Drie jaar in die generatiewe AI-era, het ek 'n patroon herhaal met kliënte oor sektore. Die gesprek begin gewoonlik op dieselfde manier: hulle het AI wat ergens in die org hardloop, dikwels op 'n paar plekke, wat 'n paar tekens van agentistiese gedrag toon. Kliëntediens het 'n chatbot, 'n produk wat 'n aanbevelingsmotor of narratief-gedrewe LLM-kontekstststststroom gebou het, bemarkingskampagnes deur middel van 'n LLM, en ingenieurswese geautomatiseer 'n paar kode beoordelings plus toets, ens. Dan die vraag: "Hoe kry ons eintlik waarde uit al hierdie dinge?" Dit is die ruimte tussen om Agentiese AI te hê en te weet wat om daarmee te doen. tussen voel besig met AI-projekte en eintlik die besigheidseffek sien. In die jaar 2026, Byna 90% van die maatskappye rapporteer dat hulle AI in ten minste een besigheidsfunksie gebruik, maar die meeste is nog steeds moeilik om pilotes te skaal of duidelike ROI te demonstreer. Navorsing toon dat ons 'n infleksiepunt tref Navorsing toon dat ons 'n infleksiepunt tref Die winnaars van hierdie jaar sal nie bepaal word deur wie die meeste AI het nie. Die werklike probleem is nie tegnologie nie Industriële analiste voorspel 'n stijging van in die autonoom AI-agentmark, met voorspellings dat 40% van maatskappy-toepassings by die einde van 2026 AI-agente sal insluit. $ 7,8 miljard vandag tot meer as $ 52 miljard by 2030 $ 7,8 miljard vandag tot meer as $ 52 miljard by 2030 Maar hier is wat daardie getalle mis: om Agente te hê, is anders as om hulle te orkestreer. Ek het onlangs gewerk met 'n kliënt wat 17 verskillende AI-implementasies in hul besigheid gehad het, van bemarkingsautomatisering tot voorraadkettingoptimalisering tot HR-screening. Elkeen het uitstekend geïsoleer.Maar dan het hul produkteam probeer om Agents te begin wat bedrywighede en die besigheid nie kon waarneem en auditeer nie, wat eksistensiële risiko's en blindsides onthul nie.Niemand het eintlik hierdie stelsels ontwerp om saam te werk nie, want niemand het gedink oor orkestrering totdat dit te laat was nie. Orkestrasie beteken strategiese integrasie, nie net API's nie Wanneer mense "orkestrasie" hoor, dink hulle dikwels aan integrasie laag. Verbind die API's, beweeg 'n paar data, noem dit gedoen. Dit is stroomwater. Nuttige stroomwater, maar nie orkestrasie nie. Echte orkestrasie beteken dat jou AI-stelsels konteks oor domeine verstaan. Dink aan gespecialiseerde orkestratormodelle wat werk tussen verskillende komponente, koördinerende gereedskap en taalmodelle kan verdeel om komplekse probleme op te los. Hier is 'n voorbeeld. Kom ons sê 'n kleinhandelsmaatskappy wil voorraad optimaliseer. Hulle het vraagvoorspelling van AI in een hoek, voorraadketenplanning in 'n ander en prysoptimalisering elders. Al drie is solide modelle. Die probleem is dat hulle almal vir verskillende dinge optimiseer. Orkestrasie kan dit regstel deur 'n koördinasielaag te vestig. In plaas van 'n sentrale AI wat gespecialiseerde modelle vervang, sal hierdie stelsel die verhoudings tussen sy doelwitte verstaan. Wanneer vraagvoorspelling dui op toenemende voorraad, sal die orkestrasielaag voorsieningsketenbeperkings en pryse implikasies ondersoek voordat dit uitgevoer word. Groot ontkoppeling vir die organisasie en die besigheid. My voorspelling is dat in 2026 ondernemings meer en meer sal ontdek dat die mededingende grens lê in die effektiewe bestuur van gespesialiseerde komponente. Governance is waarnembaarheid as mededingende voordeel Die meeste bestuurders behandel nog steeds bestuur as die ding wat jy doen om in ooreenstemming te bly. Die oorhoofd wat wettig vereis. Die checkbox oefening voor die invoering. 'N Sleutelvoorloper of onderliggende aspek van bestuur met AI, is egter eintlik waarnembaarheid. Kan jy AI- en Agent-aksie na hul oorspronklike in- en uitvoer op elke koppelvlak of grens spoor, sodat jy weet wat jy oor die lang kop van kliëntgebruik gevalle lewer, is eintlik wat jy bedoel het? Die visie is duur en vandag, met AI en Agents, baie naby-visueel of heeltemal eksistensiële risiko. Voorheen was die risiko gelokaliseer omdat die produk en tegnologie deterministies was - al die kode was WYSIWG, meestal, en was lineêre, nie oop eindige AI nie. Toe Agentic AI begin optree eerder as om net antwoorde te genereer, het bestuur ophou wees oor sentrale oorsig en het oor die ontwerp van stelsels wat verantwoordelik op skaal kan bedryf. Gereguleerde bedrywe neem auditeerbare AI-prosesse en modelrisiko-bestuur as verpligte vermoëns aan. Die sleutelelemente sluit in voortdurende monitoring, verduidelikbaarheidseisense, versiesbeheer en transparante besluitnemingspad. Die maatskappye wat hierdie as eienskappe eerder as beperkings behandel, beweeg vinniger as mededingers, wat nog steeds deur handmatige goedkeuringsketens werk. Wat besluite spoed eintlik beteken Daar is 'n konsep wat trekkracht kry genaamd "beslissingssnelheid," wat verwys na hoe vinnig kleiner besluitbome en prosesse op skaal geautomatiseer kan