Agensbasert AI er en delikat fireveis dansk som demokratiserer tilgangen til kritiske forretningsinnsikter

AI har vært fullt av feilaktige påstander siden det ble introdusert, delvis på grunn av en utbredt kunnskapslukke. De uten en teknisk bakgrunn kan ha problemer med å skille mellom begreper som generativ AI, symbolisk AI eller agensbasert AI, og vi har sett teknologiselskaper som utnytter denne lukken ved å hevde at de tilbyr funksjoner de ikke faktisk har. For å gjøre saken mer komplisert, ettersom AI blir stadig mer ubikk, selskaper som utfører selv de mest overflatiske statistiske analyser, omdøper seg plutselig til “maskinlærings-selskaper”. Denne voksende trenden har ført til at potensielle kunder er usikre på hva forskjellige “AI”-løsninger faktisk kan gjøre.

Da agensbasert AI dukker opp, ser vi allerede bedrifter som bruker begrepet på lignende uaktuelle måter – faktisk, mange selskaper som bruker enkle “chat-bots” markedsfører seg som agensbaserte AI-tilbydere. Agensbasert AI representerer et betydelig skritt fremover for AI-teknologi, men det er viktig å forstå nøyaktig hva det betyr. Ekte agensbasert AI er en delikat, fireveis dansk som balanserer elementer av generativ AI, symbolisk AI og forklarende matematikk og ikke-lineære optimeringsmotorer innenfor en agensbasert presentasjon, og oppgraderer menneskelige brukere ved å demokratisere tilgangen til avansert teknologi.

Sortering gjennom moderne AI-misforståelser

Definisjonen av “kunstig intelligens” er bred – men når du ser på hva som trengs for å gjøre det både nyttig og robust, er et ensemble av teknologi nødvendig. En chat-bot kan søke på internettet og sammenfatte og regurgitere funn, men den kan ikke validerer data i Store Språkmodeller (LLM), og den kan heller ikke resonere med den subtile, menneskelignende dømmekraften som trengs for å generere pålitelige innsikter. Å lage en AI-løsning med transformasjonell forretningspåvirkning krever en rekke komponenter som kommer sammen for å danne en større helhet. Denne intrikate balansen støtter resonnering på en menneskelignende måte samtidig som den syntetiserer, analyserer og optimerer pålitelige data for sluttbrukeren på en skala utover menneskelig evne. Et grundig verktøy kan teknisk sett møte den minimale definisjonen av “kunstig intelligens”, men i dagens forretninger trengs løsninger som kan oppnå mer.

Tenker på det som en massemarked bilprodusent som prøver å etterligne utseendet til en luksusmerke. De kan kanskje etterligne overfladiske estetiske trekk på avstand, men ved å undersøke detaljene og materialet (la alene hva som skjules under panseret) vil sannheten avsløres. De som bruker “agensbasert AI” som en markedsføringsbegrep uten funksjonaliteten til å støtte det opp, bør være like lett å avsløre – men kunder har ikke alltid den tekniske ekspertisen til å identifisere hvilket nivå av AI-modning de tilbys. Et selskap kan hevde å være et “optimeringsselskap”, men kan det faktisk utføre begrensning-basert ikke-lineær optimering? Eller bruker det en lineær regresjonsmodell for å utføre grunnleggende prognoser? Verre enn det, bruker det et program som bare kan håndtere fire av de 40 begrensningene som trengs for å modellere et gitt problem? Hvem som helst kan hevde å tilby “AI-baserte” løsninger, men forskjellen i resultater er betydelig.

Dette er viktig å forstå mens vi går inn i den neste fasen av AI-utvikling og -implementering. Agensbasert AI lover å være en revolusjonerende teknologi – en som vil effektivt demokratisere tilgangen til kraftfulle, AI-baserte analyser og avanserte optimeringsfunksjoner.

Hvordan agensbasert AI fungerer og hvorfor det betyr noe

Det finnes fire kritiske elementer i agensbasert AI: symbolisk AI, forklarende matematikk og optimeringsmotorer, generativ AI og “agens” selv:

• Symbolisk AI er “dypt resonnering” delen av hjernen ansvarlig for ting som logisk slutning i form av abduktiv og deduktiv resonnering. Den bruker logikk-basert programmering og teorem-bevissteknikker for å løse problemer på en måte som simulerer menneskehjernen.
• Kraftfulle høydimensjonale, forklarende matematikk og optimeringsmotorer brukes for å engasjere i tungt matematisk beregning nødvendig for å prosessere store mengder data og generere gjennomtrengende innsikter.
• Generativ AI utfører “tynn skjæring” funksjoner nødvendig for å identifisere mønster over store datamengder og extrapolere fra dem.
• Agensbasert AI er den konversasjonelle komponenten som lar maskinen engasjere med mennesker på en menneskelignende måte, og lettengjør engasjement og demokratiserer tilgangen til avanserte analyser og innsikter. Det er “quarterbacken” på laget, og orkestrerer handlinger over systemet.

Agensbasert AI er som en delikat, fireveis dansk – og agens er lederen. Uten en agens for å syntetisere og optimalisere data fra analysemotorene under den, ville brukerne ha tilgang til store mengder informasjon, men lite ide om hvordan de skal organisere eller bruke den. Agensbasert AI oversetter komplekse analyser og optimeringsdata til en demokratiserende brukergrensesnitt, og gir forretningsbrukere tilgang til nyttige og handlebare innsikter uten behov for avansert dataanalysebakgrunn. Generativ AI, symbolisk AI og matematikk og optimeringsmotorer har alle individuelle bruksområder, men agens er den kritiske fjerde delen som muliggjør at alle fire elementer fungerer på en unik og harmonisk måte.

Før agensbasert AI, spilte rollen som agens av en menneskelig operatør – og det er enkelt ikke mulig for et menneske å prosessere noe nær denne mengden informasjon. I dag kan en AI-agens støttet av de andre tre delene av “hjernen” analysere store datamengder påvirket av dusinvis av begrensninger. Disse agensene har også en grundig forståelse av hvordan hver komponent påvirker de andre, og genererer optimeringsinnsiktene nødvendig for å drive i dagens forretninger fremover. Og fordi de presenteres av en AI-agens i stand til menneskelignende resonnering og samtale, er disse kritiske forretningsinnsiktene stadig mer tilgjengelige, selv for brukere uten en høy grad av teknisk ekspertise.

Ekte agensbasert AI revolusjonerer forretningsoptimering

På dette årets Consumer Electronics Show (CES), forutså NVIDIA (NVDA +1.3%) CEO Jensen Huang at 30% av selskaper vil ha “digitale ansatte” som bidrar meningsfullt til forretningen innen utgangen av 2025. Det kan høres ut som en dristig forutsagt, men for de som har brukt betydelig tid på å arbeide med agensbasert AI, er det bare en anerkjennelse av en lenge holdt sannhet. Konfluensen av symbolisk AI, generativ AI og moderne forklarende matematikk og optimeringsmotorer, som danser sammen med den nyttige veiledningen av en AI-agens, gjør kritiske forretningsinnsikter mer tilgjengelige enn noensinne. Ekte agensbasert AI er en revolusjonerende teknologi, og de som ikke adopterer den, risikerer å bli igjen.