AI-modeller og plattformer

Appian utvider kontrollen over KI-agenter og lanserer Ask Appian

Aiden Cross
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterAppian plasserer agenter inne i deterministiske prosesser slik at regler håndterer…
Vis mer
  • Appian plasserer agenter inne i deterministiske prosesser slik at regler håndterer forutsigbart arbeid og agenter håndterer skjønn.
  • Raiffeisen rapporterte at en hybrid tilnærming med agenter og regler kuttet tokenforbruk og behandlingstid med 80 % i testing.
  • Appians kontrollplan mangler fortsatt tverrplattformsporing og måling for agenter bygget utenfor plattformen deres.

Appian utvidet kontrollplanet for KI-agenter og lanserte Ask Appian på Appian Europe i London 17. november 2026, med verktøy for tilsyn på prosessnivå og måling av resultater. I kunngjøringen opplyste Raiffeisen Bank International at en hybrid tilnærming med agenter og regler reduserte tokenforbruket og behandlingstiden med 80 % i tester.

Kontrollplanet er utviklet for å registrere Appian-agenter og tredjepartsagenter i én felles administrasjonsvisning, overvåke aktivitet og kostnader, begrense hvilke modeller som kan brukes, følge med på etterlevelse av retningslinjer og generere varsler. Optimaliseringslaget bruker evalueringer til å følge med på nøyaktigheten og knytter agentene til sakene og prosesstrinnene de har håndtert. Forretningsmessige nøkkelindikatorer (KPI-er), som kostnad per sak og behandlingstid, gir driftskonteksten.

Ask Appian er et separat grensesnitt der man kan be om å få utført oppgaver med vanlig språk. Det er utviklet for å hente relevant kontekst fra systemer som er koblet til via Appians datavev, og sette agenter i arbeid med å fullføre oppgaven. Målet er å slippe at ansatte må veksle mellom de underliggende applikasjonene for å samle informasjon og fullføre en forespørsel.

Agenter som trinn i deterministiske prosesser

Appians tilnærming plasserer agenter i deterministiske forretningsprosesser, der prosessen styrer rekkefølgen og hvert trinn utføres av en agent, en person, et system eller en regel. Regler håndterer forutsigbare oppgaver, mens agenter får tydelige rammer og delt kontekst for trinn som krever skjønn. Hvis en agent mislykkes eller blir stoppet, kan oppgaven overføres til en person, en regel eller en annen agent, slik at saken kan føres videre.

Sanat Joshi, Appians konserndirektør for produktledelse, sa at tilganger, rammer og tilgang til modeller ikke kan fastslå om en agent utfører nyttig arbeid. «Appian setter forretningsprosessen i sentrum», sa han og beskrev selskapets fokus på hvordan hver enkelt agent påvirker forretningsresultatene.

Et blogginnlegg fra Appian datert 16. november 2026 forklarer avveiningen. Prosesstyrte trinn er konsekvente, repeterbare og etterprøvbare. Agentstyrte trinn kan håndtere åpne oppgaver, men medfører økte kostnader og forsinkelser, og resultatene kan variere fra sak til sak. I ett eksempel overlater en agent som vurderer et lån, beregningene av gjeld til deterministiske formler, mens en låneansvarlig tar den endelige avgjørelsen.

Dagens integrasjoner og planlagte målefunksjoner

Appians dokumentasjon for kontrollplanet skiller mellom funksjoner som er tilgjengelige nå, og funksjoner som kommer senere. Tredjepartsagenter kan allerede brukes som trinn i Appian-prosesser via MCP eller direkte integrasjon, uten å flyttes inn i Appian. Støtte for A2A-protokollen, et register som omfatter tredjepartsagenter, og sporing av agenter som kjører utenfor Appian, kommer senere.

Måling har en tilsvarende avgrensning. Appian-agenter måles allerede opp mot prosessens KPI-er. Dokumentasjonen oppgir at estimert kostnad per sak og per trinn for Appian-agenter og tredjepartsagenter, sammenligninger av manuelt arbeid før og etter innføring samt anbefalinger for å forbedre agentene kommer senere.

Mange av kontrollplanets funksjoner er tilgjengelige, blant annet kontrollfunksjoner, orkestrering og prosessinnsikt, og kunder kan delta i et program for tidlige brukere for å få tilgang før generell tilgjengelighet. Appian sa at flere funksjoner skulle begynne å bli tilgjengelige i løpet av 2026, men planlagte funksjoner og tidspunkter kan endres, og kjøpsbeslutninger bør baseres på funksjonalitet som er allment tilgjengelig.

Raiffeisens test av agenter og regler

Raiffeisen Bank International har planer om å automatisere betalingsforespørsler med Appian. Claus Mitterlehner, bankens leder for smart automatisering, sa at teamet i utgangspunktet lot KI-agenter håndtere de fleste oppgavene. «Etter å ha testet dette endret teamet kurs og flyttet de forutsigbare trinnene over til deterministisk automatisering, mens agentene ble beholdt for trinnene som krever skjønn», sa han.

Dette er den bredere optimaliseringssløyfen i kontrollplanet: Evalueringer og prosess-KPI-er viser hvordan agentene presterer, og gjentatte agenttrinn kan gjøres om til deterministiske arbeidsflyter eller forretningsregler. Målet er en prosess der agentkostnadene konsentreres om oppgaver som krever skjønn, i stedet for forutsigbar utførelse.

Landingssiden for en studie utført av Appian og Harvard Business Review Analytic Services oppgir at 92 % av respondentene mente at agenter trenger regelbaserte sikkerhetsrammer for å være trygge og effektive, mens 48 % hadde innført slike regler. Studien spurte beslutningstakere innen KI og undersøkte modernisering og integrering av arbeidsflyter.

Forretningsgrunnlaget for kontrollplanet avhenger derfor av mer enn å sørge for at agentene følger retningslinjene. Den avgjørende prøven er om prosessdata kan vise hvor agenter forbedrer kostnader, hastighet eller nøyaktighet, og hvor gjentatt arbeid bør gjøres om til regler. Raiffeisens rapporterte test gir et konkret eksempel. De planlagte funksjonene for register, sporing og måling på tvers av plattformer vil avgjøre hvor konsekvent Appian kan utvide denne analysen til agenter som er utviklet andre steder.

Aiden Cross er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-produktstrategi, gjennomføring og de praktiske utfordringene ved å omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbeid fokuserer på hvordan startups og bedrifter går fra prototyper og demonstrasjoner til pålitelige systemer som brukes av ekte kunder.
Med et pragmatisk og detaljorientert perspektiv, analyserer Aiden produktveikart, strategier for markedslansering, plattformbeslutninger og organisatoriske kompromisser som avgjør om AI-initiativer lykkes eller stopper. Han legger særlig vekt på deployeringsrealiteter, brukeradopsjon, infrastrukturbegrensninger og samsvaret mellom teknisk evne og forretningsverdi.
Artikler skrevet av Aiden Cross er AI-generert og gjennomgått av Unite.AIs redaksjonsteam for å sikre klarhet, nøyaktighet og ansvarlig dekning av hvordan AI-produkter bygges, gjøres tilgjengelige og skaleres i den virkelige verden.