Де починати з агентським AI: рамкова структура для керівників бізнесу

За останні десять років два паралельних шляхи виникли та сформували трансформацію підприємств у тандемі: шлях процесів та шлях даних.

Шлях процесів, або як робота виконується, еволюціонував від Lean Sigma Six до включення автоматизації роботизованих процесів (RPA) та цифрових робочих потоків, все це в пошуках ефективності, структури та масштабу. З іншого боку, шлях даних, або як приймаються рішення, еволюціонував від традиційної бізнес-інтелектуальної системи до системи передбачуваної інтелектуальної системи, що працює на основі машинного навчання, а тепер і генеративного AI (генеративний AI). Обидва шляхи потужні, але справжній прорив відбувається, коли вони обоє з’єднуються. Ласкаво просимо, агентський AI.

Агентський AI – це точка інфлексії, де агенти не тільки розуміють дані, але також знають, як діяти в системах та робочих потоках для більшої автоматизації, керованої даними. Дослідження показує, що 96% лідерів підприємства ІТ планують збільшити використання агентів протягом наступних 12 місяців. Однак, коли організації намагаються масштабувати ініціативи агентського AI, вони часто борються з тим, щоб визначити, де і як починати.

Для технічних лідерів, які хочуть використовувати агентський AI, їм потрібно думати про агентські робочі потоки як про злиття рішення та виконання, впроваджуючи аналітичну інтелектуальність безпосередньо у робочі потоки для більшої ефективності. Лише коли така підприємницька широка шар інтелекту буде досягнута, автономні агенти зможуть закрити коло між знанням і діянням.

Визначення агентського AI: що означає бути агентським підприємством

Багато організацій починають свій шлях агентського AI, перш ніж вони зрозуміють, що таке агентський AI. Подумайте про агентське підприємство як про зайнятий міжнародний аеропорт. Літаки – це агенти AI, кожний з яких має завдання. Вони знають свою мету і діють незалежно, злітають і летять до місця призначення – все це відбувається, поки аеропорт залишається повністю функціональним. Але це вища мета аеропорту, а не окремий рух літаків, що робить його агентським. Диспетчери повітряного руху – це оркестратори, які роблять роботу аеропорту безпечною та ефективною – вони обирають, які літаки розгорнути коли і де, керують наземним контролем для технічного обслуговування та заправки, і концертують все найефективнішим чином для всієї системи. Кожен літак існує окремо, але це координація всіх злетів і посадок, що робить аеропорт успішним у плані безпеки та ефективності.

Агентське підприємство – це не те, яке реалізує прості рефлексивні агенти або базові боти, які були вдосконалені для виконання завдання. Агентське підприємство оркеструє мережу інтелектуальних агентів, призначених для виконання складних, багатокрокових завдань незалежно. Вони йдуть далеко за межі попередньо визначених правил до того, щоб агенти могли приймати рішення, які відповідають стратегічним цілям, і адаптуватися та покращуватися з часом, виводячи підприємницьке навчання на новий рівень.

Це також те, що відрізняє агентський AI від генеративного AI. Генеративний AI реагує на підказки, тоді як агентський AI приймає автономні дії для досягнення цілей, вчиться і адаптується по ходу справи. Ці багатокрокові системи з’єднуються з різними підприємницькими додатками та працюють з стратегічним передбаченням, щоб допомогти приймати рішення, автоматизувати процеси та доставляти цінність по всьому підприємству.

Важливо пам’ятати, що це шлях. Кожен агент буде мати свій рівень зрілості та складності, яку він може впоратися. Становлення агентським підприємством вимагає цілісного дизайну, координації та безперервної еволюції екосистеми агентів, з чіткими цілями, інтелектуальними зворотними зв’язками та експертними людьми, впровадженими там, де і як це має сенс для цільового результату.

Визначення випадків використання агентського AI: чому важливо створювати цінність

Занадто часто випадки використання агентського AI терплять невдачу через поганий вибір випадків використання. Насправді, Gartner передбачає більше 40% проектів агентського AI будуть скасовані до кінця 2027 року. Це не через те, що технологія не спрацювала, а через те, що підприємства не вибирають відповідні випадки використання для розгортання агентів.

Щоб уникнути такої долі, організації повинні визначити, де агентський AI може мати найбільший вплив, оцінюючи як цінність підвищення, так і швидкість досягнення результату.

З боку цінності підприємства повинні спочатку запитати, які домени мають найбільші болі клієнтів – внутрішні та зовнішні – і, відповідно, мають найбільший потенціал для впливу. Потім вони повинні розглянути, який процес і попит виглядають. Підказка? Агентський AI доставляє більш відчутні вигоди для областей, які мають високо складні процеси, великі робочі потоки та потребу у стратегічному, динамічному прийнятті рішень. Це не варто недооцінювати, що агентський AI повинен бути реалізований в областях, які мають високий потенціал зростання, враховуючи його масштабованість та адаптивність до змінюваного попиту та обсягу з часом.

Найважливішим є оцінка швидкості досягнення результату, яку можна зробити, аналізуючи дані для доступності, якості та управління. Просто кажучи, краще дані ведуть до кращої продуктивності AI. Незалежно від того, де агентський AI активується, надання безпечних гарантій є критично важливим, особливо коли йдеться про чутливі дані. Щоб зробити це ефективно, підприємства повинні врахувати потенційні нормативні обмеження, які можуть вплинути на терміни прийняття. Це не область, де можна скоротити кути. Починати з систем людини в циклі допомагає забезпечити відповідальну та етичну реалізацію, яка пізніше може дати підприємствам більшу впевненість у автономності агентів AI.

Будівництво технологічної бази агентського AI: як досягти бажаних результатів

Організації, готові прийняти агентський AI, повинні побудувати відповідну технологічну інфраструктуру, яка дозволяє масштабуватися для зростання, гнучкість для інтеграції та безпеку для захисту.

Щоб почати, керівники підприємств повинні забезпечити, щоб як структуровані, так і неструктуровані дані були інтегровані в одну систему для побудови міцної бази даних, яка є критично важливою для ефективної та сталої реалізації. Доступність даних і управління ними є фундаментальними для агентського AI. Цей крок також критично важливий для побудови задач- та домен-специфічних мовних моделей.

Як тільки база даних встановлена, а мовні моделі створені, підприємства повинні використовувати платформи AI, інструменти та послуги для прискорення прийняття агентів AI та модульності. Починаючи з пілотного проекту в контрольованому середовищі, організації можуть тренувати та розгортати агентів, які виконують конкретні завдання та доставляють бізнес-результати, забезпечуючи людський нагляд та безперервно моніторячи продуктивність через контрольний шар, який відповідає бізнес-КПІ.

Лідерство

Агентський AI представляє фундаментальну зміну у способі роботи підприємств. Підприємства, які вийдуть переможцями, будуть тими, хто використовує цю можливість, щоб переосмислити свої операційні моделі та бізнес-практики з нуля. Ключем є експериментувати мудро та ітеруватися, будувати та партнерувати з наміром, а потім масштабувати з впевненістю. Агентський AI представляє фундаментальну зміну у способі роботи підприємств. Підприємства, які вийдуть переможцями, будуть тими, хто використовує цю можливість, щоб переосмислити свої операційні моделі та бізнес-практики з нуля. Ключем є експериментувати мудро та ітеруватися, будувати та партнерувати з наміром, а потім масштабувати з впевненістю.