Agen AI adalah komponen penting dari transformasi untuk menjadi perusahaan AI-First. Perusahaan yang melakukan transformasi ini harus memahami di mana dan bagaimana menggabungkan agen dan jenis agen mana yang akan digunakan dalam proses sentris AI yang mereka buat dan struktur organisasi yang mereka adopsi. Artikel ini menyajikan tipe agen AI, menguraikan bagaimana perusahaan harus berpikir tentang “agenikasi” ketika mereka berubah menjadi AI-first, dan menjelaskan bagaimana metodologi AI perusahaan kami cocok dengan agen ke dalam proses bisnis pertama AI.
Perkenalan
Konsep Agen AI bukanlah hal baru. Penelitian tentang agen AI dimulai beberapa dekade yang lalu. Sebagai peneliti muda di R&D Labs Digital Equipment Corporation, saya bekerja pada agen cerdas dan kerangka kerja yang memungkinkan berbagai jenis agen untuk berkolaborasi selama pemecahan masalah. Munculnya AI generatif memberi kita cara baru untuk memikirkan agen. Hari ini, kami menggunakan istilah “agen” secara luas untuk menggambarkan segala sesuatu mulai dari chatbots sederhana hingga sebagian copilot otonom. Kurangnya risiko presisi yang melemahkan apa yang benar-benar membuat agen revolusioner di perusahaan pertama.
Dalam sebuah karya yang saya tulis pada Agustus 2023, saya memberikan definisi saya tentang agen yang cerdas. Secara umum, saya menjelaskan bahwa untuk diklasifikasikan sebagai agen, suatu sistem harus dapat menerima masukan tentang tujuan yang harus dicapai, alasan dan mengembangkan rencana untuk mengatasi tujuan ini menggunakan pemahamannya tentang lingkungan di mana ia beroperasi dan pengetahuan yang memiliki akses ke, melaksanakan rencana, mengevaluasi hasil tindakannya, dan belajar dari pengalaman tersebut.
Spektrum agensi
Definisi saya menguraikan agen AI yang ideal. Saat ini, beberapa agen menampilkan set kemampuan lengkap ini. Namun, bahkan dengan kemampuan yang lebih sedikit, agen tetap menjadi bagian penting dari proses yang digunakan oleh perusahaan pertama. Selain itu, mereka juga dapat memainkan peran penting dalam proses yang ditingkatkan AI yang digunakan oleh perusahaan lain. Akibatnya, saya melihat agensi sebagai spektrum lima tingkat.
- Level 1: Otomatisasi dasar. Sistem deterministik yang menggunakan serangkaian aturan dan instruksi yang telah ditentukan untuk menjalankan tugas -tugas spesifik dan berulang tanpa penyimpangan atau pembelajaran. Ini tidak dapat beralasan atau beradaptasi dengan perubahan di lingkungan mereka. Contoh: skrip robot proses otomatisasi (RPA).
- Level 2: Asisten percakapan atau generatif. Agen asisten menerima input, menghasilkan output yang relevan secara kontekstual, dan dapat menyesuaikan alirannya dalam satu sesi, tetapi tidak memiliki memori yang persisten atau pembelajaran otonom. Contoh: Chatbots berbasis LLM dan berbagai jenis kopilot, misalnya, agen e-commerce, dan operator Openai. Spektrum tingkat yang lebih halus yang berfokus secara eksklusif pada asisten percakapan disajikan di sini.
- Level 3: Agen adaptif kontekstual. Agen adaptif mempertahankan memori lokal selama tugas, alasan untuk mengubah konteks, merencanakan, dan memperbarui tindakan secara real time. Agen -agen ini beradaptasi dengan kondisi yang berubah. Namun, mereka membatasi pembelajaran mereka pada tugas yang ada. Contoh: Kendaraan otonom Waymo dan manajemen armada robot berbasis AI Amazon.
- Level 4: Agen pembelajaran otonom. Agen ini menyesuaikan rencananya secara real time, belajar dari setiap rencana yang dieksekusi, dan memasukkan pengalaman itu ke dalam tindakan di masa depan. Pembelajaran itu gigih dan memungkinkan agen untuk mengembangkan strateginya dari waktu ke waktu tanpa intervensi manusia langsung. Contoh: Alphago DeepMind dan penggantinya (Alphazero, Muzero) menunjukkan bagaimana agen dapat meningkatkan kebijakan melalui pembelajaran mandiri dan penguatan. Namun, sistem tersebut tetap eksperimental, terikat pada domain dan konteks pelatihan yang terbatas.
- Level 5: Sistem multi-agen kolaboratif. Sistem ini terdiri dari beberapa agen Level 4 yang beroperasi di lingkungan bersama untuk mencapai tujuan yang umum atau bersaing. Sistem seperti itu menunjukkan kecerdasan kolektif. Agen dapat secara dinamis membentuk tim, bernegosiasi satu sama lain, dan menyelesaikan konflik untuk mengoptimalkan tujuan bersama. Contoh: Laboratorium penelitian sedang mengembangkan kawanan drone untuk secara mandiri mengoordinasikan tindakan mereka untuk tugas -tugas seperti pencarian dan penyelamatan. Ini di perbatasan penelitian AI.
Saat kita berpindah dari level 1 ke level 5, transisi keterlibatan manusia. Agen Level 2 memiliki hubungan kolaboratif dengan manusia. AI generatif memberikan agen AI level 2 dengan kemampuan dalam generasi bahasa alami, sintesis pengetahuan, dan jenis penalaran tertentu. Ini memperluas kemampuan mereka untuk berkomunikasi dengan manusia dan, berpotensi, dengan agen lain. Agen Level 3 menggunakan pendekatan pasca-pelatihan baru dan komputasi neurosimbolik secara luas. Dengan agen -agen ini, peran manusia adalah peran gubernur dan orkestra. Manusia tahu agen mana yang harus dipanggil untuk setiap tugas dan dalam urutan apa untuk memohon mereka. Tetapi begitu dipanggil, agen Level 3 menyelesaikan seluruh tugas. Tingkat agen yang berbeda dan peran manusia yang terkait ditunjukkan di bawah ini
Memutuskan untuk mengembangkan agen dan memilih levelnya
Perusahaan pertama AI merumuskan strategi perusahaan, proses bisnis, dan struktur organisasi di sekitar AI. Karena berkaitan dengan agen AI, perusahaan harus membuat tiga pilihan desain yang disengaja Selama transformasi AI-First mereka:
- Agen tugas, atau seluruh proses;
- Menentukan apakah akan mengembangkan agen, atau agen, atau melisensikan yang pihak ketiga;
- Memilih level agen.
Korporasi harus membuat pilihan -pilihan ini melalui strategi agenikasi. Mengembangkan agen tanpa sering memiliki strategi keseluruhan menyebabkan kegagalan.
Agen harus merangkum tugas, atau seluruh proses, Ketika pengambilan keputusan yang otonom dimungkinkan, atau ketika penyelesaian tugas setidaknya membutuhkan input dari lingkungan yang berubah secara dinamis ditambah dengan pengawasan manusia. Misalnya, pertimbangkan tugas “Monitor yang dikeluarkan pesanan pembelian dan log kerja untuk memvalidasi pembayaran apa yang jatuh tempo,” yang merupakan bagian dari proses pembayaran vendor AI-pertama yang saya perkenalkan dalam bagian sebelumnya. Selain itu, asumsikan bahwa proses ini digunakan oleh perusahaan konstruksi untuk membayar vendornya. Ini adalah tugas yang dapat dilakukan secara mandiri dan, oleh karena itu, dapat diadili menggunakan agen Level 3. Dalam hal ini, operator manusia bertindak sebagai gubernur dan orkestra dari agen yang merupakan bagian dari proses bisnis.
Selanjutnya, misalkan proses yang sama digunakan oleh pengecer. Keputusan apakah akan membayar vendor dan berapa banyak yang mungkin juga tergantung tidak hanya pada jumlah barang yang dikirimkan oleh vendor tetapi juga pada berapa banyak dari barang -barang ini yang dikembalikan oleh pelanggan pengecer. Ketika jumlah pengembalian berubah secara dinamis, agen dapat mengambil data pengembalian dan manusia menafsirkan apakah data menjamin penuh, sebagian, atau tidak ada pembayaran yang akan dikeluarkan kepada vendor. Ini menyiratkan bahwa tugas masih dapat diadili oleh agen Level 2. Dalam hal ini, operator manusia bertindak sebagai kolaborator agen yang merupakan bagian dari proses bisnis.
Membuat ekosistem agen
Agentifikasi tidak berhenti di batas perusahaan. Setelah AI-First Corporation menggunakan agen yang kuat dalam alur kerja kritis, ia akan semakin membutuhkan vendor, mitra, atau pelanggan utamanya untuk mengekspos agen yang mematuhi protokol bersama. Ini menyiratkan mendefinisikan:
- Kemampuan minimum yang harus dimiliki setiap agen eksternal,
- Protokol komunikasi yang aman untuk negosiasi agen-ke-agen,
- Prosedur tata kelola untuk orientasi, eskalasi, dan penanganan pengecualian.
Pendekatan ekosistem ini memastikan bahwa interaksi agen-ke-agen melintasi batas-batas organisasi tetap aman, dapat diaudit, dan selaras dengan kerangka tata kelola perusahaan.
Kesimpulan
Perusahaan secara aktif bereksperimen dengan berbagai agen AI pihak ketiga yang dikembangkan dan pihak ketiga. Agen yang sudah dikerahkan dalam produksi, dari kendaraan Waymo ke operator Openai, menunjukkan seberapa jauh kita telah datang, tetapi juga seberapa jauh kita masih harus melangkah. Untuk korporasi, agentifikasi bukanlah keputusan satu kali; Ini adalah perjalanan kedewasaan.
Menggunakan metodologi kami, kami merekomendasikan agar perusahaan melakukan transisi menjadi AI-FIRST:
- Mulailah dengan proses AI-first yang menanamkan tingkat penalaran dan otonomi yang tepat untuk lingkungan mereka saat ini.
- Desain arsitektur modular yang memungkinkan tingkat orkestrasi dan tata kelola yang tepat, yang memungkinkan agen berkembang.
- Buat jalur yang jelas untuk proses untuk maju dari otomatisasi statis ke sistem adaptif, pembelajaran, kolaboratif.
Dengan mendefinisikan rencana transformasi dan timeline yang jelas, perusahaan-perusahaan AI-First meletakkan dasar bagi agen pembelajaran adaptif yang akan memberi daya pada perusahaan yang terdistribusi dan cerdas di masa depan, menciptakan keunggulan kompetitif yang semakin sulit untuk ditiru.
Posting Terkait Berikutnya
Posting terkait sebelumnya
Agen-agen pos di perusahaan AI-First muncul pertama kali di Evangelos Simoudis.
