Három évvel a generatív AI korszakába lépve megnéztem a minta ismétlődését az ágazatokon átnyúló ügyfelekkel. A beszélgetés általában ugyanúgy kezdődik: AI-t futtatnak valahol az org-ban, gyakran néhány helyen, bizonyos jeleket mutatva az Agentic viselkedésére.Az ügyfélszolgálatnak van egy chatbotja, a termék beépített ajánlómotorja vagy az elbeszélés-vezérelt LLM kontextus áramlása, marketing kampányok futnak egy LLM-en keresztül, és a mérnöki automatizált néhány kód felülvizsgálat és tesztelés stb. Aztán a kérdés: "Hogyan kaphatunk valójában értéket ebből az egészből?" Ez a tér az ügynöki AI-val és tudni, hogy mit kell tennie vele. 2026 után, A vállalatok közel 90%-a beszámol arról, hogy legalább egy üzleti funkcióban használja az AI-t, de a legtöbb még mindig küzd a kísérleti skálázással vagy egyértelmű ROI-val. A kutatások azt mutatják, hogy inflexiós pontot érünk el A kutatások azt mutatják, hogy inflexiós pontot érünk el Az idei győztest nem az határozza meg, hogy kinek van a legtöbb mesterséges intelligenciája, hanem az határozza meg, hogy ki találta ki az orchestrációt, a megfigyelhetőséget és az auditálhatóságot. A valódi probléma nem a technológia Elemzők szerint a növekedés a az autonóm AI-ügynökök piacán, az előrejelzések szerint a vállalati alkalmazások 40% -a 2026 végéig beágyazza az AI-ügynököket. Ma 7,8 milliárd dollár, 2030-ra több mint 52 milliárd dollár Ma 7,8 milliárd dollár, 2030-ra több mint 52 milliárd dollár De itt van, amit ezek a számok hiányoznak: az ügynökök eltérnek attól, hogy megszervezzék őket. Nemrégiben dolgoztam egy ügyféllel, akinek 17 különböző mesterséges intelligencia-implementációja volt üzleti tevékenységük során, a marketing automatizálástól az ellátási lánc optimalizálásáig a HR szűrésig. Mindegyik jól működött elszigetelten.De aztán a termékcsapatuk megpróbálta elindítani az ügynököket, amelyeket a műveletek és az üzlet nem tudott megfigyelni és ellenőrizni, feltárva az egzisztenciális kockázatokat és a vak oldalakat.Senki sem tervezte meg ezeket a rendszereket, hogy együttműködjenek, mert senki sem gondolt a zenélésre, amíg túl késő volt. Az orchestráció stratégiai integrációt jelent, nem csak API-kat Amikor az emberek „orchestrációt” hallanak, gyakran integrációs rétegre gondolnak. Csatlakoztassa az API-kat, mozgatjon néhány adatot, hívja be. Hasznos a vízvezeték, de nem a zenekar. A valódi zeneszerzés azt jelenti, hogy az AI-rendszerek megértik a kontextusokat a különböző területeken. Gondoljunk a speciális zeneszerzőmodellekre, amelyek megoszthatják a munkát a különböző komponensek, a koordináló eszközök és a nyelvi modellek között a komplex problémák megoldása érdekében. Itt van egy példa. Tegyük fel, hogy egy kiskereskedelmi vállalat szeretné optimalizálni a készleteket. Az egyik sarokban keresletelőrejelzéssel rendelkeznek, egy másikban ellátási lánctervezéssel, máshol pedig ároptimalizálással. mindhárom szilárd modell. Az orchestráció koordinációs réteg létrehozásával javíthatja ezt. A központi AI helyett, amely a speciális modelleket helyettesíti, ez a rendszer megértené a célkitűzései közötti kapcsolatokat. Amikor a keresleti előrejelzés azt sugallja, hogy a készlet növekszik, az orchestrációs réteg ellenőrizné az ellátási lánc korlátait és az árbevétel következményeit a végrehajtás előtt. Hatalmas feloldás a szervezet és az üzlet számára. Előrejelzésem szerint 2026-ban a vállalatok egyre inkább rájönnek, hogy a versenyképesség határa a speciális alkatrészek