Az ügynökök az AI forradalom „harmadik hulláma”.
Mennyiben hasonlít - és különbözik - az ügynöki mesterséges intelligencia elődjétől, a generatív MI-től.
Az ágens mesterséges intelligencia a mesterséges intelligenciát (AI) egy új szintre emelheti a generatív MI-n túl, ugyanazokkal a jellemzőkkel és kihívásokkal - de néhány figyelemre méltó különbséggel is.
Marc Benioff, a Salesforce vezérigazgatója az ügynöki MI-t a „harmadik hullámnak” nevezi a terület gyors fejlődésében. "Néhány év leforgása alatt a mesterséges intelligencia három nemzedékének lehettünk tanúi" - jegyezte meg a New York Times egyik friss cikkében. "Először az adatokat elemző prediktív modellek következtek. Ezután következtek a generatív mesterséges intelligencia, amelyet olyan mélytanulási modellek vezérelnek, mint a ChatGPT. Most egy harmadik hullámot tapasztalunk, amelyet olyan intelligens ágensek határoznak meg, amelyek képesek önállóan kezelni az összetett feladatokat."
Az AI-ügynökök vagy intelligens asszisztensek digitális munkatársként, asszisztensként vagy ügyfélszolgálati képviselőként szolgálnak, természetes nyelvi feldolgozáson keresztül kommunikálva. Benioff szerint "megvan a lehetőség arra, hogy korábban elképzelhetetlen módon növeljék az emberi képességeket.
"Képzeljen el egy olyan világot, ahol a vállalkozások mesterséges intelligencia-ügynökökből álló munkaerőt telepíthetnek az ügyfelekkel való interakciók kezelésére, az adatok elemzésére, az értékesítési stratégiák optimalizálására és az operatív feladatok valós időben történő végrehajtására, kevés emberi felügyelet mellett."
Az egész iparágban egyetértés van abban, hogy a mesterséges intelligencia ügynökei szűk fókuszukkal olyan új képességeket és megtérülést hoznak magukkal, amelyeket szélesebb körben a mesterséges intelligencia nem képes hatékonyan megvalósítani. "Az ügynöki mesterséges intelligencia a feloldott érték következő hulláma lesz" - mondta a ZDNET-nek Sesh Iyer, a BCG X, a Boston Consulting Group technológiai építési és tervezési részlegének ügyvezető igazgatója és vezető partnere.
Hozzátette, hogy ez "lehetőség a folyamatok alapvető újratervezésére és a termelékenység jelentős növekedésére".
Ahogy az analitikai és az általános mesterséges intelligencia esetében is, az AI-ügynököket is világos etikai és működési irányelvek alapján kell felépíteni, és azok szerint kell működni. Ez magában foglalja a hibák minimalizálását célzó tesztelést és az irányítási struktúrát. Mint minden mesterséges intelligencia-példány esetében, a megfelelőség és a méltányosság biztosítása érdekében az ügynökök számára is szükséges a kellő gondosság, mondta Iyer.
Mint a szélesebb körű MI esetében, a megfelelő készségekre van szükség az AI-ügynökök tervezéséhez, felépítéséhez és kezeléséhez - folytatta. Az ilyen tehetségek valószínűleg már sok szervezetben elérhetőek a szükséges szakterületi tudás birtokában - tette hozzá. "Készítse fel a munkaerőt az ügynöki mesterséges intelligencia hatékony kezeléséhez és használatához. A belső szakértelem fejlesztése kulcsfontosságú lesz e rendszerek hosszú távú értékének megragadásához."
Jelentős különbségek vannak a generatív és az ágens AI között is. "Az Agent AI-t kifejezetten arra tervezték, hogy autonóm döntéseket hozzon, gyakran emberi beavatkozás nélkül, ami eltér attól, ahogyan a gen AI-t általában használják" - mondta David Brault, a Mendix szakértője. Számos olyan funkció és funkció létezik, amelyek elválasztják az ügynöki MI-t a gen AI-tól, jegyezte meg, kezdve a kontextussal és a fókuszlal.
Míg a generatív AI-alkalmazások számos képességet és iparágat megcélozhatnak, az ügynöki mesterséges intelligencia „specifikus környezetekre és kontextuális helyzetekre összpontosít” - tette hozzá. Ennek megfelelően az ügynöki mesterséges intelligencia jelenlegi legjobb használati esetei "előre látható és meghatározott feladatok alacsony hibakockázattal vagy a hibák előfordulásának csekély súlyosságával" - értett egyet Michael Connell, az Enthought operatív igazgatója.
Ezenkívül az ágens mesterséges intelligencia integrálása a meglévő rendszerekkel eltér a generatív MI-től. "Az ügynöki mesterséges intelligencia döntéshozatali képességeinek kiaknázásához gyakran szükség van a meglévő rendszerek módosítására és a meglévő API-kkal való integrációra, hogy a megalapozott üzleti logikát felhasználva javítsák a döntések pontosságát" - mondta Brault.
A gen AI-ról az ügynöki MI-re való átállásra való felkészüléshez "kezdje el kicsiben és skálázza stratégiailag" - tanácsolja. "Határozzon meg néhány nagy hatású használati esetet - például az ügyfélszolgálatot -, és futtasson kísérleti programokat az ügynöki képességek tesztelésére és finomítására. Ezen használati esetek mellett ismerje meg azokat a feltörekvő platformokat és szoftverösszetevőket, amelyek támogatást nyújtanak az ügynöki mesterséges intelligencia számára."
Ez magában foglalja a technológián túlmutató pillantást, és a felhasználói útra és a kapcsolódó munkafolyamatokra való összpontosítást - sürgette Iyer. "Ahelyett, hogy erőfeszítéseiket kizárólag a technológiára alapozná, gondoljon holisztikusan az ügynökök által átalakított munkafolyamatokra. Célja a hétköznapi feladatok csökkentése, a termelékenység javítása, valamint az ember-gép együttműködés javítása."
"A kihívás az ügynöki mesterséges intelligencia alkalmazása a vállalati környezetben vagy az innováció-vezérelt iparágakban, például az anyagtudományi kutatás-fejlesztésben vagy a gyógyszeriparban, ahol nagyobb a bizonytalanság és a kockázat" - mondta Connell. "Ezek az összetettebb környezetek nagyon árnyalt ismereteket igényelnek az ügynöktől ahhoz, hogy megbízható és megbízható döntéseket hozzanak."
Connell hozzátette, hogy az ügynököktől való növekvő függőség "új felügyeleti keretrendszert tesz szükségessé, különösen a nagy téttel rendelkező területeken, ahol a hagyományos felügyeleti modellek nem lesznek megfelelőek". Ez azt jelenti, hogy mindig szükség van emberi felügyeletre - különösen azzal a kockázattal, hogy a szereket helytelenül alkalmazzák nem kívánt következményekkel.