ประวัติศาสตร์ของอัจฉริยะอัจฉริยะเทียม (AI) เริ่มต้นในปี 1950 และมีการพัฒนาอย่างมีนัยสําคัญ วันนี้อัจฉริยะอัจฉริยะมีบทบาทสําคัญสําหรับบุคคลและองค์กร ในปี 2024 การลงทุนขององค์กรในอัจฉริยะอัจฉริยะได้ถึง ความต้องการสูงและทุกคนต้องการการเติบโตของรายได้และลดค่าใช้จ่าย $ 252.3 พันล้าน $ 252.3 พันล้าน เมื่อเร็ว ๆ นี้ Generative AI ได้สร้างคลื่นน้ําท่วมทั่วอุตสาหกรรม ขึ้นอยู่กับ 74% ของผู้ตอบสนองรายงาน ROI บนการลงทุน GenAI อย่างไรก็ตามการพัฒนาไม่ได้หยุดอยู่ที่นั่นด้วยความก้าวหน้าต่อไปคือการเติบโตของตัวแทน AI ยังคงอยู่ในช่วงต้นของความสามารถของตัวแทน AI ยังไม่ได้รับการสํารวจอย่างเต็มที่ ดังนั้นเทคโนโลยีนี้น่าทึ่งเท่าที่ดูเหมือนหรือไม่ การสํารวจจาก Google Cloud การสํารวจจาก Google Cloud Generative AI vs. Agentic AI: ความแตกต่างคืออะไร Generative AI vs. Agentic AI: ความแตกต่างคืออะไร Generative AI ทํางานโดยการรับข้อมูลและปฏิบัติตามคําแนะนําเพื่อผลิตการส่งออก ในทางกลับกันตัวแทน AI ได้รับการออกแบบมาเพื่อเรียนรู้และกระทําอย่างอิสระเพื่อบรรลุเป้าหมายที่กําหนดไว้ล่วงหน้า ตัวอย่างเช่นธนาคารอาจให้ข้อมูล GenAI และขอให้สร้างรายงาน AI จะผลิตรายงานตามลําดับ แต่ไม่สามารถกระทําได้อย่างอิสระและยังคงต้องมีการตรวจสอบจากมนุษย์ ตัวแทน AI จะไปอีกขั้นตอนหนึ่ง แทนที่จะปฏิบัติตามกฎเท่านั้น พวกเขาสามารถตีความแต่ละกรณีและให้คําแนะนําหรือแม้กระทั่งตัดสินใจโดยไม่มีการแทรกแซงของมนุษย์ภายในกรอบการควบคุมความเสี่ยงที่กําหนด ดังนั้นก็ชัดเจนว่าเทคโนโลยีได้ก้าวไปจากการสร้างเนื้อหาแบบพาสซีฟไปสู่โซลูชั่นตัวแทนที่เป็นอิสระสร้างโอกาสใหม่สําหรับผลตอบแทนการลงทุน วิศวกรรมรุ่นถัดไปนี้สามารถมีอิทธิพลต่ออุตสาหกรรมได้อย่างไร วิศวกรรมรุ่นถัดไปนี้สามารถมีอิทธิพลต่ออุตสาหกรรมได้อย่างไร นี่คืองานบางอย่างที่ตัวแทน AI สามารถจัดการได้เมื่อได้รับการฝึกอบรมอย่างถูกต้อง: 
 
 
 
 
 
 
 บริการลูกค้า: ตัวอย่างรวมถึงการจัดการบัญชีการประมวลผลใบสมัครเครดิตและการแก้ปัญหาของลูกค้า การดําเนินงานด้านหลัง: การจัดการงานที่ซับซ้อนที่ต้องการการแทรกแซงของมนุษย์เช่นการเพิ่มประสิทธิภาพของกลยุทธ์การซื้อขายและการจัดการการชําระเงิน คําแนะนําทางการเงิน: การปรับแต่งพอร์ตโฟลเดอร์โดยการให้คําปรึกษาทางการเงินที่กําหนดเอง มีความน่าสนใจว่าตามการสํารวจโดย Forrester 70% ของผู้ตอบสนองคาดหวังว่าจะใช้ Agentic AI เพื่อให้คําแนะนําทางการเงินที่กําหนดเองซึ่งสามารถใช้ได้เฉพาะสําหรับบุคคลที่มีมูลค่าสุทธิสูงซึ่งในที่สุดก็จะทําลายแบบจําลองแบบดั้งเดิมของความเป็นเอกลักษณ์ การตรวจจับและการป้องกันการหลอกลวง: การเรียนรู้และระบุรูปแบบการหลอกลวงที่แตกต่างกันการติดฉลากผิดปกติการแช่แข็งธุรกรรมที่น่าสงสัย การตรวจสอบการควบคุม: การสแกนการปรับปรุงนโยบายและปรับเปลี่ยนกระบวนการตามที่กําหนด การทําคะแนนเครดิต: การเร่งอัตราการประเมินเครดิตและให้โอกาสให้กับผู้รับเงินด้วย “ไฟล์บาง” โดยการมองหาแหล่งข้อมูลอื่น ๆ นอกเหนือจากรายงานเครดิตแบบดั้งเดิม การสํารวจโดย Forrester แอพพลิเคชันในโลกจริง: สัญญาณแรกของการยอมรับ แอพพลิเคชันในโลกจริง: สัญญาณแรกของการยอมรับ บริษัท บางรายกําลังนําไปสู่การเคลื่อนไหวทางเทคโนโลยีนี้ผ่านการนํามาใช้ในระยะแรก ตัวอย่างเช่น BNY มีแพลตฟอร์ม AI องค์กรของตัวเองชื่อ Eliza ซึ่งมีหลายรุ่น AI จากผู้ให้บริการชั้นนําสําหรับพนักงานของ BNY “คนงานดิจิตอล” ที่ BNY ค้นหาผู้นําธุรกิจใหม่เขียนโค้ดจัดการกระบวนการชําระเงินและการเชื่อมต่อลูกค้าและจัดการการจับคู่ ปัจจุบัน BNY รายงานว่ามีพนักงานดิจิตอลมากกว่า 100 คน นอกจากนี้การใช้งานตัวแทนของ JPMorgan Chase แสดงให้เห็นถึงความสามารถทางประสบการณ์ พวกเขาแนะนํา LAW ซึ่งประกอบด้วยตัวแทนที่เชี่ยวชาญหลายตัวในสาขาทางกฎหมายที่ตอบสนองคําถามทางกฎหมายที่ซับซ้อน มาตรฐานทางประสบการณ์ของการศึกษาประกอบด้วยชุดข้อมูลของ 720 คําถาม ดังนั้น LAW มีความโดดเด่นในงานที่ซับซ้อนเมื่อเทียบกับขั้นพื้นฐานซึ่งเป็น GPT-3.5-turbo ตัวอย่างเช่นในการคํานวณวันที่ยกเลิกสัญญา LAW ประสิทธิภาพ 92.9% ดีกว่าขั้นพื้นฐาน (แกน) รายการตรวจสอบนักลงทุน: ข้อพิจารณาสําคัญ รายการตรวจสอบนักลงทุน: ข้อพิจารณาสําคัญ ในความเป็นจริงเราคาดหวังการเติบโตของการลงทุนสําหรับ บริษัท ที่ใช้ AI Agents อย่างประสบความสําเร็จ อย่างไรก็ตามมีท้าทายหลายอย่างที่นักลงทุนต้องพิจารณาเมื่อประเมินวิธีการ AI ของ บริษัท: 
 
 
 
 
 
 
 The proper deployment of AI Agents In general, across different AI initiatives, extracting value from these models remains a challenging process. An   of 2,000 CEOs found that only 25% of AI initiatives delivered the expected ROI over the past three years, and just 16% scaled at the enterprise level.  IBM survey So, for companies, having a budget isn’t enough. Moreover, history shows that technological potential alone isn’t enough and that it requires proper deployment. According to an  , this was evident with GenAI implementations, which were often fragmented or poorly launched. Based on executive interviews, this study found that 95% of organizations with GenAI models are getting zero return, while a small portion is “extracting millions in value.” Although this study has its limitations, as it only measured ROI six months post-pilot, it highlights the issue: misapplication rather than technological failure. MIT study 
 
 
 “Agentic washing” This occurs when companies or vendors claim their AI systems have agentic qualities, but in reality, they do not. After analyzing thousands of “supposedly” Agentic AI vendors,  Accordingly, Gartner projects that over 40% of agentic projects will be canceled by the end of 2027 due to factors such as “unclear business value, inadequate risk controls, or escalating costs.” Therefore, as investors, it is important to look beyond marketing claims.   Gartner analysts report that only around 130 products exhibit agentic traits. 
 
