Агентний ШІ змінює правила гри: як штучний інтелект бере на себе рішення і задачі бізнесу

Штучний інтелект уміє делегувати задачі, контролювати якість і вчитися на власних помилках. Усе це він робить самостійно, без людини. Це не переспів застереження від Сари Коннор із «Термінатора», а характеристики ШІ нового рівня.

Здатність до автономного ухвалення рішень та багатоетапного планування виводить ці системи за межі звичайної автоматизації. Завдяки такому рівню самостійності вони отримали окрему назву: Агентний ШІ (Agentic AI).

Агентний ШІ поки що мало вивчений, але великі гравці технологічного ринку вже роблять ставку на його розробку, аналітики прогнозують його стрімке зростання, а компанії у всьому світі цікавляться, як інтегрувати його в процеси.

Три рівні: Генеративний ШI, ШI-агенти, Агентний ШI

Я працюю у сфері клієнтської підтримки понад 15 років, а це практично все своє професійне життя. Сьогодні я керую SupportYourApp, яка надає клієнтську та технічну підтримку компаніям по всьому світу.

На початку карʼєри я власноруч вирішувала клієнтські запити, але тепер більшість таких задач може виконувати штучний інтелект. Свіжі прогнози оцінюють, що до 2029 року Агентний ШІ самостійно вирішуватиме 80% типових клієнтських звернень.

Спочатку в загальному доступі зʼявився Генеративний ШІ, який генерує тексти, коди, картинки і навіть пісні. Далі були ШІ-агенти, яких можна натренувати виконувати специфічні завдання чи комплекс завдань. А зараз всі говорять про Агентний ШІ – систему, яка взагалі не звертається до людини по зворотний звʼязок.

Агентний ШІ автономно планує свою діяльність, делегує спеціалізованим ШІ-агентам виконання задач та контролює якість, а в кінці ще й вчиться на помилках. Тобто система взагалі не покладається на чітко прописані сценарії та робить усе без участі людини.

Де і як це може працювати

Уявімо, що потрібно додати нову сторінку на сайт. Якщо ми залучимо до цього Агентний ШІ, він самостійно спланує та координуватиме роботу різних ШІ-агентів та API. Один агент створить текст, оптимізований під пошукові системи, другий розробить код сторінки, третій працюватиме як тестувальник, четвертий скоординує їхню роботу.

У блозі Світового економічного форуму описують, як Агентний ШІ може пропонувати фермерам продукти мікрострахування в режимі реального часу. Для цього система автономно моніторить зміни погоди, враховує індивідуальні ризики залежно від типу господарства та пропонує клієнту персоналізований продукт, актуальний тут і зараз. У Кембриджському університеті розглядають приклад роботи Агентного ШІ в аудиті. Система може самостійно перевіряти фінансову звітність, звіряти її з вимогами регуляторних норм та миттєво позначати розбіжності.

У жодному з цих сценаріїв не задіяна людина.

Від ШІ-агентів до Агентного ШІ

Ці приклади гіпотетичні, тому що бізнеси лише вивчають, як застосовувати Агентний ШІ. Натомість якщо ви готові чи хочете додати ШІ до ваших робочих процесів, можна починати з більш вивченого рівня штучного інтелекту — ШІ-агентів.

Для цього достатньо мати:

• прості повторювані процеси із прогнозованими результатами;
• відкриті інтеграції через API для взаємодії систем;
• структуровані дані та чітко визначені задачі.

Результат роботи такого ШІ-агента залежить від правильно сформульованого промпту (інструкції, яку людина дає ШІ щодо поставлених задач), якості даних та його здатності взаємодіяти з іншими ШІ-агентами та системами. Опанувавши цей рівень, можна переходити до складніших процесів, які виконують спеціалісти чи навіть цілі департаменти. Для цього знадобиться координація системи, яка складається з різних ШІ-агентів, а це може забезпечити Агентний ШІ.

Для нього потрібні наступні умови:

• завдання вимагають не лише автоматизації, але й автономності;
• процеси не можна вписати до одного чіткого сценарію;
• є потреба в комплексній, багатоетапній логіці.

Робота Агентного ШІ залежить від його здатності міркувати та планувати, рівня автономності в ухваленні рішень та якості взаємодії із зовнішнім середовищем.

Досвід SupportYourApp

Запровадження Агентного ШІ лише заради Агентного ШІ не має сенсу: використання будь-якої технології повинне мати чітку мету. Для нашої компанії штучний інтелект – це один з інструментів для заощадження часу та коштів, а також для того, щоб полегшити роботу наших консультантів, спеціалістів і менеджерів. Щоб Агентний ШІ служив цілям бізнесу, він має функціонувати в середовищі, де автоматизація та оптимізація є гармонійною частиною життя.

Приміром, ми створили окрему команду, яка впроваджує автоматизацію. Для цього вивчають, які є процеси в департаментах, які з них забирають найбільше часу та як вони впливають один на одного. Часто самі відділи помічають задачі, які можна було б автоматизувати.

Нещодавно керівниця відділу Human Capital запропонувала автоматизувати оцінку рівня знань англійської мови в кандидатів, і ми створили для цього окремого ШІ-агента.

Зараз ми перевіряємо наступний сценарій для нього: кандидат заповнює форму з тестовими завданнями, звідки ШІ-агент автоматично отримує дані. Агент оцінює тестове, підраховує бали, формує структурований коментар і завантажує його на HR платформу Workable. Для оцінки розмовної мови ШІ аналізує звукові доріжки, враховує вимову та акцент і завантажує результати назад на платформу.

Коли ми матимемо достатньо досвіду з ШІ-агентами та коли будемо готові делегувати складніші процеси на ШІ, ми перейдемо на наступний рівень – Агентний ШІ.

Із чого почати

Ми вчилися працювати з штучним інтелектом поступово та починали з Генеративного ШІ. Це стало першим кроком, і далі ми перейшли до ШІ-агентів. Бізнеси, які вже впровадили Генеративний ШІ, значно частіше застосовують ШІ-агентів, адже досвід роботи з Генеративним ШІ допоміг їм швидше розібратися з наступним рівнем технології. Такими висновками нещодавно поділилися керівники компаній зі США, Великої Британії та Японії в одному з опитувань.

Тож для впровадження Генеративного ШІ потрібно наступне:

• достатня кількість якісних даних;
• чітка мета і розуміння, в якому форматі має бути кінцевий результат;
• доступ до генеративних моделей ШІ.

Спершу ми придивилися до наших процесів, щоб зрозуміти, які задачі можемо віддати на автоматизацію. Наприклад, клієнти часто надсилають одні й ті ж запити, тому штучний інтелект може генерувати готові відповіді на них. Далі ми підготували дані, на яких ШІ може вчитися. У нашому випадку це база технічних знань про сервіс чи продукт. Ми розуміли, що клієнти зазвичай очікують персоналізоване повідомлення у вигляді тексту, тож це і був другий крок: визначення мети і формату кінцевого результату.

І насамкінець, щоб це все працювало, потрібен був доступ до моделей і серверів. Оскільки ми технологічна компанія, то провели власні дослідження й створили власні інструменти на базі ШІ. Зараз вони оптимізують роботу та допомагають нашим клієнтам досягати кращих результатів, задіюючи менше ресурсів.

Ризики і поради 

Поки ми вчимося застосовувати ШІ у бізнесі, розвивається й сама технологія. Тому помилки та менеджмент ризиків — це нормальна частина процесів.

В опитуванні, яке я згадувала вище, керівників компаній запитали про помилки у запровадженні ШІ-агентів. Вони найбільше шкодують, що поспішили або замало планували, витратили замало чи забагато коштів, не запропонували командам адекватного навчання, не мали відповідної інфраструктури даних та чітко окреслених очікувань.

Коли ми в SupportYourApp розглядаємо використання нового ШІ-інструменту, то застосовуємо перевірки та відповідність до вимог безпеки. Не завадить і старий-добрий здоровий глузд.

Хоча Агентний ШІ навчився самостійно керувати, міркувати, зважувати опції та ухвалювати рішення, він не може замінити людину-менеджера.

Поки Агентний ШІ контролює роботу ШІ-агентів та API, хтось має контролювати власне Агентний ШІ.

Тож до нього варто ставитися як до ще одного інструменту, який у вмілих руках приносить користь, а в невмілих створює небезпеки. Це як вогонь: поки люди його освоювали, то вчилися добувати тепло і затишок, але й береглися від пожеж.