Шлях від RPA до автономних агентів

Фінансовий слідчий, який раніше отримував велику кількість підозрілих повідомлень про діяльність, що вимагала рутинної роботи з збором даних вручну з різних систем, щоб виключити помилкові позитиви та складати звіти про підозрілу діяльність (SAR). Сьогодні вона отримує пріоритетні повідомлення з автоматичним дослідженням та запропонованим вмістом, який може генерувати SAR за лічені хвилини.

Планувальник роздрібної категорії, який раніше проводив тривалі аналізи звітів минулих тижнів, щоб спробувати розкрити інсайти щодо того, які продукти недопрацьовані, і чому, тепер використовує штучний інтелект, щоб надавати глибокі інсайти, які розкривають проблемні питання та пропонують коректувальні дії, пріоритизовані для максимального бізнес-імпакту. Інженер з технічного обслуговування промислового обладнання використовує копілота, який проводить 24/7 моніторинг стану обладнання та передбачає проблеми та генерує попередження на ранніх стадіях механічних або продуктивних проблем, скорочуючи непланову простою.

Ці трансформації відбуваються в підприємствах сьогодні, сигналізуючи про фундаментальну зміну: вертикальні додатки, що поєднують передбачувальну, генеративну та агентську штучну інтелект, посилюють та трансформують автоматизацію робочого процесу, забезпечуючи націлені, складні можливості, які вирішують набагато складніші та контекстні завдання, ніж попередні рішення.

Гартерівський цикл гіпу 2024 року для нових технологій підкреслив автономний штучний інтелект як одну з чотирьох основних технологічних тенденцій року – і з добрими підставами. З не-штучними агентами користувачам доводилося визначати, що саме вони мали автоматизувати та як це зробити у великих деталях. Але додатки, що поєднують передбачувальну, генеративну та агентську штучну інтелект з спеціалізованими джерелами знань та робочими процесами, можуть витягувати інформацію з різних джерел по всьому підприємству, прискорювати та автоматизувати повторювані завдання та надавати рекомендації щодо високоефективних дій. Підприємства, що використовують ці додатки, реалізують швидше та точніше прийняття рішень, швидке виявлення та усунення проблем, а також попередні заходи для попередження виникнення проблем.

Штучні агенти представляють наступну хвилю в підприємстві штучної інтелект. Вони будуються на основі передбачувальної та генеративної штучної інтелект, але роблять значний крок вперед у плані автономності та адаптивності. Штучні агенти не лише інструменти для аналізу чи генерації вмісту – вони інтелектуальні системи, здатні до незалежного прийняття рішень, вирішення проблем та безперервного навчання. Цей прогрес позначає зміну від штучної інтелект як інструменту підтримки до штучної інтелект як активного учасника бізнес-процесів, здатного ініціювати дії та адаптувати стратегії в реальному часі.

Еволюція від RPA до автономних агентів

Традиційно RPA використовувався для повторюваних,基于 евристики процесів та завдань низької складності з структурованими вхідними даними. RPA використовує структуровані вхідні дані та визначену логіку для автоматизації високореπεатівних процесів, таких як введення даних, передача файлів та заповнення форм. Широка доступність доступного, високоефективного передбачувального та генеративного штучної інтелект вирішує наступний рівень більш складних бізнес-проблем, які вимагають спеціалізованої галузі знань, підприємницької безпеки та можливості інтегрувати різні джерела даних.

На наступному рівні штучні агенти виходять за межі передбачувальної штучної інтелект та програмного забезпечення завдяки своїй здатності діяти автономно, адаптуватися до змінних середовищ та приймати рішення на основі як попередньо запрограмованих правил, так і вивчених поведінок. Хоча традиційні інструменти штучної інтелект можуть бути досконалими у виконанні конкретних завдань чи аналізу даних, штучні агенти можуть інтегрувати декілька можливостей для навігації у складних, динамічних середовищах та вирішення багатовимірних проблем. Штучні агенти можуть допомогти організаціям бути більш ефективними, продуктивними та покращити досвід клієнтів та працівників, а також скоротити витрати.

Коли штучні агенти будуються з правильними моделями штучної інтелект як інструментами та з вертикальними джерелами даних та машинним навчанням для підтримки спеціалізованої контекстної діяльності, штучні агенти стають високопродуктивними тягловими засобами щодо розшифровки проблем, виконання правильних кроків, відновлення після помилок та покращення з часом виконання завдань.

Навігація реалізації: ключові аспекти для підприємств

Реалізація передбачувальної, генеративної та агентської штучної інтелект у підприємстві може бути дуже вигідною, але виконання правильних кроків до розгортання для забезпечення успіху є критично важливим. Ось деякі з основних аспектів для підприємств під час розгляду та початку розгортання штучних агентів.

• Вирівнювання з бізнес-цілями: Для успішної реалізації штучної інтелект у підприємствах вона повинна вирішувати конкретні випадки використання у конкретних галузях та забезпечувати підвищення продуктивності та точності. Регулярно залучайте бізнес-учасників до процесу оцінки/вибору штучної інтелект, щоб забезпечити вирівнювання та надати чітке значення ROI. Продукти повинні бути підлаштовані до процесів та робочих процесів, які суттєво покращують результати для визначених випадків використання та вертикальних доменів.
• Якість, кількість та інтеграція даних: Оскільки моделі штучної інтелект вимагають великої кількості високоякісних даних для ефективної роботи, підприємства повинні реалізувати потужні механізми збору та обробки даних, щоб забезпечити, що штучна інтелект отримує актуальні, точні та актуальні дані. Кураторство джерел даних суттєво знижує ризик галюцинацій та дозволяє штучній інтелект зробити оптимальний аналіз, рекомендації та рішення.
• Безпека та конфіденційність: Обробка конфіденційних даних у моделях штучної інтелект створює ризики конфіденційності та потенційні вразливості безпеки. Ретельне розглянення того, які дані необхідні для виконання завдань штучної інтелект, та не надання даних, які не будуть безпосередньо актуальними, можуть допомогти мінімізувати ризики. Додатки також повинні забезпечувати рольові та користувацькі засоби контролю доступу з аутентифікаційними захистами на рівні даних та API та підтверджувати, що дані не передаються до SLM або LLM без верифікації та захисту.
• Інфраструктура та масштабованість: Виконання великих моделей штучної інтелект вимагає значних обчислювальних ресурсів, а масштабованість також може бути проблемою. Добре спроектована інфраструктура запобігатиме надмірному споживанню ресурсів – наприклад, спеціалізований SLM може бути так само ефективним, як і більш загальний LLM, і суттєво знижувати обчислювальні вимоги та затримки.
• Інтерпретація моделі та пояснюваність: Багато моделей штучної інтелект, особливо глибоких моделей навчання, часто розглядаються як “чорні скриньки”. Добрі підприємства штучної інтелект забезпечують повну прозорість, включаючи джерела, які моделі доступили, та чому кожна рекомендація була зроблена. Мати такий контекст є критично важливим для створення довіри користувачів та стимулювання прийняття.

Потенційні недоліки штучних агентів

Як і будь-яка нова технологія, штучні агенти мають деякі потенційні недоліки. Найкращі додатки штучних агентів залежать від процесів “людини в циклі” – включаючи всі додатки штучної інтелект компанії SymphonyAI. Цей підхід дозволяє здійснювати людський нагляд, втручання та співробітництво, забезпечуючи, що дії агентів відповідають бізнес-цілям та етичним考虑ам. Системи “людини в циклі” можуть забезпечувати реальний зворотний зв’язок, схвалення критичних рішень чи втручання, коли штучна інтелект зустрічає незнайомі ситуації, створюючи потужне співробітництво між штучною та людською інтелектом.

Відповідальна штучна інтелект також забезпечує сильний інтерфейс користувача, слідковність та можливість аудиту кроків, чому агент вибрав певний шлях виконання. Ми дотримуємося принципів відповідальності штучної інтелект: підзвітності, прозорості, безпеки, надійності/безпеки та конфіденційності.

Шлях до повністю автономних агентів

Важко передбачити, наскільки реалістична повністю автономна сценарій агентів, оскільки ми не встановили галузевий стандарт для рівня автономності. Наприклад, область автономного водіння була встановлена щодо рівнів 1-5 можливості самоходження, з нуля до рівня п’ять, де транспортний засіб виконує всі завдання водіння.

Ми вже далеко просунулися у тому, що я бачу як третій етап шляху до підприємницької цінності штучної інтелект – де поєднані генеративна та передбачувальна штучна інтелект забезпечують складні рекомендації та підтримують рідинний аналіз “що якщо”. У компанії SymphonyAI ми бачимо наступний етап, який розвивається у напрямку автономних штучних агентів, які працюють з передбачувальною та генеративною штучною інтелект для прискорення фінансових розслідувань, розгону роздрібного категорійного менеджменту та прогнозування попиту, а також для забезпечення виробників можливості передбачати та запобігати поломкам машин.\

Ми зараз посилюємо складність та автономність штучних агентів у наших додатках, а зворотний зв’язок клієнтів дуже позитивний. Передбачувальна та генеративна штучна інтелект досягли рівня, на якому вони можуть автоматизувати робочі процеси, які раніше вважалися надто складними для традиційного програмного забезпечення. Автономна, або агентська, штучна інтелект excels у виконанні цих завдань без нагляду, що призводить до трансформаційних продуктивних вигод та дозволяє людським ресурсам зосередитися на більш стратегічних діяльності.

Наприклад, багатонаціональний європейський банк, який використовує хаб розслідування SymphonyAI Sensa з агентами штучної інтелект та копілотом, допоміг слідчим фінансових злочинів заощадити час на розслідуваннях, одночасно покращуючи якість розслідувань. Усього за кілька тижнів банк побачив середню економію зусиль у розмірі приблизно 20% у розслідуваннях рівня 1 та рівня 2. Банк також прогнозує економію витрат з SymphonyAI на Microsoft Azure у розмірі 3,5 млн євро на рік, включаючи зниження витрат на 80% порівняно з ведучим технологічним постачальником – з 1,5 млн євро на рік до 300 тис. євро на рік.

З вдумливим, підприємницьким дизайном, що використовує принципи відповідальності штучної інтелект, агенти штучної інтелект забезпечують трансформаційну продуктивність, точність та досконалість для зростаючої кількості доведених випадків використання. У компанії SymphonyAI наша місія – забезпечити підприємства агентами штучної інтелект, які забезпечують операційну досконалість. Зберігаючи швидку реакцію з довгостроковим стратегічним мисленням, агентська штучна інтелект готується революціонізувати критичні процеси у декількох галузях.