生成からエージェントAIへ – 今、実際の変換が始まります

2022年11月、世界はChatGptのグローバルリリースとともに生成的なAI ENを紹介しました。それ以来、AIはみんなの唇の流行語でした。長年にわたり、生成的AIの能力は飛躍的に登場し、基本的な書面によるコンテンツから複雑な画像、サウンド、さらにはビデオまで卒業しました。それが進化するにつれて、誰もが尋ね始めた質問は、「次は何が来るのですか？」でした。これで答えがあります：エージェントAI。

単にプロンプトに応答する従来の自動化ツールや生成モデルとは異なり、エージェントAIシステムは目標駆動型です。それらは積極的であり、タスクを推論し、長く詳細なプロセスを超えて、複数の決定ポイントを通じて、定義された結果を達成するために行動することができます。実際、この能力は、企業にビジネスモデルに完全に革命をもたらし、変革する機会を自律的に提供します。

どうやってここに到着しましたか？

生成AIの初期の利点は十分に文書化されており、 78％ 現在、複数のビジネス機能にわたってそれを利用している企業の。実装はaをカバーします 幅広い範囲 ビジネス機能：56％の企業が顧客サービスに使用し、51％がサイバーセキュリティと詐欺防止、47％、在庫およびサプライチェーン運用に40％を使用しています。リストは続きます。

しかし、エージェントAIへのシフトは、より野心的なものを示しています。単に人々をより効率的にするのではなく、ロボットプロセス自動化（RPA）やその他の以前のシステムが提供できなかった方法で、ビジネスプロセスの完全な自動化を可能にします。剛性式と条件付きルールが以前のアプローチを制限している場合、エージェントAIは設計により柔軟です。不完全または不完全なデータを評価し、最良の行動方針を決定し、以前に人間の判断を必要としていたタスクを実行できます。結果は、より速いワークフローだけでなく、プロセス全体にわたって自律的な実行を実現します。

より高度な展開では、これらのエージェントは単独で動作しません。組織は、いくつかのエージェントがタスクを調整し、互いに情報を渡し、変化する環境や入力に動的に適応する編成されたマルチエージェントシステムを調査しています。

これにより、幅広いユースケースが開きます。たとえば、フロントエンドでは、組織はエージェントが領収書から履行まで販売注文を管理する方法を探求し始めています。他の場所では、バックオフィス環境では、金融チームはエージェントAIを使用して時間報告、給与、その他の繰り返しタスクを自動化しており、スタッフがより高価値の活動に集中できるようにしています。

また、エージェントAIがどのようなものではないかを理解することも同様に重要です。これらのシステムは、メモリ付きのよりスマートなチャットボットやAPIだけではありません。それらは、独立して動作し、目標を追求し、コンテキストとフィードバックに基づいて行動を適応させるように設計されています。そのため、根本的な点は、これらはエージェントAIの旅の初期の時代であるが、勢いが速くなっているということです。

しかし、業界の場合 予測 信じられないほど、エージェントAIへの支出は2030年までに1,550億ドル（1,150億ポンド）に達する可能性があり、企業の優先事項の大幅な変化を表します。スタンドアロンツールへの投資から、最小限の人間の監視と操作、適応、協力できる自律システムの構築に向けて。

リスクと責任に近づく

ミックスに大幅に多くの自律性を追加すると、組織がリスクと責任にアプローチする方法の利害関係も高まります。 AIベースの自動化の以前の波は、明確に定義され、より簡単に監査された出力に焦点を当てていましたが、エージェントAIはこれらの仮定に挑戦します。設計上、エージェントは流体、しばしばあいまいなコンテキストで決定を下します。これは、これらの決定がどのように監視、統治、所有されているかについての基本的な疑問を提起します。

同様に重要なのは、人間がエージェントの決定を検査、オーバーライド、または調整できる人間のループシステムの設計です。これは、信頼を構築するだけでなく、パフォーマンスを向上させ、コンプライアンスを保証するフィードバックループを確立します。

多かれ少なかれ、および各実装に応じて、責任は人間主導のプロセスから自律システムに移行しています。その結果、企業は、過去数年間に見られた同じガードレールを持つエージェントAIを実装するだけでなく、監視を再考する必要があります。

たとえば、結果を確認するだけでは不十分です。組織は、エージェントが決定にどのように到達するか、どのデータに依存しているか、どのように結果が検証されるかを理解する必要があります。説明責任に関する明確なフレームワークがなければ、自律性リスクの利点は、コントロールまたは視認性の喪失によって損なわれ、パフォーマンスとコンプライアンスの結果がほとんどありません。

同時に、レイテンシやモデルの精度などの従来のAIパフォーマンスメトリックでは、もはや十分ではありません。エージェントAIの有効性を測定するには、タスクの完了率、コンテキスト決定の質、および時間の経過に伴う一貫性を追跡する新しいアプローチが必要です。

これにより、テクノロジーの革新だけよりも、準備が幅広い問題になります。エージェントAIの成功は、インフラストラクチャだけでなく、組織の文化、プロセス、リーダーシップが大規模な委任を管理するための装備されているかどうかに依存します。最終的に、エージェントを協力者として扱う人々は、これらの高度な技術がもたらす他のすべての重要な要件を満たしながら、彼らの可能性を解き放つために最適に配置されます。

キーテイクアウト

• エージェントAIシステムは目標駆動型です。それらは積極的であり、タスクを通じて推論し、定義された結果を達成するために行動することができます。
• より高度な展開では、これらのエージェントは単独で動作しません。組織は、いくつかのエージェントがタスクを調整し、互いに情報を渡し、変化する環境または入力に動的に適応する編成されたマルチエージェントシステムを調査しています。
• エージェントは、しばしば曖昧なコンテキストで流体で決定を下します。これは、これらの決定がどのように監視、統治、所有されているかについての基本的な疑問を提起します。
• 組織は、エージェントが決定にどのように到達するか、どのデータに依存しているか、どのように結果が検証されるかを理解する必要があります。
• エージェントAIの有効性を測定するには、タスクの完了率、コンテキスト決定の質、および時間の経過に伴う一貫性を追跡する新しいアプローチが必要です。
• エージェントAIの成功は、インフラストラクチャだけでなく、組織の文化、プロセス、リーダーシップが大規模な委任を管理するための装備されているかどうかに依存します。

マークスケルトンはの最高技術責任者です node4。

続きを読む

AIがキルスイッチが必要な理由 – 念のため – 人工知能は急速に進行しており、組織は脅威にさらされています。必要なときにAIにキルスイッチを置く方法は次のとおりです

2025年の就職活動のためにAIツールを活用する方法 – AIツールを使用して就職活動を最大限に活用する場合、JobbioのAoibhinn McBrideがどのように表示されますか