hatékony kezelésében rejlik. A kormányzás a megfigyelhetőség, mint versenyelőny A legtöbb vezető még mindig úgy kezeli a kormányzást, mint amit megteszel, hogy megfeleljen. A törvény által megkövetelt felülvizsgálat. A vezérlődoboz gyakorlása a telepítés előtt. Az AI-val való kormányzás kulcsfontosságú előfutára vagy mögöttes aspektusa azonban valójában megfigyelhetőség. Az AI és az ügynök cselekedeteit nyomon követheti az eredeti bemenetekre és kimenetekre minden interfészen vagy határon, hogy tudja, amit az ügyfélhasználati esetek hosszú sorában szállít, valójában az, amit szándékozott? Ez a nézet drága, és ma az AI-val és az ügynökökkel nagyon közeli vagy egészen egzisztenciálisan kockázatos. Korábban a kockázat lokalizált volt, mert a termék és a technológia determinisztikus volt - minden kód többnyire WYSIWG volt, és lineáris volt, nem nyílt végű AI. Amikor az Agentic AI elkezdett cselekedni, nem csak válaszokat generálni, a kormányzás megszűnt a központi felülvizsgálatról, és olyan rendszerek tervezéséről szólt, amelyek felelősségteljesen működhetnek a skálán. A szabályozott iparágak az auditálható mesterséges intelligencia-folyamatokat és a modellezési kockázatkezelést kötelezővé teszik.A kulcsfontosságú elemek közé tartozik a folyamatos nyomon követés, a magyarázhatóság követelményei, a verziószabályozás és az átlátható döntéshozatali pályák. Azok a vállalatok, amelyek ezeket a funkciókat a korlátozások helyett jellemzőnek tekintik, gyorsabban haladnak, mint a versenytársak, és még mindig manuális jóváhagyási láncokon keresztül dolgoznak. Mit jelent valójában a döntés sebessége Van egy fogalom, amely a "döntés sebességének" nevezik, ami arra utal, hogy a kisebb döntésfák és folyamatok milyen gyorsan automatizálhatók a skálán. Gondolj arra, hogyan történnek a döntések a legtöbb vállalkozásban. Valaki azonosítja a problémát, adatokat gyűjt, elemzi a lehetőségeket, és fokozódik, hogy bárki, akinek van hatósága. Ez a személy felülvizsgálja a kontextust, hívást tesz, és kommunikálja a döntést. Minden lépés időt vesz igénybe.Még fontosabb, hogy minden lépés összehangolási költségekkel jár, mint például a megfelelő személy megtalálása, a kontextus megmagyarázása, a rendelkezésre állás várása és a végrehajtás nyomon követése. Az AI és az ügynökök megváltoztatják az egyenletet, amikor képesek kezelni az egész csomópontot, beleértve a végrehajtást és a monitorozást. de ez csak akkor működik, ha az ügynök vagy az AI megérti a határait, amelyeken belül működik (kormányzás), és összehangolható más rendszerekkel, amelyeknek tudniuk kell a döntésről (orchestráció). Láttam, hogy a vállalatok bizonyos döntéshozatali ciklusokban 5-7-szeres javulást értek el, ha ezt helyesen teszik. Nem 10% -kal jobb. Többször gyorsabb. A különbség a piaci változásokra való reagálás között hetekben és napokban, vagy a negyedéves és a közelmúltban végzett műveletek folyamatos kiigazítása között. Az érettséghiány megjelenik a mérésben Íme, hogyan tudhatod meg, hogy van-e orchestrációs problémád: kérdezd meg a csapatodat, hogy milyen sikereket érnek el az AI-kezdeményezéseik. Ha mindenki különböző válaszokat ad, akkor koordinációs szakadék van.Ha senki sem tudja összekapcsolni a társaik mutatóit az üzleti eredményekkel, akkor van egy szerveződési szakadék.Ha az emberek nem tudják megmagyarázni, hogy az AI-határozatok hogyan befolyásolják más rendszereket, akkor kormányzási és ellenőrzési szakadék van. azt mutatja, hogy az AI érettségének korai