργο.

Έχετε ηγηθεί σημαντικών πρωτοβουλιών AI στο Spotify, έχετε αναπτύξει και πουλήσει την Combient Mix και αργότερα έχετε διαμορφώσει την στρατηγική AI επιχειρήσεων στην Silo AI πριν ιδρύσετε την Kovant. Ποια συγκεκριμένα κενά ή ενοχλήσεις συναντήσατε σε αυτούς τους ρόλους που σας έκαναν να πιστεύετε ότι είναι η σωστή στιγμή για να κατασκευάσετε μια αυτόνομη πλατφόρμα επιχειρήσεων, και πώς αυτή η ιστορία διαμόρφωσε τη βασική φιλοσοφία σχεδιασμού της Kovant;

Σε όλους τους προηγούμενους ρόλους μου, κάποια συνεχή κενά συνέχισαν να εμφανίζονται. Πρώτον, τα περισσότερα “κατακόρυφα” εργαλεία AI είναι αποτελεσματικά εγκλωβισμένα σε μία μόνο στοίβα λογισμικού: κάνουν κάτι λίγο καλύτερα μέσα σε αυτό το όριο, αλλά δυσκολεύονται τη στιγμή που μια ροή εργασιών χρειάζεται να διασχίσει πολλαπλά συστήματα. Ταυτόχρονα, τα δεδομένα επιχειρήσεων είναι σκορπισμένα σε πολλά εργαλεία, και πολλές λύσεις αυτοματοποίησης απλά δεν μπορούν να φτάσουν. Προσθέστε χρόνια σημείο-σε-σημείο ολοκλήρωσης και παίρνετε κλασική αρχιτεκτονική σπαγγέτι: η πολυπλοκότητα αυξάνεται, η αλλαγή γίνεται πιο αργή, και οι ομάδες τελικά αυτοματοποιούν μεμονωμένα βήματα αντί να ξανασχεδιάζουν την ροή εργασιών από την αρχή μέχρι το τέλος. Το αποτέλεσμα είναι ότι το ROI συχνά φτάνει πιο αργά – και μικρότερο – από ότι οι οργανώσεις περιμένουν.

Η Kovant σχεδιάστηκε ως απάντηση σε αυτή τη πραγματικότητα. Η βασική μας φιλοσοφία είναι ότι οι πράκτορες πρέπει να συμπεριφέρονται περισσότερο σαν εργαζόμενοι: εργάζονται σε πολλαπλά εργαλεία, «προσλαμβάνονται» για να κάνουν δουλειές, όχι για να αυτοματοποιήσουν μια μόνη σεναριογραφημένη ακολουθία. Αυτός είναι ο λόγος για τον οποίο οι διασυνδέσεις και ο συντονισμός είναι ενσωματωμένα, και γιατί υποθέτουμε ότι τα δεδομένα επιχειρήσεων είναι συχνά ακατάστατα και μη δομημένα – χρειάζονται μια πιο ανθρώπινη προσέγγιση για να χειριστούν εξαιρέσεις και αμφιβολίες.

Χρησιμοποιούμε πράκτορες θεμελίωσης για να επιτύχουμε ταχύτητα και κλίμακα, διατηρώντας ταυτόχρονα την κυριαρχία των δεδομένων στο επίκεντρο: οι επιχειρήσεις μπορούν να αποκτήσουν και να χρησιμοποιήσουν τα δικά τους δεδομένα οριζόντια χωρίς να τα αφήσουν να φύγουν από τις εγκαταστάσεις τους.

Η Kovant θέτει τον εαυτό της ως μια αυτόνομη πλατφόρμα επιχειρήσεων ικανή να τρέχει ολόκληρες λειτουργίες και τμήματα με πράκτορες AI. Πώς ορίζετε “αυτόνομη” σε ένα επιχειρηματικό πλαίσιο, και πώς αυτό διαφέρει από τα εργαλεία αυτοματοποίησης και πράκτορες που οι εταιρείες πειραματίζονται ήδη σήμερα;

Σε ένα επιχειρηματικό πλαίσιο, όταν λέμε “αυτόνομη” δεν εννοούμε «χωρίς επίβλεψη». Σημαίνει ότι οι πράκτορες AI μπορούν να λάβουν ουσιαστικές ενέργειες από την αρχή μέχρι το τέλος μιας λειτουργίας με σαφείς στόχους και φράγματα, και θα ανεβάσουν σε ανθρώπους όταν η επιτήρηση είναι απαραίτητη.

Τι κάνει την Kovant διαφορετική είναι οι πράκτορες θεμελίωσης. Αντί να αυτοματοποιούν μια μόνη, σταθερή διαδικασία ή να ακολουθούν μια προκατασκευασμένη ακολουθία, οι πράκτορες της Kovant μπορούν να εργαστούν ως ομάδα (ή σμήνος) σε μια λειτουργία χρησιμοποιώντας μόνο οδηγίες και μια επισκόπηση λειτουργίας που ονομάζουμε σχέδιο. Δεν είναι σχεδιασμένοι για μια μόνη, στενή εργασία· συνεργάζονται για να λύσουν σύνθετες ροές εργασιών, να προσαρμοστούν καθώς οι συνθήκες αλλάζουν, και να παραδώσουν στους ανθρώπους όταν η κατάσταση απαιτεί επιτήρηση.

Για παράδειγμα, μια ομάδα πρακτόρων διαχείρισης αποθέματος μπορεί να εκτελέσει όλες τις ακόλουθες εργασίες χωρίς να τις ξαναχτίσει από την αρχή, συμπεριλαμβανομένων: επικοινωνίας με προμηθευτές μέσω email, παρακολούθησης επιπέδων αποθέματος και σημάτων εξάντλησης αποθεμάτων, παρακολούθησης αποστολών και παραγγελιών αγοράς, ενημέρωσης καταστάσεων σε διάφορα συστήματα, δημιουργίας αναφορών αποκλίσεων προς έγκριση από τους υπεύθυνους προγραμματισμού αποθεμάτων, ανακατανομής αποθέματος μεταξύ αποθηκών, και συνένωσης αναφορών αποθέματος.

Έτσι, η αλλαγή είναι ότι αντί για “chat plus εργαλεία” ή εύθραυστες αυτοματοποιήσεις που σπάζουν σε κλίμακα, οι επιχειρήσεις μετακινούνται από την κατασκευή πρακτόρων στο να τρέχουν τους πράκτορες σε κλίμακα.

Παρά το τεράστιο ενδιαφέρον για την AI βασισμένη σε πράκτορες, πολλές οργανώσεις παραμένουν κολλημένες στη λειτουργία πιλότου. Από ό,τι βλέπετε σε πραγματικές αναπτύξεις, ποια είναι οι κύριοι λόγοι που οι εταιρείες δυσκολεύονται να μεταβούν από πειραματισμό σε κλιμακωμένη παραγωγή;

Τι βλέπουμε είναι ότι οι περισσότερες οργανώσεις δεν κολλάνε στη λειτουργία πιλότου επειδή η ιδέα είναι λάθος· κολλάνε επειδή το περιβάλλον είναι εχθρικό στην κλιμάκωση.

Ο πρώτος αποκλεισμός είναι το κατακερματισμένο επιχειρηματικό τοπίο τεχνολογίας. Οι ροές εργασιών διασχίζουν πολλά συστήματα, τα δεδομένα ζουν σε πολλά μέρη, και το ράψιμο όλων μαζί με τρόπο που να είναι αξιόπιστο είναι δύσκολο. Και η AI βασισμένη σε πράκτορες συχνά αναπτύσσεται ως προσθήκη σε υπάρχοντα εργαλεία, αντί να είναι ένας τρόπος να ξανασχεδιάσετε πώς η ροή εργασιών πρέπει να τρέξει από την αρχή μέχρι το τέλος.

Υπάρχει επίσης ένα πραγματικό πρόβλημα αρχιτεκτονικής και δεδομένων. Πολλοί προμηθευτές SaaS ακόμα προσπαθούν να κλειδώσουν τα δεδομένα, δημιουργώντας ασυμβατότητες και περιορισμούς σε αυτά που οι πράκτορες μπορούν να κάνουν σε διάφορα συστήματα. Και πολλές ομάδες υποτιμούν το γεγονός ότι τα περισσότερα επιχειρηματικά δεδομένα είναι μη δομημένα (emails, έγγραφα, αιτήματα υποστήριξης, PDF, chat logs). Αν η προσέγγισή σας υποθέτει καθαρά, δομημένα δεδομένα, ο χρόνος μέχρι την απόκτηση αξίας γίνεται μεγαλύτερος, πιο οδυνηρή, και πιο δύσκολο να αναπαραχθεί πέρα από το πιλότο.

Σύντομα: κατακερματισμός, κλείδωμα, και μη δομημένα δεδομένα δημιουργούν έλξη – και τα πιλοτικά δεν γίνονται ποτέ παραγωγή μέχρι να ληφθούν υπόψη αυτές οι πραγματικότητες στον σχεδιασμό.

Η αξιοπιστία συχνά αναφέρεται ως ο μεγαλύτερος αποκλεισμός για την ανάπτυξη πρακτόρων AI στον πραγματικό κόσμο. Γιατί τόσοι πολλοί συστήματα πρακτόρων αποτυγχάνουν μια φορά που βγουν από ελεγχόμενα περιβάλλοντα, και πώς η προσέγγιση της Kovant μειώνει προβλήματα όπως οι ψευδαισθήσεις και η απρόβλεπτη συμπεριφορά;

Κάποια συστήματα πρακτόρων φαίνονται καλά στις επιδείξεις, τότε αποτυγχάνουν στον πραγματικό κόσμο επειδή το περιβάλλον είναι ακατάστατο και απρόβλεπτο. Τα δεδομένα είναι ελλιπή ή ασυνεπή, περιπτώσεις άκρου εμφανίζονται συνεχώς (επιστροφές, διαμάχες, ειδικές εγκρίσεις). Οι ροές εργασιών διασχίζουν πολλαπλά εργαλεία, πλατφόρμες και ολοκλήρωσεις που αλλάζουν με τον καιρό, και οι άδειες ποικίλλουν. Όταν ένας πράκτορας AI ζητηθεί να χειριστεί μια μεγάλη εργασία και του δίνεται πολύ πλαίσιο ταυτόχρονα, ο κίνδυνος ψευδαισθήσεων και περίεργης συμπεριφοράς αυξάνεται.

Η Kovant μειώνει αυτό με σχέδιο. Η μοναδική αρχιτεκτονική μας στενεύει τον χώρο προβλήματος, τον χώρο απόφασης και τον πλαίσιο που τα μοντέλα εργάζονται για να μειώσουν τις ψευδαισθήσεις. Σπάζουμε επίσης τις λειτουργίες σε στενές, εστιασμένες εργασίες για μεμονωμένους πράκτορες και βήματα. Αυτό κάνει τη συμπεριφορά πιο προβλέψιμη, και προσθέτει ιχνηλασιμότητα και ελέγχου στο σύστημα και μπορεί να διαχειριστεί τις ψευδαισθήσεις καλύτερα. Μπορούμε να δούμε τι έκανε κάθε πράκτορας, πού ξεκίνησε μια αποτυχία, και να παρέμβουμε ή να ανεβάσουμε όταν χρειάζεται.

Οι ψευδαισθήσεις δεν εξαφανίζονται μαγικά, αλλά με το να περιορίζουμε τι είναι υπεύθυνος κάθε πράκτορας και να περιορίζουμε τον πλαίσιο που μπορεί να ενεργήσει, μπορούμε να μειώσουμε τη συχνότητά τους και να περιορίσουμε την επίδρασή τους. Αυτή η “στενή εργασία/πλαίσιο” προσέγγιση έχει επίσης υποστηριχθεί από πρόσφατο έργο της ομάδας ερευνών της Nvidia (NVDA ), η οποία βρήκε παρόμοια οφέλη από την περιόριση της απόφασης του πράκτορα.

Η ευθύνη είναι ένα σημαντικό ζήτημα καθώς οι πράκτορες AI αρχίζουν να λάβουν ουσιαστικές ενέργειες σε επιχειρηματικά συστήματα. Πώς οι λεπτομερείς καταγραφές ενεργειών αλλάζουν τη συζήτηση γύρω από την εμπιστοσύνη, τη συμμόρφωση και τον επιχειρηματικό κίνδυνο;

Με τις λεπτομερείς καταγραφές ενεργειών μπορούμε να δούμε τι συνέβη, γιατί συνέβη και τι συμβαίνει στη συνέχεια.

Οι λεπτομερείς καταγραφές μετατρέπουν έναν πράκτορα από ένα μυστηριώδες bot που εργάζεται σε μια μηχανή σε ένα σύστημα που μπορείτε να ελέγξετε.

Στην Kovant, με κάθε ανάπτυξη πράκτορα AI, θα υπάρχει ένας χάρτης κινδύνων βάσει του οποίου μπορεί να δράσει ο οργανισμός, έχουμε ενσωματωμένη διαδικασία ανθρώπινης έγκρισης για επικίνδυνες ενέργειες που σημαίνει ότι οι πράκτορες μπορούν να εκτελέσουν μόνο αυτές τις εργασίες αν ένας άνθρωπος αναθεωρήσει και εγκρίνει την απόφαση. Όλα αυτά είναι καταγεγραμμένα με τον ίδιο τρόπο όπως ένα σύστημα εγγραφών και είναι ιχνηλασιμά.

Πιστεύουμε ότι είναι σημαντικό να συνδυάσουμε τις καταγραφές ενεργειών με ανθρώπινη επιτήρηση και παρατηρησιμότητα για να ελαττώσουμε τον κίνδυνο. Αυτό σημαίνει ότι ακόμα παίρνετε τα οφέλη ταχύτητας και κλίμακας των πρακτόρων που τρέχουν πραγματικές λειτουργίες.

Υπάρχει μια αυξανόμενη συζήτηση σχετικά με το αν οι πράκτορες AI μπορούν ακόμα να ασφαλιστούν λόγω της αδιαφάνειας της λήψης αποφάσεων. Πώς η δυνατότητα ελέγχου και αναπαραγωγής των ροών εργασιών των πρακτόρων βοηθά στην αντιμετώπιση του προβλήματος του «μαύρου κουτιού» και ανοίγει τον δρόμο προς τη δυνατότητα ασφάλισης;

Το “μαύρο κουτί” πρόβλημα είναι αυτό που δυσκολεύει την ασφάλιση. Αν δεν μπορείτε να δείξετε σαφώς τι έκανε ένας πράκτορας, γιατί το έκανε, και ποιοι μηχανισμοί ελέγχου υπήρχαν, είναι δύσκολο για οποιονδήποτε, ειδικά για τους ασφαλιστές, να τιμολογήσει τον κίνδυνο.

Η προσέγγισή μας είναι ουσιαστικά μια επέκταση του συστήματος ευθύνης στην προηγούμενη απάντηση. Σπάζουμε τον χώρο απόφασης και την επίδραση των ενεργειών σε μικρότερα κομμάτια, ώστε το μοντέλο να μην λαμβάνει μια τεράστια, αδιαφανή απόφαση που μπορεί να επηρεάσει μια ολόκληρη λειτουργία. Κάθε βήμα είναι στενότερο, πιο προβλέψιμο, και πιο εύκολο να αξιολογηθεί.

Στη συνέχεια, προσθέτουμε λεπτομερείς καταγραφές, παρατηρησιμότητα, και ανθρώπινη επιτήρηση. Για τις πιο σημαντικές και επηρεαστικές αποφάσεις, χρησιμοποιούμε έναν ανθρώπινο φύλακα ώστε ο πράκτορας να μπορεί να προχωρήσει μόνο μετά από αναθεώρηση και έγκριση. Αυτό δημιουργεί πολύ μεγαλύτερη ορατότητα στο πώς η ροή εργασιών συμπεριφέρεται στην πράξη.

Η δυνατότητα ελέγχου και αναπαραγωγής των ροών εργασιών είναι το τελευταίο κομμάτι. Αν κάτι πάει λάθος, μπορείτε να αναπαράγετε τι συνέβη, να ερευνήσετε γρήγορα, να επικυρώσετε διορθώσεις, και να δείξετε πόσο συχνά απαιτείται ανθρώπινη έγκριση και πού βρίσκονται τα φράγματα. Σε όρους ασφαλιστή, αυτό μετατρέπει τη μυστηριώδη συμπεριφορά AI σε κάτι που μοιάζει περισσότερο με τυπικό επιχειρηματικό κίνδυνο.

Με πρωτοβουλίες όπως το Agentic AI Foundation που στοχεύουν να δημιουργήσουν κοινές προδιαγραφές για συστήματα πρακτόρων, ποια είναι τα πιο υποσχόμενα κομμάτια αυτών των προσπαθειών, και πού ακόμα παραμένουν πίσω για τις πραγματικές επιχειρηματικές λειτουργίες;

Η τυποποίηση είναι γενικά ένα καλό πράγμα. Το AAIF μπορεί να κάνει το λιγότερο εντυπωσιακό αλλά απαραίτητο έργο να κάνει τα συστήματα πρακτόρων να μιλήσουν την ίδια γλώσσα, το οποίο πρέπει να κάνει τις ολοκλήρωσεις πιο εύκολες και να μειώσει την εξάρτηση από έναν προμηθευτή με τον καιρό.

Πού είμαι προσεκτικός είναι η προοπτική του ποιος διαμορφώνει τις προδιαγραφές. Αν το μεγαλύτερο μέρος του έργου οδηγείται από τους δημιουργούς μοντέλων και τεχνολογικές εταιρείες, υπάρχει ο κίνδυνος ότι οι “προδιαγραφές” θα βελτιστοποιούν για το τι είναι πιο εύκολο να κατασκευαστεί ή να παρουσιαστεί σε επίδειξη, αντί για το τι οι μεγάλες οργανώσεις πραγματικά χρειάζονται για να τρέχουν τους πράκτορες με ασφάλεια καθημερινά.

Για τις πραγματικές επιχειρηματικές λειτουργίες, τα κενά τείνουν να είναι λιγότερα για συνδέσμους και περισσότερα για έλεγχο: τι μπορεί να προσεγγίσει και να αλλάξει ένας πράκτορας, εργασίες έγκρισης για υψηλές-επιπτώσεις ενέργειες, ελέγξιμες καταγραφές, και παρατηρησιμότητα ώστε οι ομάδες να μπορέσουν να παρακολουθήσουν τη συμπεριφορά, να ερευνήσουν περιπτώσεις, και να αποδείξουν τη συμμόρφωση. Οι επιχειρήσεις χρειάζονται επίσης πρακτικές προδιαγραφές για λειτουργία σε ακατάστατη πραγματικότητα: δοκιμή κατά των περιπτώσεων άκρου, χειρισμό αλλαγών συστημάτων, και τη δυνατότητα να παύσουν, να περιορίσουν, ή να αναστρέψουν ενέργειες με ασφάλεια σε παλαιότερα εργαλεία και περιβάλλοντα δεδομένων που υπόκεινται σε κανονιστικές απαιτήσεις.

Έτσι, είναι μια υποσχόμενη κατεύθυνση, αλλά η επίδραση θα είναι περιορισμένη αν οι απαιτήσεις των επιχειρήσεων και οι έλεγχοι λειτουργικού κινδύνου δεν λαμβάνονται υπόψη από την αρχή.

