Предприятия должны стратегически оценить, как внедрить агентов искусственного интеллекта наряду с ИИ-помощниками и чат-ботами для достижения оптимальной операционной эффективности, пишет на портале ITPro Today Ник Отто, руководитель отдела глобальных стратегических партнерств IBM.
Большинство компаний принимают идею чат-ботов, ИИ-помощников и больших языковых моделей (LLM). ИИ-агенты привлекают всеобщее внимание благодаря своей уникальной способности проактивно рассуждать и повышать производительность.
Согласно отчету Gartner «Top Strategic Technology Trends for 2025», к 2028 г. 33% корпоративного ПО будет включать агентный ИИ, в то время как в
Но как только внимание переключится на ИИ-агентов, все ли помощники должны превратиться в агентов? Не обязательно.
ИИ-агенты, помощники и другие генеративные ИИ-возможности будут работать на предприятии бок о бок, каждый из них будет подходить для решения уникальных и дополнительных задач. Понимание назначения агентов, идеальных сценариев использования, требуемых ресурсов и способов их интеграции с существующими системами является ключевым моментом для определения того, насколько они подходят для решения бизнес-задач.
При оценке целесообразности внедрения агентов ИИ начните со сбора команды, чтобы четко определить желаемые бизнес-результаты и результаты работы пользователей. Спросите: какой аспект бизнеса мы хотим улучшить? Как мы будем измерять успех? Как это решение повлияет на итоговый результат? Какой уровень интерактивности и персонализации необходим? Как мы можем эффективно управлять этими решениями в масштабе, обеспечивая при этом доверие, соответствие требованиям и операционную эффективность? Какая консалтинговая компания обладает необходимыми знаниями и опытом, чтобы обеспечить безопасное и ответственное внедрение для нашего бизнеса?
После того как вы четко сформулируете свои цели, возможности, недостатки и преимущества внедрения агента, настанет время изучить технологию.
ИИ-агенты выигрывают в сложных задачах, а помощники — в регулярных
ИИ-агенты отлично справляются с задачами, требующими «постоянно включенных» операций, принятия сложных решений и постоянной оптимизации. Они могут предвидеть потребности, планировать рабочие процессы и решать задачи без непосредственного участия пользователя. При правильном развертывании в бизнес-сфере агенты могут автоматизировать сложные многоэтапные рабочие процессы с немыслимыми ранее уровнями осмысления и автономности. Например, агенты идеально подходят для прогнозирования продаж, квалификации и оценки лидов, а также для управления цепочками поставок в режиме реального времени, где автономное принятие решений имеет решающее значение.
Уникальным преимуществом агентов является возможность улучшить процессы за кулисами, предоставляя проактивные обновления, предупреждения и рекомендации на основе данных и прогнозной аналитики реального времени. Для некоторых конечных пользователей, таких как ИТ-оператор или аналитик данных, это может высвободить ценное время, чтобы сосредоточиться на более стратегических инициативах. Однако для более простых, структурированных задач, требующих реагирования в реальном времени с учетом контекста, таких как ответы на обычные запросы и перенаправление клиентов к сотрудникам службы поддержки, ИИ-помощники или чат-боты могут оказаться более практичным и экономически эффективным решением.
С финансовой точки зрения ИИ-агенты требуют длительного обучения и могут быть вычислительно ресурсоемкими. Хотя первоначальное внедрение дорого и текущие расходы на управление высоки, долгосрочная окупаемость инвестиций, достигаемая за счет постоянного повышения эффективности и конкурентных преимуществ, может сделать их оправданными. Однако многие компании не располагают достаточными ресурсами, чтобы поддерживать значительные первоначальные инвестиции без немедленной или краткосрочной отдачи. В конечном итоге выбор зависит от того, требуется ли вашей компании быстрая окупаемость инвестиций или она может выдержать более длительный период инвестирования.
Прочный фундамент данных и управление ими имеют важнейшее значение
ИИ с открытым исходным кодом научил мир тому, что при использовании одних и тех же данных в любой модели в конечном итоге получается один и тот же ответ: модель — это не дифференциация. Хотя компании могут использовать готовые решения для ИИ-агентов, их потенциал полностью раскрывается при обучении на собственных данных из бэк-офиса, мэйнфреймов, баз данных, CRM- и ERP-систем. Для этого необходим доступ к чистым, хорошо структурированным и разнообразным наборам данных, а также системные интеграции, которые создают полный цикл обратной связи, позволяющий агентам функционировать должным образом.
После обеспечения доступа к нужным корпоративным данным необходимо обеспечить надлежащее управление всеми перемещениями данных — внутренними и внешними, — сводя к минимуму риски и возможные ошибки. При этом учитывайте допустимые риски вашей организации. Многие компании, особенно в регулируемых отраслях, крайне осторожно относятся к потенциальным предубеждениям или ошибочным решениям в системах ИИ, что, вероятно, повлияет на их решение о внедрении агентов ИИ.
Надежные стратегии управления очень важны, особенно при масштабировании операций с агентами ИИ. Без них внедрение может создать больше рисков, таких как несоответствие нормативным требованиям, превышение бюджета и другие проблемы, чем преимуществ, особенно когда вы начнете внедрять агентов в различных бизнес-функциях.
Оркестрация ИИ — это мультипликатор силы
В конечном счете компании добьются наилучших результатов, когда агенты ИИ будут сотрудничать с другими агентами, LLM и помощниками разных поставщиков, независимо от того, разработаны ли они собственными силами, включены ли в платформы ISV или привлечены извне. Такой открытый гибридный подход, требующий бесшовной и целостной оркестрации, позволяет организациям стратегически выбирать лучшего поставщика и решение для каждого сценария использования, используя набор разнообразных технологий ИИ для предоставления точных, адаптируемых и экономически эффективных решений при минимизации избыточности. Более того, объединив агентов и их способность автономно выполнять сложные задачи с помощниками, способными естественно взаимодействовать с пользователями, компании смогут создать более мощные и интуитивно понятные решения на основе ИИ, чем те, которые они могли бы предложить с ином случае.
Чтобы эффективно масштабировать эти решения, компании должны использовать правильные инструменты оркестрации, которые помогут интегрировать, автоматизировать и управлять растущей сетью агентов и помощников наряду с существующими бизнес-системами и рабочими процессами.
Благодаря правильным консалтинговой поддержке и стратегии внедрения агентный ИИ больше не является футуристической концепцией. Создавать агентов ИИ и управлять ими в масштабах предприятия с помощью платформ low-code и no-code стало проще, чем когда-либо, что делает их активной силой, способной трансформировать отрасли по всему миру.
