Autonomni agenti uskoro će upravljati tisućama poslovnih tijekova, a samo organizacije s jedinstvenim, pouzdanim i kontekstualno bogatim podacima mogu spriječiti kaos i ostvariti pouzdanu vrijednost na velikoj razini. AI agenti prelaze iz uloge pomoćnika za kodiranje i chatbota za korisničku podršku u operativnu srž poduzeća. Povrat ulaganja (ROI) je obećavajući, ali autonomija bez usklađenosti vodi ka kaosu. Poslovni lideri trebaju postaviti osnovne temelje odmah.
Eksplozija agenata dolazi. Agenti samostalno upravljaju procesima od početka do kraja u područjima kao što su generiranje potencijalnih klijenata, optimizacija opskrbnog lanca, korisnička podrška i financijska usklađivanja. Srednje veliko poduzeće moglo bi lako upravljati s 4.000 agenata, od kojih svaki donosi odluke koje utječu na prihode, usklađenost i korisničko iskustvo.
Transformacija prema poduzeću vođenom agentima je neizbježna. Ekonomske koristi su prevelike da bi se ignorirale, a potencijal se ostvaruje brže nego što su mnogi predviđali. Problem? Većina poduzeća i njihova temeljna infrastruktura nisu spremni za ovu promjenu. Rani usvajači su otkrili da je otključavanje AI inicijativa na velikoj razini iznimno izazovno.
Ulaganja u AI su značajna, ali rezultati se ne ostvaruju. Prema recentnom istraživanju Boston Consulting Group-a, 60% poduzeća izvještava o minimalnim prihodima i uštedama unatoč značajnim ulaganjima. Međutim, lideri su izvijestili da su postigli pet puta veće poraste prihoda i tri puta veće uštede. Jasno je da postoji velika premija za vođenje.
Ono što odvaja lidere od ostalih nije koliko troše ili koje modele koriste. Prije nego što započnu s širenjem AI-a, ove ‘budućnosno izgrađene’ tvrtke postavljaju kritične infrastrukturne sposobnosti podataka. Ulažu u temeljni rad koji omogućava AI-u da pouzdano funkcionira.
Da bismo razumjeli gdje i kako AI u poduzećima može propasti, možemo razmotriti četiri ključne dimenzije: modeli, alati, kontekst i upravljanje. Na primjer, agent koji naručuje pizzu mora razumjeti vaš zahtjev, izvršiti radnju, pružiti personalizaciju i provjeriti rezultat.
Ovaj okvir pomaže dijagnosticirati gdje se pojavljuju problemi s pouzdanošću. Kada agent propadne, koji je kvadrant problematičan? Razumije li model ispravno namjeru? Jesu li alati nedostupni ili neispravni? Je li kontekst nepotpun ili proturječan? Ili nema mehanizma za provjeru je li agent izvršio ono što je trebao?
Zadovoljstvo je pomisliti da će pouzdanost jednostavno poboljšati kako se modeli poboljšavaju. Međutim, većina problema s agentima dolazi iz neusklađenih, nekonzistentnih ili nepotpunih podataka. Poduzeća su tijekom desetljeća akumulirala ‘dug podataka’. Ulaganja, prilagođeni sustavi i alati ostavili su podatke raspršene po silosima koji rijetko surađuju.
U ovom okruženju agenti će isprva raditi dobro, ali kako se dodaju novi agenti, pojavljuju se problemi. Podaci koji se ne podudaraju mogu imati stvarne poslovne posljedice. Poduzeća koja izgrade jedinstveni kontekst i robusno upravljanje mogu s povjerenjem implementirati tisuće agenata, znajući da će raditi zajedno. Oni koji preskoče ovu temeljnu pripremu gledat će kako njihovi agenti daju proturječne rezultate i krše pravila.
Pitanje za poduzeća je spremnost organizacije. Hoće li vaše poduzeće pripremiti potrebne podatke za uspješnu transformaciju agenata? Autonomni agenti već transformiraju način rada, ali poduzeća će iskusiti prednosti samo ako ti sustavi djeluju na temelju istih podataka.
