Опрошенные порталом ComputerWeekly эксперты рассказывают о том, как организации могут вывести автоматизацию на новый уровень с помощью агентного искусственного интеллекта.
Исследование Boston Consulting Group (BCG) «Build for the future 2025» показывает, что организации, лидирующие в области технологического развития, получают преимущество первопроходцев в сфере ИИ и использования агентного ИИ для улучшения бизнес-процессов.
По словам Джессики Апотекер, управляющего директора и старшего партнера BCG, в выводах отчета поражает то, что лидирующие в области ИИ компании в основном те же, что и восемь лет назад. «Отчет за этот год показывает, что ценностный разрыв этими и другими компаниями значительно увеличивается», — отмечает она. Другими словами, исследование BCG демонстрирует, что организации, которые непропорционально много инвестировали в технологии ИИ, получают более высокую отдачу от этих инвестиций.
Согласно многочисленным исследованиям, значительная часть инициатив в области ИИ не приносит ощутимого бизнес-успеха. В то же время отчет BCG показывает, что компании, которые оцениваются как лучшие пользователи ИИ, генерируют в 1,7 раза больше роста выручки, чем 60% компаний в категориях, которые определяются как стагнирующие или развивающиеся.
По мнению Илана Твига, соучредителя и технического директора компании Navan, проекты в области ИИ, которые не приносят ценности, являются показательными в плане того, как компании используют технологии ИИ. Слишком часто ИИ накладывается на старые системы и устаревшие процессы.
Развитие на основе RPA
Однако, безусловно, есть основания для развития на основе предыдущих инициатив, таких как роботизация процессов (RPA).
По словам Бернхарда Шаффрика, главного аналитика Forrester, агентный ИИ может быть построен на основе детерминированной системы RPA, чтобы обеспечить бóльшую гибкость, чем та, которую можно запрограммировать в существующих системах.
Аналитическая компания использует термин «оркестрация процессов» для описания следующего уровня автоматизации бизнес-процессов, использующего агентный ИИ для гораздо более легкого устранения неточностей, чем программные скрипты, используемые в RPA.
«Классические инструменты автоматизации процессов требуют, чтобы вы знали все на этапе проектирования — вам нужно предвидеть все ошибки и все исключения», — говорит Шаффрик. Он отмечает, что учесть все эти моменты на этапе проектирования при попытке оркестрировать сложные процессы нереалистично. Для этого разрабатываются новые инструменты, основанные на ИИ-агентах.
Прочный фундамент данных
По мнению BCG, необходимыми условиями для успешного внедрения ИИ-агентов являются прочный фундамент данных, масштабируемые возможности ИИ и четкое управление.
По словам Твига, стандартизация данных является ключевым условием успеха. «Большая часть проблемы заключается в данных, — говорит он. — ИИ настолько силен, насколько сильна информация, на которой он работает, но многие компании не имеют стандартизированных, согласованных наборов данных, необходимых для его надежного обучения или внедрения».
В контексте агентного ИИ это важно для предотвращения разночтений как на уровне технологической инфраструктуры, так и в понимании информации людьми. Но весь фундамент данных не обязательно создавать сразу.
По словам Апотекера, компании могут поставить перед собой общекорпоративную цель по обеспечению чистоты данных и реализовывать ее по одному проекту за раз, создавая фундамент чистых данных, на котором можно будет строить последующие проекты. Таким образом, организации смогут лучше понять, какие корпоративные данные требуются для этих проектов, и при этом обеспечить чистоту наборов данных и соблюдение надлежащих практик управления данными.
Рабочая стратегия агентного ИИ опирается на агентов, связанных слоем метаданных, благодаря чему люди понимают, где и когда делегировать определенные решения ИИ или передавать работу внешним подрядчикам. Основное внимание здесь уделяется определению роли ИИ и того, где люди, участвующие в рабочем процессе, должны вносить свой вклад.
Эту функциональность можно считать своего рода платформой. Скотт Уилсон, руководитель отдела маркетинга продуктов компании xtype, описывает платформы рабочих процессов ИИ как механизмы оркестрации, координирующие работу нескольких агентов ИИ, источников данных и точек взаимодействия с человеком посредством сложных недетерминированных рабочих процессов. На уровне кода эти платформы могут реализовывать событийно-ориентированные архитектуры с использованием очередей сообщений для обработки асинхронных процессов и обеспечения отказоустойчивости.