szakaszában lévő szervezetek pénzügyi teljesítménye az iparági átlag alatt volt, míg a fejlett szakaszban lévő szervezetek jóval az átlag felett teljesítettek. A MIT kutatása A MIT kutatása Az érettségi modellek mind ugyanazt a haladást mutatják. Kezdjük a kísérletezéssel, ahol az egyes csapatok egyéni megoldásokat hoznak létre. A következő szakasz magában foglalja a rendszerek egymással való beszélgetését, a megosztott adatalapok létrehozását és a közös platformok kiépítését. Építés 2026-ra és azon túl Azok a cégek, amelyek jól pozícionálják magukat az idei évre, konkrét döntéseket hoznak. Az új AI-képességek értékelésekor megkérdezik, hogyan illeszkedik a meglévő rendszerekhez, mielőtt megkérdezik, mennyire jó önálló. Az irányítási keretrendszereket termékhatározatoknak tekintik, nem megfelelőségi gyakorlatoknak.A termék irányítást vesz igénybe, és megfigyelhetőségre és auditálhatóságra bontja azt a vállalkozás számára, ami fontos a mérnöki és műveleti iteratív ciklusok számára, és „a munka” az AI vagy az ügynöki AI idővel kiszámíthatóan és pontosan történő biztosítása érdekében. A vezetés a központosított informatikai felügyeletről az üzleti vezetők felhatalmazására terjed, hogy megtalálják és finanszírozzák az AI és az Ügynök megoldásait, amelyek közvetlenül elősegítik céljaikat. A leghatékonyabb vállalati stratégiák egy alapvető kérdéssel kezdődnek: milyen adatokat bízhatunk meg, és mit kell javítanunk, mielőtt nagyszabású döntéseket automatizálnánk. A gyakorlati munka több részből áll: olyan koordinációs rétegek kiépítése, amelyek lehetővé teszik a speciális AI és az Agent rendszerek együttműködését, olyan irányítási keretrendszerek létrehozása, amelyek lehetővé teszik az autonóm működést egyértelmű határokon belül, mérési rendszerek létrehozása, amelyek összekapcsolják az AI-tevékenységet az üzleti eredményekkel, és olyan tehetségek fejlesztése, amelyek megértik mind a technikai, mind a szervezeti szempontokat. De ez az a munka, amely elválasztja az AI-t használó vállalatokat az általa átalakított vállalatoktól. … Nick Talwar CTO, volt Microsoft és gyakorlati AI mérnök, aki támogatja a vezetők navigálása AI elfogadása. Kövesse őt a LinkedIn-en, hogy megragadja a legújabb gondolatait. Kövesd őt a LinkedIn-en Kövesd őt a LinkedIn-en → Iratkozzon fel az ingyenes Substack-re a mélyreható cikkekért, amelyeket közvetlenül a postaládájába szállítanak. Iratkozzon fel az ingyenes szubstackra Iratkozzon fel az ingyenes szubstackra → Nézze meg az élő munkamenetet, hogy megnézze, hogyan használják a magasan szabályozott iparágak vezetői a mesterséges intelligenciát a kézi munka csökkentésére és a ROI növelésére. Nézze meg az élő ülést Nézze meg az élő ülést

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

Newsletter

Ez a hanganyag a történet eredeti nyelvén készült!

Az ügynöki AI érettségi szakadék: az orchestráció, a megfigyelhetőség és az auditálhatóság kombinálása

About Author

HOZZÁSZÓLÁSOK

HANG TAGOK

EZT A CIKKET BEMUTATTA

Related Stories

HackerNoon Social Media Presence: A Complete Guide

Hubble Protocol, a DeFi project on Solana Raises $10 Million Led By Crypto.com Capital, DCG and CMS

A SECOND ENIGMA

Of The First and Last Things: Part 4

HackerNoon Social Media Presence: A Complete Guide

Hubble Protocol, a DeFi project on Solana Raises $10 Million Led By Crypto.com Capital, DCG and CMS

A SECOND ENIGMA

Of The First and Last Things: Part 4

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps