Calea de la RPA la agenți autonomi

Un investigator de crime financiar care a primit în trecut volume mari de alerte de activitate suspectă, necesitând o muncă de investigație manuală pentru a strânge date din sisteme și a elimina falsele pozitive și pentru a redacta Rapoarte de activitate suspectă (SAR) pentru celelalte. Astăzi, ea primește alerte prioritizate cu cercetare automată și conținut sugestiv care poate genera SAR în minute.

Un planificator de categorie de retail care a făcut anterior analize de ore întregi ale rapoartelor din săptămânile precedente pentru a încerca să descopere insight-uri despre care produse sunt subperformante și de ce, acum folosește inteligența artificială (AI) pentru a oferi analize aprofundate care evidențiază zonele problematice și sugerează acțiuni corective, prioritizate pentru impactul maxim de business. Un inginer de întreținere industrială folosește un copilot care efectuează monitorizarea stării activelor 24/7 și prezice probleme și generează avertizări la stadiile incipiente ale problemelor mecanice sau de performanță, reducând timpul de închidere neplanificat.

Aceste transformări se produc în întreprinderi de astăzi, semnalând o schimbare fundamentală: aplicațiile verticale care combină AI predictiv, generativ și emergent agențic sunt capabile să îmbunătățească și să transforme automatizarea fluxului de lucru, oferind capacități țintite și sofisticate care abordează provocări mult mai complexe și contextuale decât soluțiile anterioare.

Hype Cycle pentru tehnologii emergente al Gartner din 2024 Hype Cycle pentru tehnologii emergente a evidențiat AI autonom ca una dintre cele patru tendințe emergente de top ale anului – și pe bună dreptate. Cu agenți non-AI, utilizatorii trebuiau să definească ce trebuiau să automatizeze și cum să o facă în detaliu. Dar aplicațiile care combină AI predictiv, generativ și agențic cu surse de cunoaștere verticale specializate și fluxuri de lucru pot extrage informații din surse disparate la nivelul întregii întreprinderi, pot accelera și automatiza sarcinile repetitive și pot face recomandări pentru acțiuni cu impact ridicat. Întreprinderile care folosesc aceste aplicații realizează o luare a deciziilor mai rapidă și mai precisă, o identificare și remediere rapidă a problemelor și chiar măsuri preventive pentru a preveni apariția problemelor din start.

Agenții AI reprezintă următoarea undă în AI pentru întreprinderi. Ei se bazează pe fundațiile AI predictiv și generativ, dar fac un salt semnificativ înainte în ceea ce privește autonomia și adaptabilitatea. Agenții AI nu sunt doar unelte pentru analiză sau generare de conținut – ei sunt sisteme inteligente capabile de luare de decizii independente, rezolvare de probleme și învățare continuă. Această evoluție marchează o schimbare de la AI ca instrument de suport la AI ca participant activ în procesele de business, capabil să inițieze acțiuni și să adapteze strategii în timp real.

Evoluția de la RPA la agenți autonomi

Tradițional, RPA a fost utilizat pentru procese repetitive, bazate pe heuristici și sarcini de complexitate scăzută cu intrări de date structurate. RPA folosește intrări structurate și logică definită pentru a automatiza procese foarte repetitive, cum ar fi introducerea de date, transferul de fișiere și completarea de formulare. Disponibilitatea largă a AI predictiv și generativ, la prețuri accesibile și foarte eficient, a abordat următorul nivel de probleme de business mai complexe care necesită expertiză de domeniu specializată, securitate de clasă enterprise și capacitatea de a integra diverse surse de date.

La următorul nivel, agenții AI merg dincolo de algoritmii AI predictivi și software cu capacitatea lor de a opera autonom, de a se adapta la medii în schimbare și de a lua decizii pe baza unor reguli preprogramate și a unor comportamente învățate. În timp ce uneltele AI tradiționale ar putea excelă la sarcini specifice sau analize de date, agenții AI pot integra multiple capacități pentru a naviga în medii complexe și dinamice și pentru a rezolva probleme multifacetate. Agenții AI pot ajuta organizațiile să fie mai eficiente, mai productive și să îmbunătățească experiența clienților și a angajaților, reducând în același timp costurile.

Atunci când sunt construiți cu modelele de AI potrivite ca unelte și cu surse de date verticale și învățare automată pentru a sprijini activități contextuale specializate, agenții AI devin niște “cai de lucru” de înaltă productivitate în ceea ce privește decodificarea problemelor, luarea pașilor corecți, recuperarea din greșeli și îmbunătățirea în timp a sarcinilor date.

Navigarea implementării: aspecte cheie pentru întreprinderi

Implementarea AI predictiv, generativ și, în cele din urmă, agențic într-un mediu de întreprindere poate fi foarte benefică, dar este esențial să se ia pașii corecti înainte de implementare pentru a asigura succesul. Iată câteva dintre principalele considerații pentru întreprinderi atunci când ele examinează și încep să implementeze agenți AI.

• Alinierea cu obiectivele de business: Pentru adoptarea AI de către întreprindere să fie de succes, ea ar trebui să abordeze cazuri de utilizare specifice în industrii specifice și să ofere o productivitate și o precizie crescute. Implicați în mod regulat stakeholderi de business în procesul de evaluare/alegere a AI pentru a asigura alinierea și a oferi un ROI clar. Produsele ar trebui să fie adaptate la procese și fluxuri de lucru care îmbunătățesc în mod măsurabil rezultatele pentru cazurile de utilizare și domeniile verticale definite.
• Calitatea, cantitatea și integrarea datelor: Deoarece modelele de AI necesită cantități mari de date de înaltă calitate pentru a funcționa eficient, întreprinderile trebuie să implementeze conducte robuste de colectare și prelucrare a datelor pentru a asigura că AI primește date actuale, precise și relevante. Curățarea surselor de date reduce semnificativ riscul de “halucinații” și permite AI să facă analize, recomandări și decizii optime.
• Securitate și confidențialitate: Manipularea datelor sensibile în modelele de AI prezintă riscuri de confidențialitate și vulnerabilități potențiale de securitate. O considerare atentă a datelor necesare pentru AI pentru a-și face treaba și a nu furniza date care nu ar fi direct relevante poate ajuta la minimizarea expunerii. Aplicațiile ar trebui să ofere control de acces bazat pe rol și utilizator, cu protecții de autentificare integrate la nivelul datelor și API și să confirme că datele nu ajung la SLM-uri sau LLM-uri fără verificare și protecție.
• Infrastructură și scalabilitate: Rularea modelelor de AI de mare complexitate necesită resurse computaționale semnificative, iar scalabilitatea poate fi, de asemenea, o problemă. O bună proiectare poate preveni consumul excesiv de resurse – de exemplu, un SLM specializat poate fi la fel de eficient ca un LLM mai generalizat și poate reduce semnificativ cerințele computaționale și latențele.
• Interpretarea și explicabilitatea modelului: Multe modele de AI, în special cele de învățare profundă, sunt adesea considerate “cutii negre”. Produsele de AI de întreprindere oferă transparență deplină, inclusiv sursele de date accesate de modele și de ce a fost făcută fiecare recomandare. A avea acest context este esențial pentru a crea încredere în utilizatori și pentru a stimula adoptarea.

Potentialul de dezavantaje al agenților AI

Ca și în cazul oricărei tehnologii noi, agenții AI au câteva potențiale dezavantaje. Cele mai bune aplicații de agenți AI se bazează pe procese cu omul în buclă – inclusiv toate aplicațiile și capacitățile de AI agențic ale SymphonyAI. Această abordare permite supraveghere umană, intervenție și colaborare, asigurând că acțiunile agentului se aliniază cu obiectivele de business și considerațiile etice. Sistemele cu omul în buclă pot oferi feedback în timp real, pot aproba decizii critice sau pot interveni atunci când AI întâmpină situații nefamiliare, creând o colaborare puternică între inteligența artificială și cea umană.

AI responsabil oferă, de asemenea, o interfață de utilizator puternică, trasabilitate și capacitatea de a audita pașii de ce a ales agentul o anumită cale de execuție. Ne conformăm principiilor de AI responsabil de contabilitate, transparență, securitate, fiabilitate/siguranță și confidențialitate.

Calea către agenți autonomi deplini

Este greu de prezis cât de realistă este scenariul de agenți autonomi deplini, deoarece nu am stabilit o măsură la nivel de industrie pentru nivelul de autonomie. De exemplu, zona de conducere autonomă a fost stabilită în ceea ce privește Nivelurile 1-5 de capabilitate de conducere autonomă, de la nivelul zero, unde șoferul efectuează toate sarcinile de conducere, la nivelul cinci, unde vehiculul efectuează toate sarcinile de conducere.

Suntem foarte avansați în ceea ce eu consider a fi a treia fază a drumului către valoarea întreprinderilor cu AI – unde aplicațiile combinate de AI generativ și predictiv oferă recomandări sofisticate și susțin analiza “ce se întâmplă dacă” fluent. La SymphonyAI, vedem următoarea fază evoluând către agenți AI autonomi, care lucrează cu AI predictiv și generativ pentru a accelera investigațiile de fraudă financiară, a stimula gestionarea categoriilor de retail și a prognozării cererii și pentru a permite producătorilor să prevadă și să prevină defectarea mașinilor.

Suntem în prezent în curs de îmbunătățire a complexității și a autonomiei agenților AI în cadrul aplicațiilor noastre, iar feedback-ul clienților este foarte pozitiv. AI predictiv și generativ au evoluat la un nivel la care pot automatiza fluxuri de lucru care au fost considerate odată prea complexe pentru software-ul tradițional. AI autonom, sau agențic, excelează în gestionarea acestor sarcini fără supraveghere, ducând la câștiguri de productivitate transformaționale și permițând resurselor umane să se concentreze pe activități mai strategice.

De exemplu, o bancă europeană multinațională care utilizează SymphonyAI Sensa Investigation Hub cu agenți AI și un copilot a ajutat investigatorii de crime financiare să economisească timp în investigații, îmbunătățind în același timp calitatea investigațiilor. În câteva săptămâni, banca a observat o economie medie de efort de aproximativ 20% în investigațiile de nivel 1 și nivel 2. Banca prognozează, de asemenea, economii de costuri cu SymphonyAI pe Microsoft Azure de 3,5 milioane de euro pe an, inclusiv o scădere de 80% a cheltuielilor cu un furnizor de tehnologie de la 1,5 milioane de euro pe an la 300.000 de euro pe an.

Cu o proiectare atentă și de clasă enterprise, utilizând principiile de AI responsabil, agenții AI oferă productivitate, precizie și excelență transformaționale pentru o varietate tot mai largă de cazuri de utilizare dovedite. La SymphonyAI, misiunea noastră este de a oferi întreprinderilor agenți AI care livrează excelență operațională. Prin combinarea răspunsului rapid cu gândirea strategică pe termen lung, AI agențic este pe cale să revoluționeze procese critice în multiple industrii.