Gartner prognostiziert, dass bis 2028 ein Drittel der menschlichen Interaktionen mit generativer KI von Nutzeranfragen zu direkten Schnittstellen mit autonomen, intentionsgesteuerten Agenten übergehen wird. Dies stellt einen bedeutenden Fortschritt im Vergleich zu den reaktiven KI-Assistenten dar, die viele Anwender derzeit kennen.
„Agenten stellen den nächsten evolutionären Schritt in der generativen KI dar“, sagt Vijoy Pandey, SVP/GM von Outshift, Ciscos Inkubator. „Für Führungskräfte ist die Botschaft klar: Bereiten Sie sich jetzt vor. Mit nur drei Jahren bis zur Umsetzung sollten Sie mit der Implementierung von Assistenten beginnen und handhabbare Anwendungsfälle angehen, bevor Sie sich kritischen Anwendungen zuwenden.“
KI-Agenten sind wie unermüdliche, spezialisierte Mitarbeiter, die auf spezifische Aufgaben abgestimmt sind und gemeinsam Geschäftsherausforderungen bewältigen. Tim Tully, Partner bei Menlo Ventures, hebt einen aktuellen Trend hervor: „Wir beobachten, wie Unternehmen im Bereich Customer Success ihre Teams durch Agenten ersetzen und erweitern, wodurch die Skalierbarkeit erhöht wird. Dies zeigt sich in der Marketingautomatisierung und der Code-Generierung, und ich erwarte, dass Agenten weitere Fortschritte im Softwareengineering machen.“
Die Big Three—Google Cloud, Microsofts Copilot und AWSs Q—entwickeln aktiv generative KI-Agenten, was auf das Aufkommen einer transformierenden Technologie hinweist.
Unterschied zwischen Agenten und Assistenten
Was unterscheidet KI-Agenten von früheren KI-gestützten Assistenten? KI-Assistenten reagieren auf Nutzeranfragen und nutzen große Sprachmodelle (LLMs) sowie natürliche Sprachverarbeitung (NLP), um Antworten und kontextbezogene Inhalte in einer konversationellen Oberfläche bereitzustellen.
Im Gegensatz dazu agieren KI-Agenten proaktiv und autonom, treffen Entscheidungen und ergreifen Handlungen ohne menschliches Eingreifen. Sie analysieren kontinuierlich domänenspezifische Daten in Echtzeit, verwalten komplexe Arbeitsabläufe autonom und arbeiten auf spezifische Ziele hin.
Anders als traditionelle Assistenten produzieren Agenten hochwertige Inhalte, die die Überprüfungszyklen um 20 % bis 60 % verkürzen können, dank eines leicht zugänglichen Prüfpfads von Aufgaben und Datenquellen. „Betrachten Sie sie als spezialisierte Mitarbeiter, die sich auf bestimmte Aufgaben konzentrieren und zusammenarbeiten, um umfassendere Geschäftsprobleme zu lösen“, erklärt Pandey. Im Finanzdienstleistungssektor kann ein Agent beispielsweise Betrug in Echtzeit erkennen und verhindern, während er im Personalwesen Daten analysieren kann, um Top-Talente zu identifizieren oder Fluktuation vorherzusagen.
Wenn diese Systeme in einem Multi-Agenten-Rahmenwerk integriert sind, können sie in verschiedenen Kompetenzbereichen zusammenarbeiten, informierte Entscheidungen treffen und komplexe Arbeitsabläufe autonom verwalten. Eine spezielle Orchestrierungsebene für die Zusammenarbeit von Agenten befindet sich jedoch noch in der Entwicklung und bietet eine bedeutende Chance für Startups.
„Es gibt einen Bedarf an einer Kubernetes-ähnlichen Infrastruktur für Agententechnologien – etwas, das genau für den Betrieb dieser spezialisierten Arbeitslasten geeignet ist“, bemerkt Tully. Das Ziel ist es, diese schlanken Agenten zu verbinden und eine nahtlose Kommunikation durch noch zu schaffende Protokolle zu ermöglichen.
Übergang von Assistenten zu Agenten
Der Cisco AI Readiness Index zeigt, dass zwar 97 % der Organisationen generative KI nutzen möchten, aber nur 14 % sie implementiert haben – was eine erhebliche Lücke aufzeigt. Häufige Hürden sind unklar, wie man anfängt, die Rentabilität sicherzustellen und Herausforderungen im Bereich Vertrauen, Sicherheit und Schutz anzugehen.
„Es gibt Einschränkungen in der internen Logik und Planung, die notwendig sind, damit Agenten mehrdeutige Probleme angehen können“, erklärt Pandey und verweist auf die Bedeutung klarer Anweisungen zur effektiven Steuerung der Agenten.
Organisationen sollten mit einfachen Geschäftsfällen beginnen, anstatt ehrgeizige Projekte anzugehen. Die Förderung von Citizen Developern – Personen innerhalb der Geschäftsbereiche, die Prozesse verstehen und verbessern wollen – ist entscheidend, insbesondere angesichts der begrenzten Verfügbarkeit von Entwicklern für generative KI.
Bevor Organisationen ihre KI-Reise beginnen, müssen sie die Datenbereinigung priorisieren, um ein korrektes Identitätsmanagement und Zugangskontrollen sicherzustellen. „Beginnen Sie mit handhabbaren Geschäftsfällen anstatt mit visionären Projekten“, rät Pandey. Dieser Ansatz ermöglicht es den Organisationen, ihre Pipeline zu navigieren und zu verfeinern, während sie Citizen Developer schulen und letztlich eine solide Grundlage für zukünftige Fortschritte in der KI schaffen.
Mit dem Übergang von Assistenten zu Agenten und den fortwährenden Verbesserungen von LLMs kann jede Organisation von der Transformation durch agentische generative KI profitieren.
Sehen Sie sich das gesamte Gespräch mit Vijoy Pandey, SVP/GM von Outshift, Tim Tully von Menlo Ventures und VB-Chefredakteur Matt Marshall [hier] an.
Rangliste
