За пределами помощников: Как ИИ-агенты революционизируют ландшафт

Gartner предсказывает, что к 2028 году одна треть взаимодействий людей с генеративным ИИ перейдет от пользовательских запросов к прямым взаимодействиям с автономными агентами, управляемыми намерениями. Это значительный шаг вперед от реактивных ИИ-ассистентов, знакомых многим пользователям.

«Агенты представляют собой следующий эволюционный этап в генеративном ИИ», — говорит Виджой Панди, старший вице-президент и управляющий Outshift, инкубационного подразделения Cisco. «Для руководителей сообщение ясное: готовьтесь сейчас. Учитывая, что осталось лишь три года, начните с внедрения ассистентов и решения управляемых задач, прежде чем переходить к более критическим приложениям».

ИИ-агенты схожи с неутомимыми специализированными сотрудниками, настроенными на конкретные задачи, которые совместно решают бизнес-проблемы. Тим Талли, партнер Menlo Ventures, подчеркивает текущую тенденцию: «Мы наблюдаем, как компании, занимающиеся успешными продажами, заменяют и улучшают свои команды с помощью агентов, увеличивая масштабируемость. Это видно в автоматизации маркетинга и генерации кода, и я ожидаю, что агенты еще больше проникнут в область программной инженерии».

Крупнейшие компании — Google Cloud, Microsoft Copilot и AWS Q — активно разрабатывают агенты генеративного ИИ, что свидетельствует о появлении трансформационной технологии.

Различия между Агенты и Ассистенты

Так что же отличает ИИ-агентов от предыдущих ИИ-ассистентов? ИИ-ассистенты реагируют на пользовательские запросы, используя большие языковые модели (LLM) и обработку естественного языка (NLP) для предоставления ответов и контекстного контента в разговорном интерфейсе.

В отличие от этого, ИИ-агенты проактивны и автономны, способны принимать решения и выполнять действия без вмешательства человека. Они постоянно анализируют доменные данные в реальном времени, самостоятельно управляют сложными рабочими процессами и движутся к конкретным целям.

В отличие от традиционных ассистентов, агенты генерируют высококачественный контент, который может сократить время циклов проверки на 20% до 60% благодаря легко доступным аудитам задач и источников данных. «Думайте о них как о специализированных сотрудниках, которые занимаются конкретными задачами и сотрудничают для решения более широких бизнес-проблем», — объясняет Панди. Например, в финансовых услугах агент может обнаруживать и предотвращать мошенничество в реальном времени, а в HR — анализировать данные для выявления лучших сотрудников или прогнозирования текучести кадров.

При интеграции в многопользовательскую структуру эти системы могут сотрудничать в различных областях, принимать обоснованные решения и управлять сложными рабочими процессами автономно. Однако специальный уровень оркестрации для сотрудничества агентов все еще находится в процессе разработки, что представляет значительную возможность для стартапов.

«Существует необходимость в инфраструктуре, подобной Kubernetes, для агентских технологий — что-то, что идеально подходит для работы с этими специализированными нагрузками», — отмечает Талли. Цель состоит в том, чтобы соединить этих тонких агентов, обеспечивая бесшовное взаимодействие через пока не установленные протоколы.

Переход от Ассистентов к Агента

Индекс готовности к ИИ от Cisco показывает, что, несмотря на то, что 97% организаций хотят использовать генеративный ИИ, только 14% внедрили его, что подчеркивает значительный разрыв. Основные трудности включают понимание, с чего начать, обеспечение возврата инвестиций и решение проблем доверия, безопасности и защиты.

«Существуют ограничения внутреннего мышления и планирования, необходимых агентам для решения нечетких задач», — объясняет Панди, подчеркивая важность четких инструкций для эффективного управления агентами.

Организациям стоит начинать с простых бизнес-кейсов, а не с амбициозных проектов. Важно давать возможность «гражданским разработчикам» — сотрудникам, которые понимают процессы и способы их улучшения, особенно учитывая ограниченное количество разработчиков генеративного ИИ.

Прежде чем начать свой путь в ИИ, организации должна приоритизировать очистку данных, чтобы обеспечить правильное управление идентификацией и контроль доступа. «Начинайте с управляемых бизнес-кейсов, а не с космических проектов», — советует Панди. Такой подход позволит организациям развивать и уточнять свои процессы, обучая гражданских разработчиков и закладывая надежный фундамент для будущих достижений в ИИ.

По мере того как отрасли переходят от ассистентов к агентам, а LLM продолжают совершенствоваться, каждая организация может извлечь выгоду из трансформации, которую принесет агентный генеративный ИИ.