Отслеживание происхождения данных должно происходить на уровне кода с помощью систем распространения метаданных, которые маркируют каждое преобразование данных, вывод модели и точку принятия решения уникальными идентификаторами. Уилсон говорит, что это создает неизменяемый контрольный след, который все чаще требуются нормативные органы. По его словам, в продвинутых реализациях могут использоваться журналы типа блокчейна, доступные только для добавления, чтобы гарантировать, что контрольные данные не могут быть изменены задним числом.
Адаптация рабочих процессов и управление изменениями
Алан Лефорт, генеральный директор и соучредитель StrongestLayer, располагающий опытом строительства ИИ-нативных систем с нуля и преобразования процессов разработки с помощью ИИ, отмечает, что большинство организаций задают совершенно неверные вопросы при оценке платформ рабочих процессов ИИ. «Фундаментальная проблема не технологическая, а организационная», — говорит он.
Закон Конвея гласит, что организации разрабатывают системы, которые отражают их коммуникационные структуры. Но, по словам Лефорта, большинство оценок рабочих процессов ИИ предполагают, что организации привязывают ИИ к существующим процессам, разработанным с учетом человеческих ограничений. Это приводит к серийному принятию решений и цепочкам утверждений, не допускающим рисков, и изолированным областям.
«ИИ не имеет свойственных людям ограничений. ИИ может параллелизировать действия, которые люди должны выполнять последовательно, не страдает от накопительства территориальных знаний и не нуждается в сложных системах безопасности, которые мы создали вокруг человеческой способности ошибаться, — отмечает Лефорт. — Когда вы пытаетесь интегрировать ИИ в процессы, разработанные людьми, вы получаете незначительные улучшения. Когда вы перепроектируете процессы с учетом возможностей ИИ, вы получаете экспоненциальный рост».
Его компания недавно преобразовала свой процесс разработки фронтенда, используя этот принцип. Традиционная разработка продукта протекает последовательно. Менеджер по продукту общается с клиентами, выясняет их требования, а затем передает их команде по пользовательскому опыту для проектирования, команда по управлению программой утверждает дизайн, а разработчики реализуют ПО. По словам Лефорта, при таком процессе полная переработка приложения занимает
По его словам, в результате внесения этих изменений в рабочую нагрузку компания смогла достичь того же результата с точки зрения разработки продукта за четверть времени. Это было достигнуто не столько за счет ускорения работы, сколько за счет перепроектирования рабочего процесса с учетом способности ИИ параллелизировать последовательные действия человека.
Лефорт ожидал сопротивления. «Моим ответом было взять на себя лидерство. Я напрямую сотрудничал с нашим директором по продуктам, чтобы создать процесс, доказав его эффективность, прежде чем просить других принять его. Мы переосмыслили успех для наших фронтенд-инженеров с точки зрения скорости и внедрения новых способов работы», — говорит он.
Для Лефорта истинная скорость получения ценности исходит из двух основных источников: устранение простоя между ценными действиями и ускорение выполнения индивидуальных действий за счет автоматизации с помощью ИИ. «Это требует предварительных инвестиций в переработку процессов, а не быстрого внедрения технологий», — говорит он.
Лефорт призывает организации оценивать платформы для рабочих процессов ИИ на основе их способности обеспечить фундаментальную трансформацию процессов, а не работать над интеграцией существующих неэффективных элементов.
Правильное принятие решений с помощью агентного ИИ
Исследование BCG показывает, что лучший способ внедрения агентов — это охват нескольких высокоценных рабочих процессов с четкими планами реализации и обучением персонала, а не массовое внедрение агентов повсеместно и одновременно.
Один из аспектов, который необходимо учитывать ИТ-руководителям, — это то, что их организация, скорее всего, будет полагаться на несколько моделей ИИ для поддержки рабочих процессов агентного ИИ. Например, Ранил Ботеджу, директор по данным и аналитике Lloyds Banking Group, считает, что разные модели могут быть задействованы для решения отдельных частей запроса клиента. «Мы считаем, что у разных моделей есть разные преимущества, и мы хотим использовать лучшую модель для каждой задачи», — говорит он. Именно так банк видит внедрение агентного ИИ.
