AI-mallit ja alustat

Aera esittelee kuusi uudistusta yritysten tekoälypäätösten rakentamiseen ja hallintaan

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Conceptual illustration connecting enterprise decision workflows, policy controls, decision records, agents and monitoring.

Yrityksen tekoälyagentti voi ehdottaa toimittajan vaihtamista tai varaston siirtämistä. Ehdotuksen muuttaminen luotettavaksi liiketoimintapäätökseksi edellyttää muutakin: asiaankuuluvia tietoja, vaihtoehtojen vertailua, käytäntöjen tarkistamista, toimintalupaa sekä kirjausta siitä, mitä sen jälkeen tapahtui. Aera Technology kokoaa nämä vaiheet yhteen agenttisen päätösälyn alustansa kuudella lisäyksellä, jotka julkistettiin AeraHUB 26 NYC -tapahtumassa 27. lokakuuta.

Julkaisu kattaa luonnollisen kielen avulla tapahtuvan taitojen rakentamisen, Decision Ledgerin, Policy Studion, agenttien yhteentoimivuuden, Dynamic UX:n ja Command Centerin. Keskeinen ajatus on, että yritysten on hallittava agenttiensa tekemiä päätöksiä yhtä harkitusti kuin niiden käyttämiä tietoja ja järjestelmiä.

Lähestymistapa ulottuu yksittäisten työntekijöiden tuottavuuden parantamista pidemmälle. Aera keskittyy toistuviin operatiivisiin valintoihin, kuten siihen, mitä valmistetaan, minne toimitetaan ja milloin ostetaan. Tällaiset päätökset voivat vaikuttaa useisiin osastoihin, ja niiden lopputuloksen on välityttävä seuraavan päätöksen pohjaksi.

Perusta alustalle, joka yhdistää tiedot, mallit ja toteutuksen

Aera tarjoaa teknisen perustan. Yhtiön mukaan sen päätösdatamalli yhtenäistää yritysjärjestelmistä ja ulkoisista lähteistä saatavia tietoja, ja sitä täydentää liiketoimintasääntöjen, optimoinnin, simulaatioiden, koneoppimisen ja agenttien orkestrointi. Alusta tukee myös luonnollisen kielen käyttöä vuorovaikutuksessa käyttäjien kanssa.

Taidot kokoavat nämä ominaisuudet tiettyjen liiketoimintaongelmien ratkaisemiseen. Taito yhdistää tietojen integroinnin, analytiikan, päätöslogiikan ja toteutuksen kohdejärjestelmissä. Näin siitä muodostuu uudelleenkäytettävä operatiivinen kyvykkyys, eikä vain keskusteluikkunassa tuotettu vastaus.

Kuusi julkistettua lisäystä käsittelevät sitä, miten yritykset luovat, valvovat ja laajentavat tällaista automaatiota. Ne kuvastavat myös yritysagentteihin liittyvää käytännön rajoitetta: päättelystä on hyötyä vain, jos järjestelmällä on käytettävissään asiaankuuluva liiketoimintakonteksti ja hallittu tapa toteuttaa johtopäätöksensä.

Taitojen rakentaminen muuttaa liiketoimintapyynnön automaatiosuunnitelmaksi

Päivitetty taitojen rakentamisen toiminto alkaa selkokielisesti kuvatusta liiketoimintahaasteesta. Käyttäjä voi esimerkiksi pyytää Aeraa rakentamaan ominaisuuden, joka merkitsee riskialttiit toimittajat. Järjestelmä ehdottaa suunnitelmaa, jonka käyttäjä tarkistaa, viimeistelee ja hyväksyy ennen kuin siitä tulee hallinnoitua päätösautomaatiota.

Aeran mukaan prosessi voidaan usein toteuttaa yhden työskentelyjakson aikana. Julkaisussa ei esitetä riippumatonta vertailuaikaa, mutta tavoiteltu muutos on selvä: asiantuntijoiden tekemää määritystyötä pyritään vähentämään ongelman kuvaamisen ja toistettavan ratkaisun käyttöönoton välillä.

Tarkistusvaihe on edelleen tärkeä. Operatiivinen pyyntö voi kätkeä valintoja siitä, mihin tietoihin luotetaan, mitä pidetään riskinä ja kenellä on oikeus toimia. Ehdotettu suunnitelma tuo nämä valinnat keskusteltaviksi ennen automaation hyväksymistä. Käyttäjät voivat myöhemmin keskustelun avulla tarkentaa ja päivittää taitoja liiketoiminnan vaatimusten muuttuessa.

Decision Ledger ja Policy Studio tuovat hallinnan osaksi työnkulkua

Decision Ledger on suunniteltu säilyttämään valinnan taustalla oleva konteksti: tilanne, päättely, arvioidut käytännöt, tehdyt toimet ja lopullinen tulos. Se tallentaa sekä Aerassa tehdyt päätökset että muiden järjestelmien kautta sen rajapintaan lähetetyt päätökset. Yhtiön mukaan Aera voi myös tunnistaa keskustelussa syntyviä päätöksiä ja pyytää henkilöä vahvistamaan ne.

Tallenteesta voi olla hyötyä, kun tiimin on selvitettävä, miksi poikkeus hyväksyttiin tai toimiko aiempi toimenpide. Tapahtumajärjestelmä voi näyttää, että varastoa siirrettiin; päätöstallenteen tarkoituksena on puolestaan selittää siirtoon johtaneet olosuhteet ja kompromissit.

Policy Studio käsittelee toteutusta ohjaavia sääntöjä. Tiimit lataavat käytäntöasiakirjan tai kuvailevat säännön, minkä jälkeen Aera laatii sääntöluonnokset henkilön hyväksyttäviksi. Sääntöjä voidaan testata reaaliaikaisia päätöksiä vasten ennen niiden voimaantuloa. Käyttöönoton jälkeen ne voivat estää päätöksen, edellyttää hyväksyntää tai antaa varoituksen, ja arviointitulokset tallennetaan Decision Ledgeriin.

Näiden kahden tuotteen välinen yhteys on merkittävä: käytäntöjen tarkistukset tehdään päätöksenteon aikana, ja niiden tuloksista tulee osa päätöksen historiaa. Näin organisaatiot voivat yhdistää hallintakeinot näyttöön niiden soveltamisesta sen sijaan, että prosessi jouduttaisiin rakentamaan jälkikäteen uudelleen.

Yritysagenttien yhdistäminen liiketoimintakontekstia kadottamatta

Yhteentoimivuuslisäykset yhdistävät Aeran Microsoft Copilot Studioon, ulkoisiin agentteihin Agent2Agent (A2A) -protokollan kautta ja ulkoisiin työkaluihin Model Context Protocol (MCP) -protokollan kautta. Kyseessä on kaksi erilaista integrointitapaa: A2A tukee agenttien välistä yhteistyötä, kun taas MCP tarjoaa rajapinnan työkalujen ja kontekstin käyttöön.

Organisaatioille, jotka jo ottavat käyttöön avustajia ja agentteja, etuna on olemassa olevien ratkaisujen hyödyntäminen uudelleen. Aeran päätöskyvykkyydet voivat osallistua nykyisiin työnkulkuihin samalla, kun muut järjestelmät säilyttävät omat käyttöliittymänsä ja toimintonsa. Tuotteen haasteena on varmistaa, että liiketoimintakonteksti, käyttöoikeudet ja käytäntöjen tarkistukset pysyvät voimassa myös työn siirtyessä näiden rajojen yli.

Julkistuksessa yhteentoimivuus kuvataan keinona yhdistää päättely hallinnointiin ja toimeenpanoon. Pelkkä integraatio ei kuitenkaan todista, että kaikkien yhdistettyjen agenttien tuotokset olisivat oikeita. Se riippuu edelleen päätöksentekoprosessista, lähdedatasta ja toiminnon ympärillä olevista valvontakeinoista.

Dynamic UX ja Command Center tuovat päätökset näkyville

Dynamic UX:n avulla käyttäjät voivat luoda ja muokata käyttökokemuksia luonnollisella kielellä annettujen kehotteiden sekä Aeran kaavioiden, taulukoiden, suositusten ja toimintakehotteiden avulla ja julkaista kokemukset sitten osana taitoa. Aera kuvaa uudistuksen siirtymänä perinteisestä suositusten saapuneet-kansiosta kohti vuorovaikutteisia, eri rooleille räätälöityjä työtiloja.

Tästä on hyötyä, sillä eri päätöksissä tarvitaan erilaista näyttöä. Toimittajariskejä arvioiva hankintapäällikkö ja varastosiirtoja suunnitteleva asiantuntija saattavat tarvita erilaisia vertailuja, raja-arvoja ja toimia, vaikka molemmat käyttäisivät samaa alustaa.

Command Center tarjoaa koko yrityksen kattavan näkymän päätöstoimintaan, suorituskykyyn ja liiketoimintavaikutuksiin rakenteisissa ja tilannekohtaisissa päätöksissä riippumatta siitä, avustetaanko ihmisiä vai automatisoidaanko toimeenpano. Sen tarkoituksena on auttaa organisaatioita arvioimaan tuloksia ja tunnistamaan, missä päätöksentekoprosesseja on parannettava käyttöönoton laajentuessa.

”Tavoitteenamme on aina ollut hallita päätöksiä digitaalisena omaisuuseränä, joka tallennetaan, jota hallinnoidaan ja jota kehitetään jatkuvasti”, sanoi Aeran toinen perustaja ja teknologiajohtaja Shariq Mansoor.

Kuusi lisäystä tukevat tätä tavoitetta elinkaaren eri vaiheissa: kyvykkyyden rakentamisessa, käytäntöjen soveltamisessa, järjestelmien koordinoinnissa, näytön esittämisessä, tuloksen kirjaamisessa ja suorituskyvyn seurannassa. Niiden liiketoiminta-arvo riippuu siitä, miten hyvin nämä osat toimivat yhdessä käytännön toiminnassa. Yritysten tekoälyn kannalta olennainen muutos on siirtyminen uskottavan suosituksen tuottamisesta sellaisen toiminnon hallintaan, jonka päättelyperusteet, rajoitteet ja tulokset voidaan tutkia.

Aiden Cross on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälytuotteiden strategian, toteutuksen ja käytännön haasteet, joita liittyy kokeellisten mallien muuttamiseen skaalattaviksi, markkinoille valmiiksi tuotteiksi. Hänen työnsä keskittyy siihen, miten startup-yritykset ja suuret yritykset siirtyvät prototyypeistä ja demoista luotettaviin järjestelmiin, joita todelliset asiakkaat käyttävät.
Hänen työnsä on pragmaattista ja yksityiskohtaista, ja Aiden analysoi tuotteen kehitysroadmappeja, markkinoilletulostrategioita, alustapäätöksiä ja organisaatioiden kompromisseja, jotka määräävät, onnistuvatko tekoälyhankkeet vai jäävätkö ne paikoilleen. Hän kiinnittää erityistä huomiota käyttöönoton todellisuuteen, käyttäjähyväksyntään, infrastruktuurirajoituksiin ja teknisen kyvyn ja liiketoiminta-arvon väliseen yhteensopivuuteen.
Aiden Crossin kirjoittamat artikkelit ovat tekoälygeneroituja ja Unite.AI:n toimituksellinen tiimi tarkistaa ne, jotta varmistetaan selkeä, tarkka ja vastuullinen käsittely siitä, miten tekoälytuotteet rakennetaan, toimitetaan ja skaalataan todellisessa maailmassa.