Üç yıl generatif AI çağına girdiğimde, sektörler arası müşterilerle bir model tekrarlanmasını izledim. Konuşma genellikle aynı şekilde başlar: org'larda bir yerlerde, genellikle birkaç yerde, bazı Agenttic davranışlarının işaretlerini gösteren bir yerde AI çalışıyorlar. Müşteri hizmetleri bir chatbot, bir ürün önerme motoru veya hikaye yönlendirilen LLM bağlam akışı oluşturuyor, bir LLM aracılığıyla pazarlama kampanyaları yürütüyor ve mühendislik bazı kod değerlendirmeleri ve testleri otomatikleştirdi vb. Sonra soru: “Bu her şeyden nasıl değer çıkarabiliriz?” Bu, Agentic AI'ya sahip olmak ve onunla ne yapacağını bilmek arasındaki boşluk. 2026 yılında, Şirketlerin neredeyse% 90'ı, en az bir iş fonksiyonunda AI'yi kullanmayı bildiriyor, ancak çoğu hala deneme boyutlarını genişletmek veya net bir ROI göstermek için mücadele ediyor. Araştırmalar, bir dönüşüm noktasına ulaştığımızı gösteriyor Araştırmalar, bir dönüşüm noktasına ulaştığımızı gösteriyor Bu yılki kazananlar, en fazla AI'ya sahip olanlar tarafından belirlenmeyecek; onlar, orkestrasyonu, gözlemlenebilirliği ve denetleyebilirliği keşfedenler tarafından tanımlanacak. Gerçek sorun teknoloji değil endüstri analistleri bir artış bekliyor Bağımsız AI ajanı pazarında, şirket uygulamalarının% 40'ının 2026 sonuna kadar AI ajanlarını içereceğini tahmin ediyoruz. Bugün 7,8 milyar dolar, 2030 yılına kadar 52 milyar dolar Bugün 7,8 milyar dolar, 2030 yılına kadar 52 milyar dolar Ama bu rakamların özlediği şey şudur: Ajanlar sahibi olmak, onları düzenlemekten farklıdır. Son zamanlarda, pazarlama otomasyonundan tedarik zinciri optimizasyonuna HR taramasına kadar 17 farklı AI uygulamasına sahip bir müşteriyle çalıştım. Her biri ayrı ayrı iyi çalıştı.Ama o zaman ürün ekibi, operasyonların ve işletmenin gözlemleyemediği ve denetleyemeyeceği ajanları başlatmaya çalıştı, varoluşsal riskler ve kör tarafları ortaya çıkardı.Hiç kimse bu sistemleri birlikte çalışacak şekilde tasarlamamıştı, çünkü çok geç olana kadar hiç kimse orkestrasyon düşünmemişti. Orkestrasyon Stratejik entegrasyon anlamına gelir, sadece API'ler değil İnsanlar "orjinalleştirme"yi duyduğunda, çoğunlukla entegrasyon tabakası düşünürler. API'leri bağlayın, bazı verileri hareket ettirin, tamamlayın. Bu su kaynağıdır.Yararlı su kaynağıdır, ama orkestrasyon değildir. Gerçek orkestrasyon, AI sistemlerinizin alanlar arasındaki bağlamları anlamasını sağlar. Farklı bileşenler, koordinasyon araçları ve dil modellerini karmaşık sorunları çözmek için dağıtabilecek uzman orkestrator modellerini düşünün. İşte bir örnek. Bir perakende şirketinin stoklarını optimize etmek istediğini söyleyelim. Bir köşede talep tahminlerini yapıyorlar, bir diğerinde tedarik zinciri planlaması yapıyorlar ve başka bir yerde fiyat optimizasyonu yapıyorlar. Orkestrasyon bir koordinasyon tabakası oluşturarak bunu düzeltebilir. Uzman modellerini değiştiren merkezi bir AI yerine, bu sistem hedefleri arasındaki ilişkileri anlar. Talep tahminleri artan stokları önerdiğinde, orkestrasyon tabakası, gerçekleştirmeden önce tedarik zinciri kısıtlamalarını ve fiyat etkisini kontrol eder. Organizasyon ve iş için büyük bir kilitleme. Tahminim 2026 yılında, şirketler, rekabet sınırının uzman bileşenleri etkili bir