С помощью агентного ИИ проблемы можно разбивать на все более мелкие части, на каждую из которых реагируют разные агенты. Ботеджу считает, что одни ИИ-агенты должны проверять результаты работы других агентов, действуя как судья или коллега второго уровня, выступающий в роли наблюдателя. Это может помочь сократить количество ошибочных решений, возникающих в результате галлюцинаций ИИ, когда модель ИИ в основном дает ложные результаты.
ИТ-безопасность в агентном ИИ
Специалисты в области ИТ, как правило, понимают важность соблюдения передовых методов кибербезопасности. Но, как отмечает Фрейзер Дир, руководитель отдела ИИ и инноваций компании BCN, большинство пользователей не думают как разработчики ПО, которые при создании своих агентов учитывают вопросы управления. Он призывает организации вводить политики, которые гарантируют, что при внедрении агентного ИИ в спешке не будут упущены ключевые меры безопасности.
«Подумайте, к чему эти агенты ИИ могут получить доступ в SharePoint: к нескольким версиям документов, стенограммам, кадровым файлам, данным о заработной плате и многому другому. Без ограничений агенты ИИ могут получить доступ ко всему этому без разбора. Они не обязательно будут знать, какие версии этих документов являются черновыми, а какие утвержденными», — предупреждает он.
Проблема усугубляется, когда агент, созданный одним человеком, становится доступным для более широкой группы коллег. Это может непреднамеренно дать им доступ к данным, которые выходят за рамки их уровня разрешений.
Дэр считает, что управление данными должно включать настройку границ данных, ограничение доступа к данным в зависимости от должности и уровня конфиденциальности. Система управления также должна определять, из каких ресурсов данных может извлекать информацию ИИ-агент.
Кроме того, он считает, что ИИ-агенты должны создаваться для определенных целей и с использованием принципа минимальных привилегий: «Как и любое другое критически важное для бизнеса приложение, оно должно пройти надлежащее тестирование и проверку „красной командой“. Проведите тестирование на проникновение, чтобы определить, какие данные агент может раскрывать и кому и насколько точны эти данные. Отслеживайте и проверяйте, какие агенты получают доступ к каким данным и с какой целью, а также внедрите оповещения в режиме реального времени, чтобы отмечать необычные шаблоны доступа», — советует Дэр.
Впереди нелегкий путь
Соображения, высказанные экспертами в области технологий показывают, что нет прямого пути к достижению ощутимой бизнес-выгоды от рабочих процессов агентного ИИ — более того, эти системы должны быть безопасными по своему дизайну.
Организации должны иметь правильную стратегию в отношении данных и уже должны далеко продвинуться на пути к полной цифровизации, где автоматизация с помощью RPA используется для соединения многих разрозненных рабочих процессов. Агентный ИИ — это следующий этап этой автоматизации, на котором ИИ ставится задача принимать решения таким образом, который был бы слишком громоздким при использовании RPA.
Однако автоматизация рабочих и бизнес-процессов — это лишь части общей мозаики. Все больше людей приходят к пониманию того, что обсуждение в совете директоров компании должно выходить за рамки вопросов, касающихся персонала и процессов.
Апотекер считает, что бизнес-руководители должны переосмыслить, что важно для их организации и на чем они хотят сосредоточиться в будущем. Это выходит за рамки дискуссии о том, что лучше: создавать или покупать. Некоторые процессы и задачи должны оставаться в ведении компании, некоторые могут быть переданы внешнему поставщику, который вполне может использовать ИИ, а некоторые будут автоматизированы с помощью внутренних рабочих процессов на основе агентного ИИ.
Это похоже на инжиниринг бизнес-процессов, где элементы, основанные на ИИ, сосуществуют с задачами, переданными внешнему поставщику услуг. По словам Апотекера, это означает, что компании должны четко понимать, какая часть бизнес-процесса имеет стратегическое значение и должна быть трансформирована внутри компании. Затем бизнес-руководители должны выяснить, как связать стратегически важную часть рабочего процесса с тем, что компания фактически передает на аутсорсинг или потенциально автоматизирует внутри компании.