word. Dink aan hoe besluite in die meeste ondernemings plaasvind. Iemand identifiseer 'n probleem, versamel data, analiseer opsies en escaleer na elkeen wat gesag het. Hierdie persoon evalueer konteks, maak 'n oproep en kommunikeer die besluit. Implementasie gebeur, en resultate word gevolg. Meer belangrik, elke stap behels koördineringskoste soos die vind van die regte persoon, verduideliking van konteks, wag vir beskikbaarheid en opvolg op uitvoering. AI en Agente verander die ooreenkoms wanneer hulle die hele loop kan hanteer, insluitend uitvoering en toesig.Maar dit werk slegs as die Agent of AI die grense verstaan wat hy werk binne (regering) en kan koördineer met ander stelsels wat oor die besluit moet weet (orkestrasie). Ek het gesien dat maatskappye 5-7x verbeterings in sekere besluitcycli gerapporteer het deur hierdie reg te kry. Nie 10% beter nie. Meervoudig vinniger. Die verskil tussen die reaksie op markveranderinge in weke teen dae, of die aanpassing van bedrywighede kwartaalversus besigheid voortdurend. Die volwassenheidskloof verskyn in meting Hier is hoe jy weet as jy 'n orkestreringsprobleem het: vra jou span wat sukses lyk vir hul AI-inisiatiewe. As almal jou verskillende antwoorde gee, het jy 'n koordinasie gaping. As niemand hul metrikes oor hul eweknieë met besigheidsresultate kan verbind nie, het jy 'n orkestrasie gaping. As mense nie kan verduidelik hoe hul AI-besluite ander stelsels beïnvloed nie, het jy 'n bestuur en auditbaarheid gaping. wys dat organisasies in die vroeë stadiums van AI-volwassenheid finansiële prestasie onder die industriële gemiddelde gehad het, terwyl diegene in gevorderde stadiums goed bo die gemiddelde gepresteer het. Navorsing van die MIT Navorsing van die MIT Die volwassenheidsmodelle dui almal op dieselfde vordering. Jy begin met eksperimenteer, waar individuele span individuele oplossings bou. Dit is goed vir leer, maar dit skaal nie. Die volgende fase behels die maak van stelsels om met mekaar te praat, die vestiging van gedeelde databasisse en die bou van gemeenskaplike platforms. Gebou vir 2026 en verder Die maatskappye wat hulself goed posisieer vir hierdie jaar maak spesifieke keuses. Wanneer hulle nuwe AI-vermoë evalueer, vra hulle hoe dit met bestaande stelsels pas voordat hulle vra hoe goed dit onafhanklik is. Hulle behandel bestuur raamwerke as produkbesluite, nie ooreenstemmingsoefeninge nie. Produk neem bestuur en ontbind dit in waarnembaarheid en auditeerbaarheid vir die besigheid, wat belangrik is vir ingenieurs- en bedrywighede se iteratiewe siklusse, en "is die werk" om AI of Agent AI voorspelbaar en akkuraat te lewer. Bouw waarnembaarheid in AI-stelsels van die begin af. Ontwerp vir auditeerbaarheid. Leiderschap verskuif van gekentraliseerde IT-oorsig na die bemoediging van bedryfleiers om AI- en Agent-oplossings te vind en te befonds wat hul doelwitte direk bevorder. Die mees effektiewe ondernemingsstrategieë begin met 'n fundamentele vraag: watter data kan ons vertrou, en wat moet ons regmaak voordat ons besluite op skaal automatiseer. Die praktiese werk behels verskeie stukke: die bou van koördinasielae wat gespecialiseerde AI- en Agent-stelsels saam kan werk, die vestiging van bestuurskaders wat outonome bedryf binne duidelike grense toelaat, die skep van meetstelsels wat AI-aktiwiteit met besigheidsresultate verbind, en die ontwikkeling van talent wat beide tegniese en organisatoriese aspekte verstaan. Maar dit is die werk wat maatskappye wat AI gebruik, skei van maatskappye wat deur dit verander word. … Nick Talwar is 'n CTO, voormalige Microsoft, en 'n hands-on AI ingenieur wat bestuurders ondersteun in die navigeer van AI-aanvaarding. Volg hom op LinkedIn om sy nuutste gedagtes te vang. Volg hom op LinkedIn Volg hom op LinkedIn Abonneer op sy gratis Substack vir diepgaande artikels wat direk na jou inbox gelewer word. Subscribe to sy gratis substack Subscribe to sy gratis substack Kyk na die live sessie om te sien hoe leiers in hoogs gereguleerde bedryf gebruik AI om handwerk te verminder en ROI te dryf. Kyk na die live sessie Kyk na die live sessie

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Newsletter

Hierdie oudio word in die oorspronklike taal van die storie vervaardig!

Die Agentiese AI Volwassenheidskloof: Kombineer Orkestrering, Observability en Auditability

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

How to Vote in the HackerNoon 2021 Noonies Awards #Noonies2021

The AI Writing Contest by Bright Data & HackerNoon: Results Announcement 🎉

$30M Raised in 30 Minutes and the Controversies to Follow: The Story Behind Dexter’s GM.ai Project

Thinking for the 21st century

How to Vote in the HackerNoon 2021 Noonies Awards #Noonies2021

The AI Writing Contest by Bright Data & HackerNoon: Results Announcement 🎉

$30M Raised in 30 Minutes and the Controversies to Follow: The Story Behind Dexter’s GM.ai Project

Thinking for the 21st century

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps