Praėjus trejiems metams į generuojamojo AI erą, stebėjau, kaip modelis kartojasi su klientais iš įvairių sektorių. Pokalbis paprastai prasideda tuo pačiu būdu: jie turi AI paleisti kažkur org, dažnai keliose vietose, rodo kai agentų elgesio požymius. klientų aptarnavimas turi pokalbių robotą, produktas pastatytas rekomendacijų variklis arba pasakojimo sukurtas LLM kontekstinis srautas, rinkodaros kampanijos veikia per LLM, ir inžinerija automatizuota kai kodo peržiūros plius testavimas ir tt Tada kyla klausimas: „Kaip iš tikrųjų gauname vertę iš viso to?“ Tai erdvė tarp Agentinio AI ir žinant, ką daryti su juo. Tarp jausmo užsiėmimo AI projektais ir faktinio verslo poveikio. Iki 2026 m. Beveik 90% kompanijų praneša, kad naudoja AI bent vienoje verslo funkcijoje, tačiau dauguma vis dar stengiasi išplėsti bandymus arba parodyti aiškų ROI. Tyrimai rodo, kad mes pasiekėme nukrypimo tašką Tyrimai rodo, kad mes pasiekėme nukrypimo tašką Šiemet nugalėtojai nebus nustatomi pagal tai, kas turi daugiau AI. Jie bus apibrėžti pagal tai, kas sugalvojo orchestrą, stebėtinumą ir audituojamumą. Tikroji problema – ne technologijos Pramonės analitikai prognozuoja augimą autonominių AI agentų rinkoje, prognozuojant, kad iki 2026 m. Pabaigos 40 proc. įmonių programų įterps AI agentus. $7.8 billion today to over $52 billion by 2030 7,8 mlrd. JAV dolerių šiandien iki 52 mlrd. JAV dolerių iki 2030 m. Bet čia yra tai, ko trūksta tiems skaičiams: Agentų turėjimas skiriasi nuo jų organizavimo. Neseniai dirbau su klientu, kuris turėjo 17 skirtingų AI įgyvendinimų, veikiančių visame savo versle, nuo rinkodaros automatizavimo iki tiekimo grandinės optimizavimo iki žmogiškųjų išteklių patikrinimo. Bet tada jų produktų komanda bandė paleisti agentus, kurių operacijos ir verslas negalėjo stebėti ir audituoti, atskleidžiant egzistencinę riziką ir aklas puses. Orchestravimas reiškia strateginę integraciją, o ne tik API Kai žmonės girdi "orchestravimą", jie dažnai galvoja apie integracijos sluoksnį.Prisijungti API, perkelti kai kuriuos duomenis, vadinti tai padaryta. Tai vandentiekis. naudinga vandentiekis, bet ne orkestracija. Tikrasis orchestravimas reiškia, kad jūsų AI sistemos supranta įvairių sričių kontekstą. pagalvokite apie specializuotus orchestratorių modelius, kurie gali paskirstyti darbą tarp skirtingų komponentų, koordinuojančių įrankių ir kalbų modelių, kad išspręstų sudėtingas problemas. Tarkime, kad mažmeninės prekybos įmonė nori optimizuoti atsargas.Jie turi paklausos prognozę AI viename kampe, tiekimo grandinės planavimą kitame ir kainų optimizavimą kitur. Orchestravimas gali tai išspręsti nustatydamas koordinavimo sluoksnį. Vietoj centrinio AI, kuris pakeičia specializuotus modelius, ši sistema suprastų savo tikslų santykius. Kai paklausos prognozavimas rodo didėjančią atsargą, orchestravimo sluoksnis tikrintų tiekimo grandinės apribojimus ir kainodaros pasekmes prieš vykdydamas. Didžiulis organizacijos ir verslo atidarymas. Mano prognozė yra ta, kad 2026 m. įmonės vis dažniau atras, kad konkurencinė riba yra efektyvus specializuotų komponentų valdymas. Valdymas yra stebėjimas kaip konkurencinis pranašumas Dauguma vadovų vis dar elgiasi su valdymu kaip su tuo, ką darote, kad liktumėte atitikties reikalavimams. Teisinis reikalavimas. Prieš diegiant patikrinimo langelį. Tačiau pagrindinis pirmtakas ar pagrindinis valdymo su AI aspektas iš tikrųjų yra stebėjimas. Ar galite sekti AI ir agento veiksmus iki jų pradinių įvesties ir išvesties kiekvienoje sąsajoje ar ribose, kad žinotumėte, ką jūs pristatysite per ilgą klientų naudojimo atvejų uodegą, yra iš tikrųjų tai, ką ketinate? Toks požiūris yra brangus ir šiandien, su AI ir agentais, labai artimas ar tiesiog egzistenciškai rizikingas.Anksčiau rizika buvo lokalizuota, nes produktas ir technologija buvo deterministiniai – visas kodas buvo WYSIWG, daugiausia, ir buvo linijinis, o ne atvira AI. Kai Agentinis AI pradėjo imtis veiksmų, o ne tik generuoti atsakymus, valdymas nustojo būti apie centralizuotą peržiūrą ir tapo apie sistemų, kurios gali veikti atsakingai mastu, projektavimą. Reguliuojamose pramonės šakose audituojami AI procesai ir rizikos valdymo modeliai yra privalomi.Pagrindiniai elementai yra nuolatinis stebėjimas, paaiškinamumo reikalavimai, versijų kontrolė ir skaidrūs sprendimų priėmimo būdai. Įmonės, kurios šias