Il Percorso dall’RPA agli Agenti Autonomi

Un investigatore di crimini finanziari che un tempo riceveva grandi volumi di allarmi di attività sospette che richiedevano un lavoro di indagine tedioso e manuale per raccogliere dati attraverso sistemi per eliminare i falsi positivi e redigere rapporti di attività sospetta (SAR) sugli altri. Oggi, riceve allarmi prioritizzati con ricerche automatizzate e contenuti suggeriti che possono generare SAR in pochi minuti.

Un pianificatore di categorie di vendita che in precedenza eseguiva analisi di ore di rapporti delle settimane precedenti per cercare di scoprire informazioni su quali prodotti erano sottovalutati e perché, ora utilizza l’AI per fornire approfondimenti che evidenziano aree problematiche e suggeriscono azioni correttive, priorizzate per il massimo impatto aziendale. Un ingegnere di manutenzione industriale utilizza un copilota che esegue un monitoraggio della salute degli asset 24 ore su 24 e prevede problemi e genera avvertimenti nelle prime fasi di problemi meccanici o di prestazioni, riducendo il tempo di fermo non pianificato.

Queste trasformazioni stanno avvenendo in tutte le imprese oggi, segnalando un cambiamento fondamentale: applicazioni verticali che combinano AI predittiva, generativa ed emergente agente sono in grado di aumentare e trasformare l’automazione del flusso di lavoro, fornendo capacità mirate e sofisticate che affrontano sfide più complesse e contestuali rispetto alle soluzioni precedenti.

Il ciclo di iper-attività di Gartner del 2024 per le tecnologie emergenti ha evidenziato l’AI autonoma come una delle quattro principali tendenze tecnologiche emergenti dell’anno – e con buone ragioni. Con gli agenti non-AI, gli utenti dovevano definire cosa dovevano automatizzare e come farlo in grande dettaglio. Ma le applicazioni che combinano AI predittiva, generativa e agente con conoscenze verticali e flussi di lavoro specializzati possono estrarre informazioni da fonti disparate in tutta l’impresa, velocizzare e automatizzare attività ripetitive e fornire raccomandazioni per azioni ad alto impatto. Le imprese che utilizzano queste applicazioni realizzano una presa di decisione più rapida e precisa, un’identificazione e una risoluzione dei problemi più rapide e misure preventive per evitare che i problemi si verifichino in primo luogo.

Gli agenti AI rappresentano la prossima ondata nell’AI aziendale. Si basano sui fondamenti dell’AI predittiva e generativa, ma fanno un grande passo avanti in termini di autonomia e adattabilità. Gli agenti AI non sono solo strumenti per l’analisi o la generazione di contenuti, ma sono sistemi intelligenti in grado di prendere decisioni indipendenti, risolvere problemi e imparare in continuazione. Questo progresso segna un passaggio dall’AI come strumento di supporto all’AI come partecipante attivo nei processi aziendali, in grado di iniziare azioni e adattare strategie in tempo reale.

L’Evolutzione dall’RPA agli Agenti Autonomi

Tradizionalmente, l’RPA era utilizzato per processi ripetitivi, basati su euristica e attività a bassa complessità con input di dati strutturati. L’RPA utilizza input strutturati e logica definita per automatizzare processi altamente ripetitivi come l’inserimento di dati, il trasferimento di file e la compilazione di moduli. La larga disponibilità di AI predittiva e generativa economica e molto efficace ha affrontato il livello successivo di problemi aziendali più complessi che richiedono competenze specializzate nel dominio, sicurezza di classe aziendale e la capacità di integrare diverse fonti di dati.

Al livello successivo, gli agenti AI vanno oltre gli algoritmi AI predittivi e il software con la loro capacità di operare in modo autonomo, adattarsi a ambienti in evoluzione e prendere decisioni basate su regole pre-programmate e comportamenti appresi. Mentre gli strumenti AI tradizionali potrebbero eccellere in attività specifiche o analisi di dati, gli agenti AI possono integrare più capacità per navigare ambienti complessi e dinamici e risolvere problemi multifaceti. Gli agenti AI possono aiutare le organizzazioni a essere più efficaci, più produttive e migliorare l’esperienza del cliente e dell’impiegato, riducendo i costi.

Quando costruiti con i modelli AI giusti come strumenti e con fonti di dati verticali e apprendimento automatico per supportare attività contestuali specializzate, gli agenti AI diventano cavalli da tiro ad alta produttività nel decifrare il problema, eseguire i passaggi giusti, recuperare dagli errori e migliorare nel tempo le attività assegnate.

Navigare l’Implementazione: Aspetti Chiave per le Imprese da Considerare

Implementare l’AI predittiva, generativa e agente in un ambiente aziendale può essere molto benefico, ma seguire i passaggi giusti prima del deploy per assicurare il successo è fondamentale. Ecco alcuni dei principali aspetti da considerare per le imprese che considerano e iniziano a distribuire gli agenti AI.

• Allineamento con gli Obiettivi Aziendali: Per l’adozione dell’AI aziendale di essere di successo, dovrebbe affrontare casi d’uso specifici in settori specifici e fornire una maggiore produttività e precisione. Coinvolgere regolarmente gli stakeholder aziendali nel processo di valutazione/selezione dell’AI per garantire l’allineamento e fornire un chiaro ROI. I prodotti dovrebbero essere adattati ai processi e ai flussi di lavoro che migliorano misurabilmente i risultati per i casi d’uso e i domini verticali definiti.
• Qualità, Quantità e Integrazione dei Dati: Poiché i modelli AI richiedono grandi quantità di dati di alta qualità per funzionare efficacemente, le imprese devono implementare pipeline di raccolta e elaborazione dei dati robuste per garantire che l’AI riceva dati attuali, precisi e rilevanti. La cura delle fonti di dati riduce notevolmente il rischio di allucinazioni e consente all’AI di effettuare analisi, raccomandazioni e decisioni ottimali.
• Sicurezza e Privacy: La gestione di dati sensibili nei modelli AI comporta rischi per la privacy e potenziali vulnerabilità di sicurezza. Una attenta considerazione di quali dati sono necessari per l’AI per svolgere il suo lavoro e non fornire dati che non sarebbero direttamente rilevanti può aiutare a minimizzare l’esposizione. Le applicazioni dovrebbero inoltre fornire un controllo di accesso basato su ruolo e utente con protezioni di autenticazione costruite a livello di dati e API e confermare che i dati non raggiungano SLM o LLM senza verifica e protezione.
• Infrastruttura e Scalabilità: L’esecuzione di grandi modelli AI richiede risorse computazionali significative e la scalabilità può essere anche un problema. Un buon design può prevenire il consumo eccessivo di risorse – ad esempio, un SLM specializzato può essere altrettanto efficace di un LLM più generico e ridurre notevolmente i requisiti computazionali e le latenze.
• Interpretazione e Spiegabilità del Modello: Molti modelli AI, in particolare i modelli di apprendimento profondo, sono spesso visti come “scatole nere”. I prodotti AI aziendali di buona qualità forniscono una completa trasparenza, compresi i dati a cui i modelli hanno acceduto e quando, e perché ogni raccomandazione è stata fatta. Avere questo contesto è fondamentale per creare la fiducia degli utenti e guidare l’adozione.

Potenziali Svantaggi degli Agenti AI

Come per ogni nuova tecnologia, gli agenti AI hanno alcuni potenziali svantaggi. Le migliori applicazioni di agenti AI si basano su processi con l’uomo nel ciclo – comprese tutte le applicazioni e le capacità di agente AI di SymphonyAI. Questo approccio consente la supervisione umana, l’intervento e la collaborazione, garantendo che le azioni dell’agente siano allineate con gli obiettivi aziendali e le considerazioni etiche. I sistemi con l’uomo nel ciclo possono fornire feedback in tempo reale, approvare decisioni critiche o intervenire quando l’AI incontra situazioni sconosciute, creando una potente collaborazione tra intelligenza artificiale e umana.

L’AI responsabile fornisce anche un’interfaccia utente solida, tracciabilità e la capacità di verificare i passaggi dell’esecuzione dell’agente. Ci atteniamo ai principi di AI responsabile di responsabilità, trasparenza, sicurezza, affidabilità/sicurezza e privacy.

Il Percorso verso gli Agenti Autonomi Completi

È difficile prevedere quanto realistico sia lo scenario di agenti completamente autonomi perché non abbiamo stabilito un parametro di settore per il livello di autonomia. Ad esempio, l’area della guida autonoma è stata stabilita in relazione ai livelli 1-5 della capacità di guida autonoma, con zero come livello di automazione in cui il conducente esegue tutte le attività di guida, al livello cinque con l’automazione completa in cui il veicolo esegue tutte le attività di guida.

Siamo ben avanti nella terza fase del percorso verso il valore aziendale con l’AI – dove le applicazioni di AI predittiva e generativa combinano raccomandazioni sofisticate e supportano l’analisi “what-if” fluida. In SymphonyAI vediamo la prossima fase evolversi verso agenti AI autonomi, che lavorano con l’AI predittiva e generativa per velocizzare le indagini di frode finanziaria, aumentare la gestione della categoria di vendita e la previsione della domanda e consentire ai produttori di prevedere e prevenire guasti alle macchine.\

Stiamo attualmente migliorando la complessità e l’autonomia degli agenti AI all’interno delle nostre applicazioni e il feedback dei clienti è molto positivo. L’AI predittiva e generativa ha fatto passi da gigante per automatizzare i flussi di lavoro che un tempo erano considerati troppo complessi per il software tradizionale. L’AI autonoma o agente eccelle nel gestire queste attività senza supervisione, portando a guadagni di produttività trasformativi e consentendo alle risorse umane di concentrarsi su attività più strategiche.

Ad esempio, una banca europea multinazionale che utilizza SymphonyAI Sensa Investigation Hub con agenti AI e un copilota ha aiutato gli investigatori di crimini finanziari a risparmiare tempo sulle indagini, migliorando allo stesso tempo la qualità delle indagini. Nel giro di settimane, la banca ha visto un risparmio medio del 20% negli sforzi di indagine di livello 1 e 2. La banca prevede inoltre risparmi di costi con SymphonyAI su Microsoft Azure di 3,5 milioni di euro all’anno, compresa una riduzione dell’80% della spesa con un fornitore di tecnologia leader da 1,5 milioni di euro all’anno a 300.000 euro all’anno.

Con un design pensato e di classe aziendale che utilizza principi di AI responsabile, gli agenti AI forniscono produttività, precisione e eccellenza trasformazionali per un numero crescente di casi d’uso comprovati. La nostra missione in SymphonyAI è fornire alle imprese agenti AI che forniscono eccellenza operativa. Combinando una rapida reattività con un pensiero strategico a lungo termine, l’AI agente è pronta a rivoluzionare processi critici in molti settori.