Gdzie zacząć z agentic AI: ramy dla liderów biznesu

W ciągu ostatnich dziesięciu lat, dwie równoległe podróże pojawiły się i ukształtowały transformację przedsiębiorstw: podróż procesowa i podróż danych.

Podróż procesowa, czyli jak wykonywana jest praca, ewoluowała od Lean Sigma Six, aby objąć automatyzację procesów roboczych (RPA) i cyfrowe przepływy pracy, wszystko w celu osiągnięcia wydajności, struktury i skali. Z drugiej strony, podróż danych, czyli jak podejmowane są decyzje, ewoluowała od tradycyjnego biznesowego wywiadu do inteligencji predykcyjnej opartej na maszynach uczenia się i teraz, generatywnej sztucznej inteligencji (gen AI). Obie ścieżki są potężne, ale prawdziwy przełom następuje, gdy się łączą. Witaj, agentic AI.

Agentic AI jest punktem zwrotnym, w którym agenci nie tylko rozumieją dane, ale także wiedzą, jak działać w systemach i przepływach pracy, aby osiągnąć większą automatyzację opartą na danych. Badania pokazują, że 96% liderów IT w przedsiębiorstwach planuje zwiększyć swoje wykorzystanie agentów w ciągu najbliższych 12 miesięcy. Jednakże, gdy organizacje próbują skalować inicjatywy agentic AI, często mają trudności z identyfikacją, gdzie i jak zacząć.

Dla liderów technicznych, którzy chcą wykorzystać agentic AI, muszą myśleć o agentic workflows jako o połączeniu decyzji i wykonania, osadzając analityczną inteligencję bezpośrednio w przepływach pracy, aby osiągnąć większą wydajność. Dopiero gdy ta warstwa inteligencji na poziomie przedsiębiorstwa zostanie osiągnięta, będą mogli autonomiczni agenci zamknąć pętlę między wiedzą a działaniem.

Definiowanie agentic AI: co to znaczy być agenticznym przedsiębiorstwem

Wiele organizacji rozpoczyna swoją podróż agentic AI, zanim zrozumie, co to jest agentic AI. Wyobraź sobie agentic przedsiębiorstwo jako zajęty międzynarodowy port lotniczy. Samoloty to agenci AI, każdy z nich ma przypisane zadanie. Wiedzą, jaki jest ich cel i działają niezależnie, startując i lecąc do celu – wszystko, podczas gdy port lotniczy pozostaje w pełni funkcjonalny. Ale to wyższy cel portu lotniczego, a nie ruch poszczególnych samolotów, czyni go agenticznym. Kontrolerzy ruchu lotniczego to koordynatorzy, którzy sprawiają, że operacje portu lotniczego przebiegają gładko – wybierają, które samoloty wdrożyć, kiedy i gdzie, kierują kontrolą naziemną do konserwacji i tankowania, i koncertują wszystko w najbardziej efektywny sposób dla całego systemu. Każdy samolot istnieje samodzielnie, ale to koordynacja wszystkich startów i lądowań sprawia, że port lotniczy jest udany pod względem bezpieczeństwa i wydajności.

Agentic przedsiębiorstwo nie jest tym, które wdraża proste agenty odruchowe, czy podstawowe boty, które zostały ulepszone do wykonywania zadania. Agentic przedsiębiorstwo koordynuje sieć inteligentnych agentów zaprojektowanych do obsługi złożonych, wieloetapowych zadań niezależnie. Przekraczają one granice predefiniowanych reguł, aby agenci mogli podejmować decyzje, które są zgodne z celami strategicznymi, i dostosowywać się oraz ulepszać z czasem, wprowadzając przedsiębiorstwo na wyższy poziom.

To również to, co odróżnia agentic AI od gen AI. Gen AI reaguje na polecenia, podczas gdy agentic AI podejmuje autonomiczne działania, aby osiągnąć cele, ucząc się i dostosowując się w trakcie. Te systemy wieloagentowe łączą się z różnymi aplikacjami przedsiębiorstwa i działają z strategiczną przewidywalnością, aby pomóc w podejmowaniu decyzji, automatyzowaniu procesów i dostarczaniu wartości na całym przedsiębiorstwie.

Ważne jest, aby pamiętać, że jest to podróż. Każdy agent będzie miał swoją własną dojrzałość i złożoność, które może obsłużyć. Stawanie się agenticznym przedsiębiorstwem wymaga holistycznego projektowania, koordynacji i ciągłej ewolucji ekosystemu agentów, z wyraźnymi celami, inteligentnymi pętlami informacji zwrotnej i ekspertami ludzkimi osadzonymi tam, gdzie i jak to ma sens dla celu.

Identyfikowanie przypadków użycia agentic AI: dlaczego wartość ma znaczenie

Zbyt często przypadki użycia agentic AI kończą się niepowodzeniem z powodu złego wyboru przypadku użycia. W rzeczywistości, Gartner przewiduje, że ponad 40% projektów agentic AI zostanie anulowanych do końca 2027 roku. Nie będą to projekty, które zawiodły technologicznie, ale raczej przedsiębiorstwa, które nie wybrały odpowiednich przypadków użycia, aby wdrożyć agenty.

Aby uniknąć takiego losu, organizacje muszą zidentyfikować, gdzie agentic AI może mieć największy wpływ, oceniając wartość i szybkość osiągania efektów.

Po stronie wartości, przedsiębiorstwa powinny najpierw spytać, które dziedziny mają największe bóle głowy klientów – wewnętrzne i zewnętrzne – i które mają największy potencjał wpływu. Następnie muszą rozważyć, jaki jest zakres procesu i popytu. Wskazówka? Agentic AI dostarcza bardziej namacalne korzyści w obszarach, które mają bardzo złożone procesy, duże przepływy pracy i potrzebę strategicznego, dynamicznego podejmowania decyzji. Nie można przecenić, że agentic AI powinien być wdrożony w obszarach, które mają wysoki potencjał wzrostu, biorąc pod uwagę jego skalowalność i adaptowalność do zmieniającego się popytu i objętości w czasie.

Równie ważne jest ocenianie szybkości osiągania efektów, co można zrobić, analizując dane pod kątem dostępności, jakości i zarządzania. Po prostu, lepsze dane prowadzą do lepszych wyników AI. Niezależnie od tego, gdzie agentic AI jest aktywowany, zapewnienie bezpiecznych barier ochronnych jest kluczowe, zwłaszcza gdy są zaangażowane wrażliwe dane. Aby to zrobić skutecznie, przedsiębiorstwa muszą uwzględnić potencjalne ograniczenia regulacyjne, które mogą wpłynąć na terminy wdrożenia. To nie jest obszar, w którym można oszczędzać. Rozpoczynanie od systemów z ludzkim nadzorem pomaga zapewnić odpowiedzialne i etyczne wdrożenie, co może dać przedsiębiorstwom więcej zaufania do autonomii agentów AI.

Budowanie tech stack agentic AI: jak osiągnąć pożądane efekty

Przedsiębiorstwa gotowe do przyjęcia agentic AI muszą zbudować odpowiednią infrastrukturę technologiczną, która umożliwia skalowalność, elastyczność i bezpieczeństwo.

Aby zacząć, liderzy przedsiębiorstw muszą upewnić się, że zarówno strukturalne, jak i niestrukturalne dane są zintegrowane w ramach tego samego systemu, aby zbudować silną bazę danych, która jest kluczowa dla skutecznego i zrównoważonego wdrożenia. Dostępność i zarządzanie danymi są podstawą agentic AI. Ten krok jest również kluczowy dla budowy modeli językowych zorientowanych na zadania i dziedziny.

Gdy baza danych jest ustawiona i modele językowe są ustanowione, przedsiębiorstwa powinny wykorzystywać platformy AI, narzędzia i usługi, aby przyspieszyć wdrożenie agentów AI i modułowość. Rozpoczynając od pilotażu w kontrolowanym środowisku, organizacje mogą szkolić i wdrażać agenty, które wykonują określone zadania i dostarczają wyniki biznesowe, zapewniając nadzór ludzki i ciągłe monitorowanie wyników za pomocą warstwy kontrolnej, która jest zgodna z KPI przedsiębiorstwa.

Prowadzenie drogi

Agentic AI reprezentuje fundamentalną zmianę w sposobie, w jaki firmy działają. Przedsiębiorstwa, które wyłonią się jako zwycięzcy, będą tymi, które wykorzystają ją jako okazję do przemyślenia swoich modeli operacyjnych i praktyk biznesowych od podstaw. Kluczem jest eksperymentowanie mądrze i iterowanie, budowanie i partnerstwo z zamiarem, a następnie skalowanie z zaufaniem. Agentic AI reprezentuje fundamentalną zmianę w sposobie, w jaki firmy działają. Przedsiębiorstwa, które wyłonią się jako zwycięzcy, będą tymi, które wykorzystają ją jako okazję do przemyślenia swoich modeli operacyjnych i praktyk biznesowych od podstaw. Kluczem jest eksperymentowanie mądrze i iterowanie, budowanie i partnerstwo z zamiarem, a następnie skalowanie z zaufaniem.