 
 First movers gaining an edge  highlights a clear performance gap between AI-first organizations and those with gradual implementations (see Figure 1). IBM research การกระจายตัวที่เหมาะสมของตัวแทน AI “การล้างตัวแทน” นักวิเคราะห์ Gartner รายงานว่าเพียงประมาณ 130 ผลิตภัณฑ์แสดงลักษณะตัวแทน ผู้เคลื่อนไหวครั้งแรกที่ได้รับ edge ดังนั้นองค์กร AI-first แสดงให้เห็นถึงการปรับปรุงในรายได้และผลกําไรการดําเนินงานเมื่อเทียบกับนวัตกรรม AI อื่น ๆ พวกเขามีแนวโน้มที่จะบรรลุ ROI ที่สามารถวัดได้ รายงานผลลัพธ์ที่คล้ายคลึงกันเสริมสร้างความสัมพันธ์ระหว่างความมุ่งมั่นเชิงกลยุทธ์ครั้งแรกและ ROI ที่ประสบความสําเร็จ Google Cloud Google คลาวด์ การตีความเป็นจริง แต่การประเมินอย่างถูกต้องเป็นจริง การตีความเป็นจริง แต่การประเมินอย่างถูกต้องเป็นจริง สํารวจและสัมภาษณ์กับมากกว่า 2,000 ผู้ตอบสนองรายงาน MIT Sloan กล่าวว่า 35% ของ บริษัท ได้ใช้ Agentic AI และ 44% ยังวางแผนที่จะนํามาใช้เร็ว ๆ นี้ สําหรับเรานักลงทุนความกระตือรือร้นเพียง แต่ไม่สร้างมูลค่าสําหรับหุ้น การประเมินที่เหมาะสมสร้างความมั่นใจเมื่อลงทุนใน บริษัท: 
 
 
 
 
 
 ตรวจสอบแผนการดําเนินการของ บริษัท และความก้าวหน้าของพวกเขา ตรวจสอบงบประมาณของพวกเขาเพื่อให้แน่ใจว่ามันเพียงพอ การประเมินความถูกต้องของความสามารถของตัวแทนที่ถูกวางไว้ ค้นหาหลักฐานทางสัมผัสของผลลัพธ์ตัวแทนแทนของสัญญาขั้นตอนการทดลอง ติดตามความเร็วในการปรับตัวไปสู่การพัฒนาและนวัตกรรมใหม่ของตัวแทน เมื่อบรรลุเกณฑ์ทั้งหมดข้างต้น Agentic AI มีศักยภาพที่แท้จริงในการส่งมอบ ROI และปรับปรุงประสิทธิภาพของหุ้น

This story will praise and/or roast a product, company, service, game, or anything else people like to review on the Internet.

2022 - HackerNoon Contributor of the Year - Ethereum

Read My Stories

Nominated for 2022 - HackerNoon Contributor of the Year - Ethereum

เสียงนี้ผลิตในภาษาต้นฉบับของเรื่องราว!

AI Agents จะปั๊มผลกําไรของเราหรือไม่

About Author

ความคิดเห็น

แขวนแท็ก

บทความนี้ถูกนำเสนอใน

Related Stories

The German Air-fleet

THE OAK EGGAR, OR BANDED MONK

Open AI Images on HackerNoon: The Conundrum

The master mind of Mars by Edgar Rice Burroughs - Table of Links

The German Air-fleet

THE OAK EGGAR, OR BANDED MONK

Open AI Images on HackerNoon: The Conundrum

The master mind of Mars by Edgar Rice Burroughs - Table of Links

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps