
 
 Dette er den anden artikel i en serie på fem dele om agentisk AI i virksomheden. I del 1, udforskede vi, hvad agentisk AI er, og hvordan det adskiller sig fra generativ AI, der fremhæver skiftet fra hype til pragmatisk virkelighed. I del 1 udforskede vi, hvad agentisk AI er, og hvordan det adskiller sig fra generativ AI, og fremhævede skiftet fra hype til pragmatisk virkelighed. Dette er den anden artikel i en femdel serie om agentisk AI i virksomheden. Dette er den anden artikel i en femdel serie om agentisk AI i virksomheden. Det er en rejse med øget evne og tillid. I praksis kan virksomhedens vedtagelse af AI-agenter ses som et modenhedsspektrum med fire brede faser, der går fra grundlæggende assistive værktøjer til fuldt autonome systemer. Tænk på det som crawl - walk - run - fly i forhold til en organisations AI-kapacitet. Forståelse af, hvor du er på denne kurve, hjælper med at sætte realistiske forventninger og næste skridt for dine AI-projekter. De fleste virksomheder i dag er et sted i midten, eksperimenterer med avancerede assistenter eller smalle autonome agenter, i stedet for på slutlinjen af "AI gør alt." Lad os definere hver fase og hvad det ser ud i det virkelige liv. (Vi vil bruge metaforen crawl / walk / fly run / fly I bunden af stigen er de traditionelle automatiserings- og analyseløsninger, der har eksisteret i årevis. Tænk på reglerbaserede arbejdsprocesser, enkle chatbots, robotprocessautomation (RPA) bots eller klassiske maskinlæringsmodeller, der laver isolerede forudsigelser. Disse systemer kan automatisere gentagne, veldefinerede opgaver (f.eks. flagning af en svigagtig transaktion eller generering af en rapport fra en skabelon) og hjælpe mennesker ved at håndtere grunt arbejde. Men de har ingen dynamisk planlægning eller sand autonomi - de udfører forudbestemte regler eller modeludgange på en fast måde. De fleste virksomheder har allerede dette fundament på plads (måske en grundlæggende kundeservice chatbot eller en ML, der sorterer indkommende e-mail Phase 1 - Assisted Intelligence (Crawl): De sidste par år har set en eksplosion af generative AI-drevne assistenter, der opererer med langt mere fleksibilitet. Dette er æraen med værktøjer som Microsofts Copilot i Office-apps, Googles Duet AI for Workspace eller brugerdefinerede GPT-baserede chatbots, der kan forstå naturligt sprog og håndtere mere komplekse anmodninger. Disse assistenter repræsenterer et stort skridt op i evnen - for eksempel, de kan opsummere dokumenter, udarbejde e-mails, besvare frie spørgsmål - hvilket giver en betydelig produktivitetsforøgelse på tværs af mange viden-arbejdsopgaver. Fase 2 er dog stadig disse assistenter mest reaktiv. De arbejder én forespørgsel eller kommando ad gangen og er afhængige af brugeren til at initiere hver interaktion. Med andre ord Phase 2 - Generative AI Assistants (Walk): Her kommer vi til at stole på den virkelige agentiske AI. Systemer i fase 3 kan gives et højt niveau mål og vil proaktivt udforme og udføre en flertrinsplan for at opnå det. De indbefatter evner som planlægningsalgoritmer, værktøjsbrug (f.eks. opkald APIs), hukommelse af forudgående kontekst og dynamisk læring fra feedback. I praksis er disse "digitale kolleger", der kan håndtere velbegrænsede mål end-to-end. For eksempel kan en it-supportagent på dette niveau selvstændigt håndtere en brugers anmodning fra start til slut: læse billetten, diagnosticere problemet (måske ved forespørgselslogs eller en videnbase), anvende en løsning, og derefter bekræfte opløsningen, der kun stiger til et menneske, hvis det Phase 3 - Goal-Driven AI Agents (Run): Den ambitiøse ende-tilstand er et system (eller et økosystem af systemer) af AI-agenter, der opererer med minimal menneskelig involvering - effektivt fungerende som en digital arbejdsstyrke til visse opgaver eller processer. Et fase 4-scenario kan være, for eksempel, en autonom ordreopfyldelsesagent (eller et team af agenter), der modtager kundeordrer og derefter håndterer alt fra lagerkontrol til at arrangere forsendelse og opdatere kunden, der tilpasser sig problemer undervejs, alt uden trinholdning. I teorien kan du delegere en hel forretningsproces til AI-agenter. I praksis har meget få organisationer noget tæt på dette i produktionen endnu. De tekniske, etiske og organisatoriske udfordringer er betydelige, og forståeligt, de fleste virksomheder er ikke klar til at lade en AI ro Phase 4 - Fully Autonomous Agentic Systems (Fly): Hvor står virksomhederne i dag? I min erfaring (afhængigt af brancheundersøgelser) klynger de fleste virksomheder i øjeblikket i faser 2-3 - de bruger generative AI-assistenter til at øge medarbejderne og måske køre en pilot af en mere autonom agent i et specifikt brugstilfælde. Det er almindeligt at starte med at indføre en GenAI-assistent til at hjælpe medarbejderne (fase 2), derefter pilotere en måldrevet agent til en proces med høj værdi (fase 3). Hvert skridt op ad modenhedskurven kræver ikke kun bedre teknologi, men stærkere processer og kulturel beredskab. Ikke alle organisationer vil have brug for eller ønsker at nå fase 4 på alle områder - målet er ikke autonomi for egen skyld, men forbedrede resultater. I mange tilfælde leverer en fase 3-agent med en human overseer den bedste balance Vigtigt, at kende din nuværende fase hjælper med at styre forventninger. For eksempel, hvis din virksomhed stadig "lærer at scrape" med grundlæggende RPA-bots, hopper du direkte til en fuldt autonom agent, der administrerer kritiske opgaver, ville bede om problemer. Det kan være klogere at introducere en generativ assistent først, komme tilpas med AI-udgange, og derefter gradvist give AI mere autonomi i et kontrolleret område. Omvendt, hvis du har udført vellykkede fase 2-piloter, kan du være klar til at eksperimentere med en fase 3-agent - men du skal investere i arkitektur og styring for at støtte det. Budskabet er: gå før du kører (og måske før du flyver). I den næste del af denne serie vil vi bevæge os fra denne konceptuelle køreplan til den arkitektur, der er nødvendig for succes. Hvad tager det under kappen for at gøre en smuk prototypeagent til en produktionsløsning? Som det viser sig, deler succesfulde agent AI-systemer et fælles DNA. I del 3, vil vi bryde ned de syv centrale søjler i en enterprise AI-agent arkitektur, fra hvordan det opfatter input til hvordan det styres, og dele design tips til hver.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Read My Stories

Denne lyd er produceret på historiens originalsprog!

Crawl, Walk, Run, Fly - De fire faser af AI Agent Maturity

About Author

KOMMENTARER

HÆNG TAGS

DENNE ARTIKEL BLEV PRÆsenterET I

Related Stories

Meet inDrive: The HackerNoon Company of the Week

Meet IONOS: HackerNoon Company of the Week

Meet Bright Data: HackerNoon Company of the Week

Avoid These Mistakes to Monetize Internet Products Profitably

Meet inDrive: The HackerNoon Company of the Week

Meet IONOS: HackerNoon Company of the Week

Meet Bright Data: HackerNoon Company of the Week

Avoid These Mistakes to Monetize Internet Products Profitably

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps