Развитие агентного ИИ: стратегический трехэтапный подход к интеллектуальной автоматизации

Как и многие, я люблю хорошие советы. Но иногда мне нужна помощь, чтобы что-то сделать.

Следующая версия ИИ — агентный ИИ — переведет нас от советов к выполнению дел. Это позволит компаниям, которые это используют, совершить преобразующий скачок вперед.

Но куда прыгнуть? И как преобразовать?

Агентский ИИ может сократить расходы на поддержку клиентов на 25–50%, при этом значительно повысив качество и удовлетворенность клиентов, поскольку он выходит за рамки простого выполнения задач. Он также может автономно решать сложные рабочие процессы и взаимодействия с клиентами. Применительно к службе поддержки клиентовНапример, агенты не просто отвечают на запросы, а комплексно решают их от начала до конца, сокращая вмешательство человека и повышая эффективность.

Как и все новые технологии, внедрение агентного ИИ представляет собой вызовы. Компания должна иметь свои рабочие процессы, хорошо документированные и глубоко понятые, а также обладать прочной базой знаний на котором агентный ИИ может основываться. И так же, как и в случае с генеративным ИИ, вопросы конфиденциальности и безопасности данных требуют от компаний понимания больших языковых моделей (LLM), к которым они обращаются, а также того, как в них хранится и передается информация.

Однако правильная стратегия внедрения интеллектуальной автоматизации может обеспечить успех. Чтобы получить максимальную выгоду, компаниям необходимо сделать три вещи:

• Начните с правильного места
• Баланс между агентским ИИ и человеческим опытом
• Воспользуйтесь услугами сети агентов-экспертов

Хотя пока еще рано говорить об этом, вот что мы узнаем, работая с клиентами из различных отраслей по интеграции агентного ИИ в их рабочие процессы и операции.

Не начинайте с малого — начинайте с ума

Возможно, это противоречит интуиции, но лучше всего начать с самых объемных вариантов использования. Разве это не рискованно? Нет, если все сделано правильно. На самом деле, хотя может показаться, что начало с малообъемных вариантов использования снижает риск, на самом деле это увеличивается риск не увидеть достаточного эффекта, чтобы оправдать инвестиции.

Начало работы с крупномасштабными сценариями использования обеспечивает наибольшую потенциальную окупаемость инвестиций (ROI), позволяя компании быстро добиться существенного эффекта, максимизировать рост эффективности и продемонстрировать очевидную ценность использования агентов ИИ.

Как снизить риск слишком большого старта? Первоначально внедряя агентов всего с 1% от самых больших объемов использования. Такой подход позволяет выявлять и устранять потенциальные проблемы, готовясь к более широкой автоматизации.

Для розничной компании это может означать автоматизацию «где мой заказ?» или рабочих процессов обработки возвратов. Помимо мониторинга поставок по всей сети выполнения заказов компании, агент ИИ может проверять личность клиента, проверять статус в реальном времени и информировать клиента — даже предлагать варианты, если заказ был неожиданно задержан.

В случае возврата агент может проверить политику компании по возврату, собрать информацию о возврате для клиента, предложить следующие шаги и выполнить соответствующие сопутствующие задачи, такие как печать этикетки возврата, планирование самовывоза, возврат средств и т. д. Агент по возврату также может отслеживать случаи злоупотреблений и, при необходимости, корректировать свои решения и последующие шаги соответствующим образом.

После того, как компания развернет агента ИИ на выборочной части высокообъемного рабочего процесса, она должна отслеживать активность рабочего процесса, чтобы определить, где могут потребоваться корректировки. Когда агент функционирует гладко, компания может расширить его использование в заранее определенных объемах, пока он в конечном итоге не обработает весь объем рабочего процесса.

Конечно, не все задачи и рабочие процессы поддаются полной автоматизации с помощью агентского ИИ. Фактически, поддержание связи экспертов-людей с общей работой агентов ИИ даст наилучшие результаты.

Баланс ИИ и человеческого опыта

Когда компания изучает свои рабочие процессы и процессы для кандидатов на автоматизацию он найдет случаи, наиболее подходящие для человеческого контроля или прямого действия. Агентный ИИ — это невероятная, высокоэффективная инновация, но у нее есть ограничения.

В частности, три из них:

Агенты ИИ, как и поддерживающие их LLM, в настоящее время не обладают общим интеллектом. Они лучше всего работают в узких, четко определенных областях. Таким образом, в то время как люди могут научиться выполнять определенную задачу и абстрагироваться от принципов этого знания, которые они затем применяют к другим, не связанным с ними задачам, ИИ в настоящее время не может.

Затем, есть рабочие процессы с чрезвычайно сложными матрицами решений, которые требуют значительного опыта и суждений на основе опыта. Например, розничной компании может понадобиться контент для простой маркетинговой кампании. Агент может справиться с этим — и провести кампанию.

Но хотите пересмотреть выражение и обещание бренда на нескольких рынках? Агент не справится с этой задачей. Для этого потребуется понимание рыночных тенденций, восприятия бренда, культурных различий на разных рынках и понимание того, как бренды вызывают эмоции.

Наконец, рабочие процессы, зависящие от типично «грязного» человеческого общения и эмоциональных нюансов, которые требуют отчетливо человеческих элементов, таких как сострадание, лучше всего оставить у людей. Подумайте о проблемах обслуживания клиентов, связанных с разгневанными клиентами или взаимодействиями в сфере здравоохранения, где эмоциональное или психическое состояние пациента может быть под угрозой.

Но я не описываю бинарный процесс принятия решений: отдайте это агентам ИИ; все остальное — людям. На практике лучше всего работает гибридная модель.

Несмотря на необходимость четкого разграничения ролей ИИ и человека, даже если задачи должны выполняться экспертами-людьми, ИИ все равно должен быть рядом, чтобы расширить их возможности и максимально использовать их экспертные знания.

В целом, компании должны использовать агентский ИИ для транзакционных, повторяющихся задач и привлекать человеческий опыт для высокорискованных взаимодействий, эмоционально сложных сценариев и ситуаций, требующих тонкого суждения. Гарантийная претензия на 50 долларов может быть полностью автоматизирована, в то время как претензия на 5,000 долларов, скорее всего, выиграет от человеческого эмоционального интеллекта и обработки, учитывающей бренд.

Подключитесь к агентской сети

Возможно, самое важное — не пытайтесь погрузиться в агентский ИИ в одиночку. Создайте сеть партнеров-экспертов. Новые платформы агентского ИИ могут поставлять технологию по цифровым и голосовым каналам. Системный интегратор и консультант, который понимает операционные среды клиентов, может обучать агентские модели для конкретных потребностей клиентов, а затем интегрировать их в операции компании.

Интеграция этих моделей в корпоративные системы требует глубоких знаний в сложных рабочих процессах и отраслевых задачах. Это также требует глубокого понимания точек принятия решений в рабочих процессах и того, где человеческое взаимодействие больше всего необходимо — или выгодно, чтобы агентный ИИ был благом для рабочих и производительности команды.

Агентный ИИ предлагает компаниям мощный способ повышения эффективности, улучшения клиентского опыта и стимулирования инноваций. Но успех заключается не в спешке. Он заключается в принятии разумных, обоснованных решений: начать с правильного места, применить гибридную модель человека/ИИ и подключиться к правильной сети.

Поскольку мир ИИ меняется так быстро, вы не можете позволить себе действовать в одиночку.