funkcijas laiko savybėmis, o ne apribojimais, juda greičiau nei konkurentai, vis dar dirba per rankinio patvirtinimo grandines. Ką iš tiesų reiškia sprendimų priėmimo greitis Yra traukos įgijimo koncepcija, vadinama "sprendimų sparta", kuri nurodo, kaip greitai mažesni sprendimų medžiai ir procesai gali būti automatizuoti mastu. Pagalvokite apie tai, kaip sprendimai vyksta daugelyje įmonių. Kažkas nustato problemą, renka duomenis, analizuoja parinktis ir plečiasi į tuos, kurie turi autoritetą. Tas asmuo peržiūri kontekstą, skambina ir praneša apie sprendimą. Svarbiausia, kad kiekvienas žingsnis apima koordinavimo išlaidas, pvz., rasti tinkamą asmenį, paaiškinti kontekstą, laukti prieinamumo ir stebėti vykdymą. AI ir agentai keičia lygtį, kai jie gali tvarkyti visą grandinę, įskaitant vykdymą ir stebėseną. bet tai veikia tik tuo atveju, jei agentas ar AI supranta ribas, kurias jis veikia (valdymas) ir gali koordinuoti su kitomis sistemomis, kurioms reikia žinoti apie sprendimą (orkestravimas). Aš mačiau įmones, kurios pranešė apie 5-7 kartų patobulinimus tam tikruose sprendimų priėmimo cikluose, gaudamos tai teisingai. Ne 10% geriau. Daug kartų greičiau. Skirtumas tarp reaguojant į rinkos pokyčius per savaites prieš dienas arba koreguojant operacijas ketvirtį prieš beveik nuolat. Paauglystės atotrūkis pasireiškia matavimu Štai kaip sužinoti, ar turite orchestravimo problemą: paklauskite savo komandų, kokia sėkmė atrodo jų AI iniciatyvoms. Jei niekas negali susieti savo rodiklių tarp savo bendraamžių su verslo rezultatais, jūs turite orkestracijos spragą. Tai rodo, kad organizacijos ankstyvosiose AI brandos stadijose turėjo finansinius rezultatus žemiau pramonės vidurkio, o tie, kurie buvo pažengusiuose etapuose, atliko gerokai virš vidurkio. Tyrimai iš MIT Tyrimai iš MIT Visi brandos modeliai rodo tą pačią pažangą.Jūs pradedate eksperimentuoti, kur atskiros komandos kuria individualius sprendimus.Tai gerai mokytis, bet tai nėra masto. Kitas etapas apima sistemų bendravimą tarpusavyje, bendrų duomenų pamatų sukūrimą ir bendrų platformų kūrimą. 2026 m. ir vėliau Bendrovės, kurios šiemet gerai pozicionuojasi, priima konkrečius sprendimus. Vertindami naujas AI galimybes, jie klausia, kaip ji dera su esamomis sistemomis, prieš paklausdami, kaip gerai ji yra savarankiška. Jie tvarko valdymo sistemas kaip produkto sprendimus, o ne atitikties pratimus. Produktas priima valdymą ir suskaido jį į stebėtinumą ir audituojamumą verslui, kuris yra svarbus inžinerijos ir operacijų iteratyviems ciklams, ir "yra darbas", kad AI ar Agentinis AI būtų numatomas ir tikslus laikui bėgant. Lyderystė pereina nuo centralizuotos IT priežiūros į verslo lyderių įgalinimą rasti ir finansuoti AI ir Agent sprendimus, kurie tiesiogiai skatina jų tikslus. Veiksmingiausios įmonės strategijos prasideda nuo pagrindinio klausimo: kokiais duomenimis galime pasitikėti ir ką turime išspręsti prieš automatizuodami sprendimus mastu. Praktinis darbas apima keletą dalių: kurti koordinavimo sluoksnius, leidžiančius specializuotoms AI ir Agent sistemoms dirbti kartu, sukurti valdymo sistemas, leidžiančias savarankiškai veikti aiškiose ribose, kurti matavimo sistemas, kurios jungia AI veiklą su verslo rezultatais, ir plėtoti talentus, kurie supranta tiek techninius, tiek organizacinius aspektus. Tačiau tai yra darbas, kuris atskiria įmones, naudojančias AI, nuo įmonių, kurias ji transformuoja. … Nick Talwar yra CTO, buvęs "Microsoft" ir praktinis AI inžinierius, kuris padeda vadovams naršyti AI priėmimą. Sekite jį „LinkedIn“, kad gautumėte naujausias mintis. Sekite jį LinkedIn Sekite jį LinkedIn → Prenumeruokite savo nemokamą substack už išsamius straipsnius, pristatytus tiesiai į jūsų pašto dėžutę. Pasirašykite savo nemokamą substack Pasirašykite savo nemokamą substack Žiūrėkite tiesioginę sesiją, kad pamatytumėte, kaip lyderiai labai reguliuojamose pramonės šakose naudoja AI, kad sumažintų rankinį darbą ir paskatintų ROI. Žiūrėti tiesioginę sesiją Žiūrėti tiesioginę sesiją

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

Newsletter

Šis garso įrašas sukurtas originalia istorijos kalba!

Agentinis AI brandos atotrūkis: derinant orchestravimą, stebėjimą ir audituojamumą

About Author

KOMENTARAI

PABAIGTI ŽYMES

ŠIS STRAIPSNIS BUVO PRISTATYMAS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps