Шлях від RPA до автономних агентів

Слідчий із фінансових злочинів, який одного разу отримав велику кількість сповіщень про підозрілу діяльність, що вимагало виснажливої ​​розслідувальної роботи, збираючи дані вручну в системах, щоб відсіяти помилкові спрацьовування та скласти звіти про підозрілу діяльність (SAR) для інших. Сьогодні вона отримує пріоритетні сповіщення з автоматизованим дослідженням і запропонованим вмістом, який може генерувати SAR за лічені хвилини.

Планувальник категорій роздрібної торгівлі, який раніше проводив багатогодинний аналіз звітів за минулі тижні, щоб спробувати зрозуміти, які продукти мають низьку ефективність і чому, тепер використовує штучний інтелект для надання глибокої інформації, яка виявляє проблемні області та пропонує коригувальні дії, пріоритетні для максимального впливу на бізнес. Інженер з промислового обслуговування використовує другого пілота, який проводить цілодобовий моніторинг стану активів, прогнозує проблеми та генерує попередження на ранніх стадіях механічних проблем або проблем з продуктивністю, скорочуючи час незапланованих простоїв.

Ці перетворення відбуваються сьогодні на всіх підприємствах, сигналізуючи про фундаментальний зсув: вертикальні програми, що поєднують прогнозний, генеративний і новий агентний штучний інтелект, доповнюють і трансформують автоматизацію робочого процесу, надаючи цільові складні можливості, які вирішують набагато складніші та контекстуальні завдання, ніж попередні рішення.

Gartner 2024 Цикл ажіотажу для нових технологій виділив автономний штучний інтелект як одну з чотирьох головних технологічних тенденцій року — і не безпідставно. З агентами без штучного інтелекту користувачам довелося визначити що їм довелося автоматизувати і як зробити це дуже детально. Але програми, що поєднують прогнозний, генеративний, а незабаром і агентський штучний інтелект зі спеціалізованими вертикальними джерелами знань і робочими процесами, можуть отримувати інформацію з різнорідних джерел у масштабах підприємства, пришвидшувати й автоматизувати повторювані завдання, а також давати рекомендації щодо ефективних дій. Підприємства, які використовують ці програми, реалізують швидше та точніше прийняття рішень, швидке виявлення та усунення проблем і навіть запобіжні заходи для запобігання виникненню проблем.

Агенти ШІ представляють наступну хвилю ШІ підприємства. Вони базуються на основі передбачуваного та генеративного ШІ, але роблять значний стрибок уперед у плані автономності та адаптивності. Агенти штучного інтелекту — це не просто інструменти для аналізу чи створення контенту — це інтелектуальні системи, здатні самостійно приймати рішення, вирішувати проблеми та постійно навчатися. Цей прогрес знаменує перехід від ШІ як інструменту підтримки до ШІ як активного учасника бізнес-процесів, здатного ініціювати дії та адаптувати стратегії в режимі реального часу.

Еволюція від RPA до автономних агентів

Традиційно RPA використовувався для повторюваних процесів на основі евристики та завдань низької складності зі структурованими вхідними даними. RPA використовує структуровані вхідні дані та визначену логіку для автоматизації процесів, які часто повторюються, як-от введення даних, передача файлів і заповнення форм. Широка доступність доступного високоефективного інтелектуального інтелекту з прогнозуванням і генеруванням дозволила вирішити наступний рівень складніших бізнес-проблем, які вимагають спеціалізованого досвіду в галузі, безпеки корпоративного рівня та здатності інтегрувати різноманітні джерела даних.

На наступному рівні агенти штучного інтелекту виходять за рамки передбачуваних алгоритмів штучного інтелекту та програмного забезпечення завдяки своїй здатності працювати автономно, адаптуватися до мінливого середовища та приймати рішення на основі як попередньо запрограмованих правил, так і навчених моделей поведінки. У той час як традиційні інструменти штучного інтелекту можуть перевершити виконання конкретних завдань або аналізу даних, агенти штучного інтелекту можуть інтегрувати численні можливості для навігації в складних динамічних середовищах і вирішення багатогранних проблем. Агенти штучного інтелекту можуть допомогти організаціям стати ефективнішими та продуктивнішими та покращити взаємодію з клієнтами та співробітниками, одночасно зменшуючи витрати.

Коли вони створені за допомогою правильних моделей штучного інтелекту як інструментів, а також вертикальних джерел даних і машинного навчання для підтримки спеціалізованої контекстної діяльності, агенти штучного інтелекту стають високопродуктивними робочими конячками з точки зору розшифровки проблеми, виконання правильних кроків, відновлення після помилок і вдосконалення з часом поставлених завдань.

Навігація впровадження: ключові аспекти для підприємств, які слід враховувати

Впровадження прогностичного, генеративного та, зрештою, агентського штучного інтелекту в корпоративних умовах може бути дуже корисним, але вжиття правильних кроків перед розгортанням для забезпечення успіху має вирішальне значення. Ось деякі з основних міркувань для підприємств, коли вони розглядають і починають розгортати агентів ШІ.

• Узгодження з бізнес-цілями: Щоб впровадження ШІ на підприємствах було успішним, воно має відповідати конкретним випадкам використання в конкретних галузях і забезпечувати підвищення продуктивності та точності. Регулярно залучайте бізнес-стейкхолдерів до процесу оцінки/відбору ШІ, щоб забезпечити узгодженість і чітку рентабельність інвестицій. Продукти мають бути адаптовані до процесів і робочих процесів, які відчутно покращують результати для визначених випадків використання та вертикальних доменів.
• Якість, кількість та інтеграція даних: Оскільки для ефективної роботи моделі штучного інтелекту потрібні великі обсяги високоякісних даних, підприємства повинні запроваджувати надійні канали збору та обробки даних, щоб гарантувати, що штучний інтелект отримує актуальні, точні та релевантні дані. Керування джерелами даних значно знижує ризик галюцинацій і дозволяє штучному інтелекту робити оптимальний аналіз, рекомендації та рішення.
• Безпека та конфіденційність: Обробка конфіденційних даних у моделях штучного інтелекту створює ризики конфіденційності та потенційну вразливість безпеки. Ретельне обмірковування того, які дані потрібні штучному інтелекту для виконання своєї роботи, і відмова від надання даних, які не мають прямого відношення, може допомогти мінімізувати вплив. Програми також повинні забезпечувати контроль доступу на основі ролей і користувачів із захистом автентифікації, вбудованим на рівнях даних і API, і підтверджувати, що дані не досягають SLM або LLM без перевірки та захисту.
• Інфраструктура та масштабованість: Запуск великих моделей ШІ вимагає значних обчислювальних ресурсів, і масштабованість також може бути проблемою. Хороший дизайн запобіжить надмірному споживанню ресурсів – наприклад, спеціалізований SLM може бути таким же ефективним, як і більш узагальнений LLM, і значно зменшити обчислювальні вимоги та затримки.
• Інтерпретація моделі та можливість пояснення: Багато моделей ШІ, особливо моделі глибокого навчання, часто розглядаються як «чорні ящики». Хороші корпоративні продукти штучного інтелекту підтвердили повну прозорість, включаючи джерела доступу моделей і коли, а також чому була зроблена кожна рекомендація. Наявність цього контексту має вирішальне значення для створення довіри користувачів і стимулювання прийняття.

Потенційні недоліки агентів ШІ

Як і будь-яка нова технологія, агенти ШІ мають кілька потенційних недоліків. Найкращі додатки агентів ШІ покладаються на процеси людини в циклі—включно з усіма додатками та можливостями агентського штучного інтелекту SymphonyAI. Цей підхід дозволяє здійснювати людський нагляд, втручання та співпрацю, гарантуючи, що дії агента відповідають бізнес-цілям і етичним міркуванням. Системи «людина в циклі» можуть надавати зворотний зв’язок у режимі реального часу, ухвалювати критично важливі рішення або втручатися, коли штучний інтелект стикається з незнайомими ситуаціями, створюючи ефективну співпрацю між штучним і людським інтелектом.

Відповідальний штучний інтелект також забезпечує потужний користувальницький інтерфейс, можливість відстеження та можливість перевірки етапів, чому агент вибрав шлях виконання. Ми дотримуємося відповідальних принципів AI щодо підзвітності, прозорості, безпеки, надійності/безпеки та конфіденційності.

Шлях до повністю автономних агентів

Важко передбачити, наскільки реалістичним є сценарій повністю автономного агента, оскільки ми не встановили загальногалузевий показник рівня автономії. Наприклад, територія автономного водіння була створена щодо Рівні 1-5 здатності до самостійного водіння, де нуль означає відсутність рівня автоматизації, коли водій виконує всі завдання водіння, до п’ятого рівня означає повну автоматизацію, коли транспортний засіб виконує всі завдання водіння.

Ми добре просунулися на тому, що я вважаю третім етапом шляху до корпоративної цінності за допомогою штучного інтелекту, де комбіновані генеративні та прогностичні програми штучного інтелекту дають складні рекомендації та підтримують плавний аналіз «що, якщо». У SymphonyAI ми бачимо наступний етап розвитку автономних агентів штучного інтелекту, які працюють із прогнозним і генеративним штучним інтелектом для прискорення розслідувань фінансових шахрайств, управління категоріями роздрібної торгівлі турбонаддувом і прогнозування попиту, а також дозволяють виробникам передбачати та запобігати збоям машин.\

Зараз ми покращуємо складність і автономність агентів ШІ в наших програмах, і відгуки клієнтів дуже позитивні. Прогнозний і генеративний ШІ досяг такого рівня, коли вони можуть автоматизувати робочі процеси, які колись вважалися надто складними для традиційного програмного забезпечення. Автономний або агентний штучний інтелект відмінно справляється з цими завданнями без нагляду, що призводить до трансформаційного підвищення продуктивності та дозволяє людським ресурсам зосередитися на більш стратегічних видах діяльності.

Наприклад, транснаціональний європейський банк використовує SymphonyAI Sensa Investigation Hub з агентами штучного інтелекту та другим пілотом допоміг слідчим фінансових злочинів заощадити час на своїх розслідуваннях, одночасно підвищивши якість розслідування. За кілька тижнів банк побачив середню економію зусиль приблизно на 20% у розслідуваннях рівня 1 і рівня 2. Банк також прогнозує економію коштів за допомогою SymphonyAI на Microsoft Azure у розмірі 3.5 млн євро на рік, включаючи 80% зменшення витрат у провідного постачальника технологій з 1.5 млн євро на рік до 300 тис. євро на рік.

Завдяки продуманому дизайну корпоративного рівня з використанням відповідальних принципів штучного інтелекту агенти штучного інтелекту забезпечують продуктивність трансформації, точність і досконалість для різноманітних перевірених випадків використання. Наша місія SymphonyAI полягає в тому, щоб забезпечити підприємства агентами штучного інтелекту, які забезпечують досконалість операцій. Поєднуючи швидку реакцію з довгостроковим стратегічним мисленням, агентський штучний інтелект має намір революціонізувати важливі процеси в багатьох галузях.