Η Kovant έχει ήδη παράγει σημαντικά έσοδα από μεγάλες σκανδιναβικές επιχειρήσεις ενώ λειτουργεί κυρίως σε μυστική λειτουργία. Ποιοι τύποι επιχειρηματικών λειτουργιών ή ροών εργασιών αποδεικνύονται πιο έτοιμοι για αυτόνομους πράκτορες AI σήμερα;

Από ό,τι βλέπουμε σε πραγματικές αναπτύξεις, οι ροές εργασιών που είναι πιο “έτοιμες” σήμερα είναι αυτές που αποτελούνται από εργασία γραφείου που ανταποκρίνεται σε γεγονότα: παρακολούθηση, υπενθυμίσεις και διεκπεραίωση εκκρεμοτήτων, έλεγχος, ενημέρωση συστημάτων, χειρισμό εξαιρέσεων, και διατήρηση λειτουργιών σε πολλαπλά εργαλεία.

Στην παραγωγή και στις ευρύτερες επιχειρηματικές αλυσίδες εφοδιασμού, αυτό εμφανίζεται σε:

• Προμήθεια: διαθεσιμότητα πρώτων υλών, βιώσιμη προμήθεια, λειτουργίες συμμόρφωσης, επιλογή προμηθευτή (συμπεριλαμβανομένης της διπλής/πολλαπλής προμήθειας), διαχείριση συμβάσεων, διαχείριση κινδύνου προμηθευτή, και διαχείριση προσφορών/δημοπρασιών.
• Παραγωγή: σχεδιασμός ικανότητας, προγραμματισμός παραγωγής, διαχείριση συντήρησης, διαχείριση ποιότητας, διαχείριση φραγμών, και πρόληψη απωλειών.
• Αποθήκη: λήψη & έλεγχος, διαχείριση αποθέματος, περιστροφή αποθέματος (FIFO/FEFO), και κυκλική απογραφή και έλεγχος.
• Μεταφορά / logistics: επιλογή τρόπου και μεταφορέα, τελωνειακή εκκαθάριση/τεκμηρίωση, παρακολούθηση & ορατότητα, παρακολούθηση εκπομπών, και συμμόρφωση με το εμπόριο.
• Πωλήσεις και υπηρεσία: διαθεσιμότητα προϊόντων, πρόληψη εξάντλησης αποθεμάτων, διαχείριση πωλήσεων/επιστροφών, ανάλυση συμπεριφοράς καταναλωτών, καθώς και τομείς εξυπηρέτησης μετά την πώληση όπως επισκευές, παρακολούθηση τελικού κύκλου ζωής, λειτουργία συνεργείων, και συμβάσεις υπηρεσιών.

Όταν οι επιχειρήσεις αναπτύσσουν πράκτορες AI σε κρίσιμες λειτουργίες, πώς συνιστάτε να ισορροπήσετε την αυτονομία με την ανθρώπινη επιτήρηση για να διατηρήσετε τον έλεγχο χωρίς να επιβραδύνετε όλα;

Η ισορροπία είναι η διακυβέρνηση της αυτονομίας. Πρέπει να αφήσετε τους πράκτορες να κινούνται γρήγορα σε χαμηλού κινδύνου εργασία εντός σαφών φραγμάτων, και να ανεβάσετε στους ανθρώπους όταν η ενέργεια διασχίζει ένα καθορισμένο όριο κινδύνου.

Πολλές αποτυχίες προκύπτουν από το να δώσετε στο μοντέλο πολύ ευρύ πεδίο και πολύ πλαίσιο την ίδια στιγμή. Συνιστώ να σπάσετε τις λειτουργίες σε στενές, στενές αποφάσεις, όπου κάθε βήμα έχει σαφείς άδειες και περιορισμένη ακτίνα επίδρασης. Αυτό μειώνει την απρόβλεπτη συμπεριφορά και κάνει την απόδοση πιο εύκολη να παρακολουθήσετε και να βελτιώσετε.

Στη συνέχεια, συνδυάζω τρία πράγματα: παρατηρησιμότητα, καταγραφές ενεργειών, και ανθρώπινη φύλαξη. Όλα όσα κάνει ο πράκτορας πρέπει να είναι ιχνηλασιμά, ώστε να μπορείτε να ελέγξετε τι συνέβη και να ερευνήσετε γρήγορα. Για υψηλές-επιπτώσεις ή ρισκικές ενέργειες, βάζω ένα βήμα έγκρισης ανθρώπων στην ροή εργασιών, ώστε ο πράκτορας να μπορεί να προτείνει και να προετοιμάσει, αλλά να εκτελεί μόνο όταν ένας άνθρωπος εγκρίνει.