şekilde yönetmekte olduğunu giderek keşfedeceklerdir. Yöneticilik, rekabet avantajı olarak gözlemlenebilirlik Çoğu yönetici, yönetimi hala uyumlu kalmak için yaptığınız şey olarak görür. Yasal gerektiren üst düzey. Geliştirme öncesi kontrol kutusu egzersiz. AI ile yönetimin bir anahtar öncü veya temel yönü aslında gözlemlenebilirliktir. AI ve Agent eylemlerini her arayüzde veya sınırda orijinal girişlerine ve çıkışlarına izleyebilir misiniz, böylece müşterilerin kullanım durumlarının uzun vadesi boyunca neyi teslim ettiğinizi biliyor musunuz? Bu bakış açısı pahalıdır ve bugün, AI ve Ajanlar ile, çok yakın görüşlü veya tam olarak varoluşsal riskli. daha önce, risk, ürünün ve teknolojinin deterministik olduğu için yerleştirilmişti – tüm kod çoğunlukla WYSIWG idi ve lineer, açık bitmeyen AI değildi. Agentic AI, sadece yanıt üretmek yerine eylemler yapmaya başladığında, yönetim merkezi bir gözden geçirme konusunu bıraktı ve ölçekte sorumlu bir şekilde çalışabilecek sistemler tasarlamaya başladı. Düzenlenmiş endüstriler, denetlenebilir AI süreçlerini ve risk yönetimi modelini zorunlu yetenekler olarak kabul ediyor.Anahtar unsurlar arasında sürekli izleme, açıklanabilirlik gereksinimleri, sürüm kontrolü ve şeffaf karar yolları bulunmaktadır. Bunları kısıtlamalar yerine özellikler olarak gören şirketler rakiplerinden daha hızlı hareket ediyor ve hala manuel onay zincirleri aracılığıyla çalışıyorlar. Karar Hızı Gerçekten Ne Anlama Gelir “Başarısızlık hızı” olarak adlandırılan çekim kazanma kavramı, daha küçük karar ağaclarının ve süreçlerin büyüklükte ne kadar hızlı bir şekilde otomatikleştirilebileceği anlamına gelir. Çoğu işletmede kararların nasıl oluştuğunu düşünün.Birisi bir sorunu tanımlar, verileri toplar, seçenekleri analiz eder ve yetki sahibi olanlara yükselir.Bu kişi bağlamı gözden geçirir, bir çağrı yapar ve kararı iletir. Uygulama gerçekleşir ve sonuçlar izlenir. Her adım zaman alır.Daha da önemlisi, her adım doğru kişiyi bulmak, bağlamları açıklamak, kullanılabilirliği beklemek ve uygulama izleme gibi koordinasyon masrafları içerir. AI ve Ajanlar, yürütme ve izleme de dahil olmak üzere tüm döngüyü halledebilecekleri zaman eşitliği değiştireceklerdir.Ama bu yalnızca Ajan veya Ajanın (yönetim) içinde faaliyet gösterdiği sınırları anladığı ve karar hakkında bilgi sahibi olması gerektiği diğer sistemlerle koordine edebileceği durumlarda (orjinalleştirme) işe yarıyor. Şirketlerin belirli karar döngülerinde 5-7 kat daha iyi olduğunu gördüm.% 10 daha iyi değil. Çeşitli kez daha hızlı. Piyasa değişikliklerine haftalar vs. günlerde yanıt vermek veya işlemleri çeyrek vs. neredeyse sürekli olarak ayarlamak arasındaki fark. Yetişkinlik Farkı Ölçümde Görünür Orkestrasyon sorunu olup olmadığını nasıl anlarsınız: Ekiplerinize AI girişimleri için başarıların ne olduğunu sorun. Herkes size farklı cevaplar verirse, koordinasyon boşluğu yaşıyorsunuz. eğer kimse eşleri arasındaki metriklerini iş sonuçlarına bağlayamazsa, bir orkestrasyon boşluğu yaşıyorsunuz. AI olgunluğun erken aşamalarında finansal performansın endüstri ortalamasının altındayken, ileri aşamalarda olanlar ortalamasının çok üstünde performans gösterdiğini göstermektedir. Research from MIT MIT Araştırmaları Yetişkinlik modellerinin hepsi aynı ilerlemeye işaret ediyor. Deneyimle başlarsınız, bireysel ekipler bireysel çözümler oluşturur. Bir sonraki aşama, sistemlerin birbirleriyle konuşmalarını, paylaşılan veri temellerini kurmalarını ve ortak platformları oluşturmalarını içerir. 2026 ve ötesinde Bu yıl için iyi pozisyon alan şirketler belirli seçimler yapıyor. Yeni AI yeteneklerini değerlendirirken, ne kadar iyi bağımsız olduğunu sormadan önce mevcut sistemlerle nasıl uyduğunu sorarlar. Yönetim çerçevelerini ürün kararları, uyumluluk uygulamaları olarak ele alıyorlar. Ürün yönetimi alır ve iş için gözlemlenebilirlik ve denetleyebilirlik haline dönüştürür, bu da mühendislik ve operasyonların iteratif döngüleri için önemlidir ve zamanla tahmin edilebilir ve doğru bir şekilde AI veya Agentic AI sunmak için “iş”tir. baştan itibaren AI sistemlerine gözlemlenebilirlik oluşturun. denetleyebilirlik için tasarlanın. net sorumluluk yapıları oluşturun. Liderlik, merkezi BT denetiminden, iş liderlerinin, hedeflerini doğrudan ilerletecek AI ve Agent çözümlerini bulmak ve finanse etmek için güçlendirmeye geçiyor. En etkili işletme stratejileri temel bir soruyla başlar: hangi verilere güvenebiliriz ve ölçekte kararları otomatikleştirmeden önce neyin düzeltilmesi gerektiğini. Pratik çalışma birkaç parçayı içerir: uzman AI ve Agent sistemlerinin birlikte çalışmasına izin veren koordinasyon katmanları oluşturmak, açık sınırlar içinde bağımsız çalışma sağlayan yönetim çerçeveleri kurmak, AI faaliyetlerini iş sonuçlarına bağlayan ölçüm sistemleri oluşturmak ve hem teknik hem de organizasyonel yönleri anlayan yetenek geliştirmek. Ancak bu iş, AI kullanan şirketleri onun tarafından dönüştürülen şirketlerden ayıran iş değildir. … Nick Talwar, bir CTO, eski Microsoft ve üst düzey yöneticileri AI uygulamasını yönlendirmek için destekleyen pratik bir AI mühendisidir. Son düşüncelerini yakalamak için LinkedIn’de takip edin. Linkedin’de takip edin Linkedin’de takip edin Ücretsiz Substack'e abone olun ve doğrudan posta kutunuza gönderilen ayrıntılı makaleler için. Ücretsiz Substack'e abone olun Ücretsiz Substack'e abone olun Yüksek düzeyde düzenlenmiş endüstrilerdeki liderlerin manuel işleri azaltmak ve ROI'yi artırmak için AI'yi nasıl kullandığını görmek için canlı seans izleyin. Canlı Seans İzle Canlı Seans İzle

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

Newsletter

Bu ses hikayenin orijinal dilinde üretilmiştir!

Agentic AI Olgunluk Farkı: Orkestrasyon, Gözlemlenebilirlik ve Auditabilite Birleştirme

About Author

YORUMLAR

ETİKETLERİ ASIN

BU YAZI

Related Stories

Kullanıcı Odaklı Kripto Ürünleri Oluşturma: Müşteri Geri Bildiriminin Önemi

Bu 18 Geliştirici Aracıyla Üretkenliğinizi Artırın 🚀🔥

Forumlardan Feed'lere: Sosyal Medya Algoritmaları Dijital Etkileşimi Nasıl Şekillendiriyor

AI/ML Datalake için Referans Mimarisi Oluşturmaya Yönelik Mimar Kılavuzu

Kullanıcı Odaklı Kripto Ürünleri Oluşturma: Müşteri Geri Bildiriminin Önemi

Bu 18 Geliştirici Aracıyla Üretkenliğinizi Artırın 🚀🔥

Forumlardan Feed'lere: Sosyal Medya Algoritmaları Dijital Etkileşimi Nasıl Şekillendiriyor

AI/ML Datalake için Referans Mimarisi Oluşturmaya Yönelik Mimar Kılavuzu

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps