Hvor å starte med Agentic AI: En ramme for bedriftsledere

Over de siste ti år har to parallele reiser utviklet seg og formet bedriftstransformasjon i tandem: prosessreisen og datareisen.

Prosessreisen, eller hvordan arbeid blir gjort, utviklet seg fra Lean Sigma Six til å omfatte robotisert prosessautomatisering (RPA) og digitale arbeidsflyter, alle i jakten på effektivitet, struktur og skala. På den andre siden utviklet datareisen, eller hvordan beslutninger blir tatt, seg fra tradisjonell forretningsintelligens til maskinlæring-basert prediktiv intelligens og nå, generativ AI (gen AI). Begge veier er kraftfulle, men det sanne gjennombruddet kommer når de begge konvergerer. Velkommen, agentic AI.

Agentic AI er infeksjonspunktet der agenter ikke bare forstår data, men også vet hvordan de skal handle innen systemer og arbeidsflyter for større data-drevet automatisering. Forskning viser at 96% av bedriftens IT-ledere planlegger å øke bruken av agenter i de neste 12 månedene. Likevel, når organisasjoner søker å skala agentic AI-initiativer, sliter de ofte med å identifisere hvor og hvordan de skal starte.

For tekniske ledere som søker å utnytte agentic AI, må de tenke på agentic arbeidsflyter som en fusjon av beslutning og eksekvering, og innbygge analytisk intelligens direkte i arbeidsflyter for større effektivitet. Først når denne bedriftsomfattende laget av intelligens er oppnådd, vil autonome agenter kunne lukke løkken mellom å vite og å gjøre.

Definere agentic AI: hva det betyr å være et agentic bedrift

Mange organisasjoner starter sin agentic AI-reise før de forstår hva agentic AI er. Tenk på et agentic bedrift som en travel internasjonal flyplass. Flyene er AI-agenter hver med en oppgave. De vet sitt mål og handler uavhengig, tar av og flyr til deres destinasjon – samtidig som flyplassen forblir fullt funksjonell. Men det er det høyere målet for flyplassen snarere enn den enkelte flybevegelsen som gjør det agentic. Flykontrollørerne er orkestratorene som gjør flyplassoperasjonene fungere smidig – velger hvilke fly som skal deployeres når og hvor, dirigerer bakkekontroll for vedlikehold og drivstoff, og konserterer det hele på mest effektiv måte for hele systemet. Hvert fly eksisterer på egen hånd, men det er koordineringen av alle avganger og ankomster som gjør flyplassen suksessfull i forhold til sikkerhet og effektivitet.

Et agentic bedrift er ikke ett som implementerer enkle refleksagenter, eller grunnleggende boter som er forbedret til å utføre en oppgave. Snarere orkestrerer et agentic bedrift et nettverk av intelligente agenter designet for å håndtere komplekse, multi-trinnsoppgaver uavhengig. De går langt utenfor forhåndsdefinerte regler til hvor agenter kan ta beslutninger som er i samsvar med strategiske mål, og tilpasse og forbedre seg over tid, og bringe bedriftslæring til neste nivå.

Dette er også hva skiller agentic AI fra gen AI. Gen AI responderer på forespørsler, mens agentic AI tar autonome handlinger for å oppnå mål, og lærer og tilpasser seg mens den går. Disse multi-agentsystemer kobler seg til ulike bedriftsapper og opererer med strategisk forsiktighet for å hjelpe med å drive beslutning, automatisere prosesser og levere verdi over hele organisasjonen.

Det er viktig å huske at dette er en reise. Hver agent vil ha sin egen modenhets- og kompleksitetsnivå. Å bli et agentic bedrift krever en helhetlig design, koordinering og kontinuerlig evolusjon av et økosystem av agenter, med klare mål, intelligente tilbakemeldingsløkker og eksperthumanske ressurser der og hvordan det er nødvendig for målet.

Identifisere agentic AI-bruksområder: hvorfor verdiskaping betyr noe

For ofte feiler agentic AI-bruksområder på grunn av dårlig valg av bruksområde. Faktisk forutsier Gartner at over 40% av agentic AI-prosjekter vil bli kansellert innen utgangen av 2027. Disse vil ikke være fra teknologiens feil, men snarere at bedrifter ikke velger de riktige bruksområdene for å deployere agentene.

For å unngå en slik skjebne, må organisasjoner identifisere hvor agentic AI kan ha størst innvirkning ved å vurdere både verdiøkning og hastighet til resultat.

På verdissiden bør bedrifter først spørre hvilke domener som har de største kundeproblemene – internt og eksternt – og deretter har størst potensiale for innvirkning. Deretter må de vurdere hva prosessomfanget og etterspørselen ser ut. En hint? Agentic AI leverer mer tangibelt verdi for områder som har svært komplekse prosesser, store arbeidsflyter og et behov for strategisk, dynamisk beslutning. Det er ikke å understreke at agentic AI bør implementeres i områder som har høy vekstpotensiale, med tanke på dens skalerbarhet og tilpasning til skiftende etterspørsel og volum over tid.

Like viktig er å vurdere hastighet til verdi, som kan gjøres ved å undersøke data for tilgjengelighet, kvalitet og styring. Enkelt uttrykt, bedre data fører til bedre AI-ytelse. Uansett hvor agentic AI aktiveres, er det kritisk å gi sikkerhetsgarder, spesielt når sensitive data er involvert. For å gjøre dette effektivt, må bedrifter faktorisere inn potensielle reguleringer som kan påvirke adopsjonstider. Dette er ikke et område å kutte hjørner. Å starte med human-in-the-loop-systemer hjelper å sikre ansvarlig og etisk implementering, som kan gi bedrifter mer tillit til autonomien til AI-agenter.

Bygge agentic AI-teknologistakk: hvordan å oppnå ønskede resultater

Organisasjoner som er klare til å adoptere agentic AI må bygge riktig teknologisk infrastruktur som muliggjør skalerbarhet til å vokse, fleksibilitet til å integrere og sikkerhet til å beskytte.

For å starte, må bedriftsledere sikre at både strukturert og ustrukturert data er integrert innen samme system for å bygge en sterk data-grunn, som er kritisk for effektiv og bærekraftig adopsjon. Data-tilgjengelighet og -styring er grunnleggende for agentic AI. Dette steget er også kritisk for å bygge oppgave- og domene-spesifikke språkmodeller.

Når data-grunnen er satt og språkmodellene er etablert, bør bedrifter utnytte AI-plattformer, verktøy og tjenester for å akselerere AI-agentadopsjon og modulæritet. Ved å starte med en pilot i en kontrollert miljø, kan organisasjoner trene og deployere agenter som utfører spesifikke oppgaver og leverer forretningsresultater, og sikre menneskelig oversikt og kontinuerlig overvåking av ytelse gjennom en kontroll-lag som er i samsvar med forretnings-KPI-er.

Lede veien

Agentic AI representerer en fundamental endring i måten bedrifter opererer. Bedrifter som kommer ut som vinnere vil være de som bruker det som en mulighet til å tenke om sine driftsmodeller og forretningspraksiser fra bunnen av. Nøkkelen er å eksperimentere klokt og iterere, bygge og samarbeide med intensjon, og deretter skala med tillit.