
 
 Šis ir otrais raksts piecu daļu sērijā par aģentu AI uzņēmumos. Pirmajā daļā mēs izpētījām, kas ir aģentu AI un kā tas atšķiras no ģeneratīvā AI, uzsverot pāreju no hype uz pragmatisko realitāti. Pirmajā daļā mēs izpētījām, kas ir aģentu AI un kā tas atšķiras no ģeneratīvā AI, uzsverot pāreju no hype uz pragmatisko realitāti. Šis ir otrais raksts piecu daļu sērijā par aģentu AI uzņēmumā. Šis ir otrais raksts piecu daļu sērijā par aģentu AI uzņēmumā. Autonomu aģentu izvietošana nav revolūcija vienā naktī. Tas ir ceļojums, kas palielina spējas un uzticēšanos. Praksē, uzņēmuma AI aģentu pieņemšanu var uzskatīt par brieduma spektru ar četrām plašām fāzēm, progresējot no pamata palīgierīcēm līdz pilnībā autonomām sistēmām. Padomājiet par to kā crawl - walk - run - fly organizācijas AI spēju ziņā. Izpratne par to, kur jūs esat šajā līknē, palīdz iestatīt reālas cerības un nākamos soļus jūsu AI projektiem. Lielākā daļa uzņēmumu šodien atrodas kaut kur vidū, eksperimentējot ar uzlabotiem asistentiem vai šauriem autonomajiem aģentiem, nevis “AI dara visu.” Kāpnes pamatā ir tradicionālie automatizācijas un analītiskie risinājumi, kas ir bijuši gados. Padomājiet par noteikumu darba plūsmām, vienkāršiem tērzēšanas robotiem, robotu procesu automatizācijas (RPA) robotiem vai klasiskiem mašīntulkošanas modeļiem, kas rada izolētas prognozes. Šīs sistēmas var automatizēt atkārtotus, labi definētus uzdevumus (piemēram, marķēt krāpniecisku darījumu vai ģenerēt ziņojumu no veidnes) un palīdzēt cilvēkiem, apstrādājot grunt darbu. Tomēr tiem nav dinamiskas plānošanas vai patiesas autonomijas - tās izpilda iepriekš noteiktus noteikumus vai modeļa iznākumus fiksētā veidā. Lielākajai daļai uzņēmumu jau ir šis pamats (varbūt pamata klientu apkalpošanas tērzēšanas Phase 1 - Assisted Intelligence (Crawl): Pēdējos pāris gados ir vērojams ģeneratīvo AI atbalstīto palīgu sprādziens, kas darbojas ar daudz lielāku elastību. Tas ir tādu rīku laikmets kā Microsoft Copilot Office lietojumprogrammās, Google Duet AI for Workspace vai pielāgoti GPT balstīti tērzēšanas roboti, kas var saprast dabisko valodu un apstrādāt sarežģītākus pieprasījumus. Šie palīgi ir liels spēju pieaugums - piemēram, viņi var apkopot dokumentus, izstrādāt e-pastu, atbildēt uz brīvas formas jautājumiem - nodrošinot ievērojamu produktivitātes pieaugumu daudzos zināšanu darba uzdevumos. Tomēr šie palīgi joprojām ir galvenokārt reaktīvi. Viņi strādā vienu vaicājumu vai pavēli vienā reizē un paļaujas uz Phase 2 - Generative AI Assistants (Walk): Šeit mēs sasniedzam patiesu aģentu AI. 3. fāzē sistēmām var piešķirt augsta līmeņa mērķi un proaktīvi izstrādās un īstenos daudzpakāpju plānu, lai to sasniegtu. Tie ietver iespējas, piemēram, plānošanas algoritmus, rīku izmantošanu (piemēram, zvanot APIs), iepriekšējā konteksta atmiņu un dinamisku mācīšanos no atgriezeniskās saites. Praksē tie ir “digitālie kolēģi”, kas var risināt labi ierobežotus mērķus no gala līdz beigām. Piemēram, IT atbalsta aģents šajā līmenī var patstāvīgi risināt lietotāja pieprasījumu no sākuma līdz beigām: izlasīt biļeti, diagnosticēt problēmu (varbūt ar vaicājumu žurnāliem vai zināšanu bāzi), piemērot labojumu un pēc tam apstipr Phase 3 - Goal-Driven AI Agents (Run): Aspirācijas gala stāvoklis ir sistēma (vai sistēmu ekosistēma) AI aģentiem, kas darbojas ar minimālu cilvēka iesaistīšanos - efektīvi darbojas kā digitālais darbaspēks konkrētiem uzdevumiem vai procesiem. 