Зростання агентського штучного інтелекту: стратегічний триступеневий підхід до інтелектуальної автоматизації

Як і багато інших, я люблю хороші поради. Але іноді мені потрібно допомога, щоб щось зробити.

Наступна версія штучного інтелекту — агентський штучний інтелект — переведе нас від порад до виконання завдань. Він дозволить підприємствам, які його використовують, зробити трансформаційний стрибок вперед.

Але стрибок до чого? І трансформувати як?

Агентський штучний інтелект може зменшити вартість підтримки клієнтів на 25-50%, одночасно значно покращуючи якість і задоволеність клієнтів, оскільки він виходить за рамки простого виконання завдань. Він також може автономно вирішувати складні робочі процеси та взаємодію з клієнтами. При застосуванні до підтримки клієнтів, наприклад, агенти не тільки відповідають на запитання, але й комплексно вирішують запити від початку до кінця, зменшуючи втручання людини та збільшуючи ефективність.

Як і з усіма новими технологіями, впровадження агентського штучного інтелекту представляє挑戦. Компанія повинна мати добре задокументовані робочі процеси та глибоко зрозуміти їх, а також мати потужну базу знань, на яку може спертися агентський штучний інтелект. І, як і з генеративним штучним інтелектом, проблеми конфіденційності даних та безпеки вимагають від компаній розуміння великих мовних моделей (LLM) та того, як інформація зберігається та передається ними.

Однак правильна стратегія впровадження інтелектуальної автоматизації може забезпечити успіх. Щоб отримати найбільшу вигоду, компанії повинні зробити три речі:

• Почати з правильного місця
• Збалансувати агентський штучний інтелект з людською експертизою
• Зв’язатися з мережею агентської експертизи

Хоча це ще ранні дні, ось що ми дізнаємося, працюючи з клієнтами в різних галузях з інтеграцією агентського штучного інтелекту в їхні робочі процеси та операції.

Не починайте з малого — починайте з розумного

Можливо, парадоксально, але найкраще місце для початку — це ваші найбільш об’ємні випадки використання. Чи не ризиковано? Не якщо зробити це правильно. Насправді, хоча починати з низьковолумних випадків використання може здаватися ризикованим, це насправді збільшує ризик не побачити достатнього впливу, щоб виправдати інвестиції.

Починати з високоволумних випадків використання пропонує найбільший потенційний повернення інвестицій (ROI), дозволяючи компанії швидко реалізувати значний вплив, максимізувати вигоди з ефективності та продемонструвати чітку цінність використання агентських штучних інтелектів.

Як зменшити ризик початку занадто великого? Починати з реалізації агентів лише на 1% найбільшого об’єму випадків використання. Цей підхід дозволяє визначити та виправити потенційні проблеми, готуючись до більш широкої автоматизації.

Для рітейл-компанії це може означати автоматизацію робочих процесів “де мій замовлення?” або обробки повернень. Окрім моніторингу відправлень по всій мережі доставки компанії, агент штучного інтелекту міг би перевірити особистість клієнта, перевірити статус у реальному часі та оновити клієнта — навіть запропонувати варіанти, якщо замовлення було несподівано затримано.

Для повернень агент міг би перевірити політику повернень компанії, зібрати інформацію про повернення клієнта, запропонувати наступні кроки та виконати відповідні завдання, такі як друкування ярлика повернення, планування підбору тощо. Агент повернення також міг би стежити за порушеннями та, якщо це виправдано, змінити свої рішення та наступні кроки.

Після того, як компанія розгорне агент штучного інтелекту на зразковій частині високоволумного робочого процесу, вона повинна контролювати діяльність робочого процесу, щоб визначити, де можуть з’явитися необхідні корекції. Коли агент функціонує гладко, компанія може розширити його використання на визначені кількості, поки він не обробить весь об’єм робочого процесу.

Очевидно, що не всі завдання та робочі процеси підходять для повної автоматизації агентським штучним інтелектом. Насправді, збереження людської експертизи у зв’язку з роботою агентів штучного інтелекту дозволить досягти найкращих результатів.

Збалансувати штучний інтелект з людською експертизою

Як компанія вивчає свої робочі процеси та процеси для кандидатів на автоматизацію, вона знайде випадки, які найкраще підходять для людського нагляду або прямої дії. Агентський штучний інтелект — це неймовірна, високо здатна інновація, але вона має обмеження.

Три з них зокрема:

Агенти штучного інтелекту, як і великі мовні моделі (LLM), які їх підтримують, зараз не володіють загальною інтелектом. Вони функціонують найкраще в вузьких, добре визначених областях. Отже, хоча люди можуть вивчити, як виконувати певне завдання, і абстрагувати від цього знання принципи, які вони потім застосовують до різних, не пов’язаних завдань, штучний інтелект зараз не може.

Потім є робочі процеси з надзвичайно складними матрицями рішень, які вимагають значного досвіду та судження, заснованого на досвіді. Наприклад, рітейл-компанія може потребувати контенту для прямої маркетингової кампанії. Агент може впоратися з цим — і виконати кампанію.

Але якщо потрібно переглянути вираз бренду та обіцянку по декількох ринках? Агент не підходить для цього завдання. Це вимагатиме розуміння ринкових тенденцій, сприйняття бренду, культурних відмінностей по ринках та розуміння того, як бренди викликають емоції.

Нарешті, робочі процеси, які залежать від зазвичай “брудної” людської комунікації та емоційної нюансів, які вимагають відмінно людських елементів, таких як співчуття, повинні залишатися людьми. Подумайте про проблеми обслуговування клієнтів, пов’язані з розлютованими клієнтами або взаємодією зі здоров’ям, де емоційний або психічний стан пацієнта може бути під загрозою.

Але я не описую бінарний процес прийняття рішень: віддати це агентам штучного інтелекту; все інше — людям. На практиці гібридна модель працює найкраще.

Хоча між ролями штучного інтелекту та людини повинна бути чітка межа, навіть коли завдання повинні бути виконані людьми, штучний інтелект повинен бути під рукою, щоб розширити їхні можливості та зробити найкраще використання їхньої експертизи.

Загалом компанії повинні використовувати агентський штучний інтелект для транзакційних, повторюваних завдань і звертатися до людської експертизи для високоризикових взаємодій, емоційно складних сценаріїв та ситуацій, які вимагають нюансового судження. Претензія на гарантійну суму в 50 доларів може бути повністю автоматизованою, тоді як претензія на 5 000 доларів, ймовірно, буде вигідною від людської емоційної інтелектності та чутливого до бренду поводження.

Зв’язатися з агентською мережею

Можливо, найважливіше — не намагатися пірнати в агентський штучний інтелект самостійно. Зв’язатися з мережею експертних партнерів. Емерджентні агентські платформи штучного інтелекту можуть постачати технології по цифровим та голосовим каналам. Системний інтегратор та радник, який розуміє середовище клієнта, може навчати агентські моделі для конкретних потреб клієнта, а потім інтегрувати їх у операції компанії.

Інтеграція цих моделей у корпоративні системи вимагає глибокої експертизи у складних робочих процесах та галузевих проблемах. Це також вимагає тонкого розуміння точок прийняття рішень у робочих процесах та того, де людська взаємодія найнеобхідніша — або корисна, щоб агентський штучний інтелект був благом для працівників та продуктивності команди.

Агентський штучний інтелект пропонує підприємствам потужний спосіб покращити ефективність, підвищити досвід клієнтів та стимулювати інновації. Але успіх не полягає в тому, щоб поспішати. Це про те, щоб робити розумні, обґрунтовані вибори: починати з правильного місця, застосовувати гібридну людську/штучну модель та зв’язуватися з правильною мережею.

Бо з світу штучного інтелекту, який змінюється так швидко, ви не можете дозволити собі йти самому.