Αυτό διατηρεί τα πράγματα σε κίνηση. Αν και μπορεί να επιβραδύνει ελαφρώς στο βήμα ανθρώπινης επιτήρησης, αυτό είναι ένα σημαντικό μέρος της διαδικασίας. Οι άνθρωποι δεν είναι κολλημένοι να επιτηρούν κάθε κλικ, αλλά είναι ακόμα στο έλεγχο των στιγμών που έχουν σημασία. Το αποτέλεσμα είναι ταχύτητα όπου είναι ασφαλής, και επιτήρηση όπου είναι απαραίτητη.

Κοιτάζοντας μπροστά, πώς περιμένετε ο ρόλος των αυτόνομων πρακτόρων AI να εξελιχθεί μέσα στις μεγάλες οργανώσεις τα επόμενα λίγα χρόνια, και τι θα ξεχωρίσει τις εταιρείες που θα επιτύχουν με την AI βασισμένη σε πράκτορες από αυτές που θα πασχίσουν;

Τα επόμενα λίγα χρόνια, οι αυτόνομοι πράκτορες AI θα μεταβούν από ενδιαφέρουσες πειραματικές σε πραγματικό επιχειρηματικό στρώμα μέσα στις μεγάλες οργανώσεις. Θα χρησιμοποιηθούν για λειτουργίες, υπηρεσία πελατών, οικονομικά και ανθρώπινο δυναμικό. Όσο η αξιοπιστία, η διακυβέρνηση και η επιτήρηση βελτιώνονται, θα δούμε τις επιχειρήσεις να μετακινούνται από απομονωμένα πιλοτικά στη λειτουργία ομάδων πρακτόρων σε ολόκληρες ροές εργασιών.

Η μεγαλύτερη αλλαγή είναι ότι η ταχύτητα, η ευελιξία, η κλίμακα, η αποτελεσματικότητα και το κόστος θα γίνουν πολύ πιο άμεσοι μοχλοί ανταγωνισμού. Πιστεύω ότι ένα “κίνημα Uber” έρχεται για τις επιχειρήσεις. Αυτές που θα κυριαρχήσουν πραγματικά την AI βασισμένη σε πράκτορες θα μπορέσουν να λειτουργούν σε μια θεμελιωδώς υψηλότερη ταχύτητα από τους καθυστερούμενους, να κατέχουν αγορές γρηγορότερα, και να ανταποκρίνονται στην αλλαγή χωρίς τον συνήθη επιχειρηματικό φραγμό.

Τι ξεχωρίζει τους νικητές δεν είναι μόνο η ανάπτυξη πρακτόρων, αλλά η ανάπτυξή τους καλά. Η διακυβέρνηση της αυτονομίας, η ισχυρή παρατηρησιμότητα και οι καταγραφές ενεργειών, και οι αρχιτεκτονικές που στενεύουν τον χώρο απόφασης θα είναι κλειδιά σε αυτό. Οι εταιρείες που θα αντιμετωπίσουν την AI βασισμένη σε πράκτορες ως μια βασική επιχειρηματική ικανότητα, με τους σωστούς ελέγχους, ολοκλήρωση, και ιδιοκτησία, θα τη χρησιμοποιήσουν για να κάνουν περισσότερα, όχι λιγότερα. Αυτό θα απελευθερώσει τις ομάδες να εστιάσουν στην ανάπτυξη και την καινοτομία αντί να ξοδεύουν τις μέρες τους βυθισμένες σε διοικητικές εργασίες. Σύντομα, η ριζική ταχύτητα και αποτελεσματικότητα γίνονται ένα πραγματικό ανταγωνιστικό πλεονέκτημα σε επιχειρηματική κλίμακα.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Kovant.