4. posma scenārijs varētu būt, piemēram, autonoms pasūtījumu izpildes aģents (vai aģentu komanda), kas saņem klientu pasūtījumus un pēc tam apstrādā visu no inventāra pārbaudēm līdz piegādes organizēšanai un klientu atjaunināšanai, pielāgojoties problēmām ceļā, viss bez soliņa. Teorētiski jūs varētu deleģēt visu biznesa procesu AI aģentiem. Praksē ļoti mazām organizācijām vēl ir kaut kas tuvs šim ražošanā. Tehniskie, ētiskie un organizatoriskie izaicinājumi ir nozīmīgi, un saprotami, lielākā daļa uzņēmumu Phase 4 - Fully Autonomous Agentic Systems (Fly): Kur uzņēmumi stāv šodien? Manā pieredzē (atsaucoties uz nozares aptaujām), lielākā daļa uzņēmumu pašlaik grupē 2-3 fāzēs - viņi izmanto ģeneratīvos AI palīgus, lai palielinātu darbinieku skaitu, un varbūt konkrētā lietojuma gadījumā darbojas autonomāka aģenta pilots. Parasti sākt ar GenAI asistenta izvietošanu, lai palīdzētu darbiniekiem (2. fāze), pēc tam pilotu mērķorientētu aģentu vienam augstas vērtības procesam (3. fāze). Katrs solis augšup brieduma līknei prasa ne tikai labāku tehnoloģiju, bet arī spēcīgākus procesus un kultūras gatavību. Ne katrai organizācijai būs nepieciešams vai vēlams sasniegt 4. fāzi visās jomās - mērķis nav autonomija paša labā, bet uzlab Galvenais, zinot savu pašreizējo fāzi, palīdz pārvaldīt cerības. Piemēram, ja jūsu uzņēmums joprojām "mācās skrāpēt" ar pamata RPA robotiem, lēkt tieši uz pilnībā autonomu aģentu, kas pārvalda kritiskos uzdevumus, prasītu problēmas. Varbūt būtu gudrāk ieviest ģeneratīvo palīgu vispirms, justies ērti ar AI izejiem, tad pakāpeniski piešķirt AI vairāk autonomijas kontrolētā apgabalā. Pretēji, ja esat paveicis veiksmīgus 2. fāzes pilotus, jūs varētu būt gatavs eksperimentēt ar 3. fāzes aģentu - bet jums būs jāiegulda arhitektūrā un pārvaldībā, lai to atbalstītu. Ziņojums ir: staigāt pirms jūs palaist (un, iespējams, pirms jūs lid Nākamajā šīs sērijas daļā mēs pāriet no šīs konceptuālās ceļvedi uz arhitektūru, kas nepieciešama panākumiem. Ko tas aizņem, lai pārvērstu smalku prototipa aģentu ražošanas līmeņa risinājumā? Kā izrādās, veiksmīgas aģentu AI sistēmas dalās ar kopīgu DNS. 3. daļā mēs sadalīsim septiņus galvenos pīlārus uzņēmuma AI aģenta arhitektūrā, no tā, kā tas uztver ieguldījumu, līdz tam, kā tas tiek pārvaldīts, un dalīsimies ar dizaina padomiem katram.

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

Read My Stories

Šis audio ir izveidots stāsta oriģinālvalodā!

Crawl, Walk, Run, Fly - četri AI aģenta brieduma posmi

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps