В 2024 году менее 1% корпоративных приложений программного обеспечения Компании интегрировали агент AI. Однако, по словам Гартнера, к 2028 году это число, вероятно, достигнет 33%. Понятно, что промышленные компании проявили растущий интерес к агенту-KI в надежде использовать эту трансформирующую технологию для реальных корпоративных приложений.
В то время как многие хотят провести следующий этап инноваций ИИ, многие сталкиваются с страшным «poc-fegefeuer» по проверке концепции (POC), который не увеличивает их инструменты ИИ за пределами пилотных этапов.
Для большинства основной вопрос заключается не в том, может ли KI -KI улучшить свою компанию, а то, как быстро он обеспечивает ощутимую ценность -и Poc Finge сдерживает ее.
Мы исследуем некоторые из наиболее важных причин этого узкого места, препятствия для развития полного потенциала агентов -KI и стратегий для их преодоления.
Почему промышленные компании в POC Swing Flet?
Переход от POC Pilot на крупномасштабное путешествие — не простое путешествие. Введение агентов -KI отличается от любого другого технологического введения, и, вероятно, возникнут некоторые проблемы, когда промышленные компании сделают следующий шаг к масштабируемой реализации, включая:
1. Проблемы управления изменениями: Промышленные компании часто не решаются принимать во внимание значительные изменения, особенно при внедрении технологий, которые резко меняют их операции. Этот страх основан на рассмотрении потери контроля над важными бизнес -процессами и неопределенности того, как эти изменения могут повлиять на их рабочие процессы. В результате вы можете отложить или отказаться от инициатив, потому что вы связаны с неизвестными проблемами и возможными расстройствами, которые связаны с представлением контроля над автоматизированными системами, такими как агенты.
2. Отсутствие четких метрик: Без четко определенных показателей компаниям трудно оценить эффективность новых инструментов. Определение того, как влияет Ki -Ki, не является легкой задачей. Это отсутствие ясности может повлиять на принятие решений и задержать усилия по реализации.
3 .. Соответствующая оценка заявления: Идентификация правильных вариантов использования для технологий, контролируемых агентом, и понимание того, какие сложные процессы вы можете эффективно управлять, является серьезной проблемой. Для этого компании нуждаются в глубоких знаниях домена и четкое понимание их внутренних операций. Без этого понимания вы рискуете захватить на фазе испытаний, на котором пробовали только простые, нерепрезентативные сценарии, которые в конечном итоге препятствуют потенциалу для использования агентов для более эффективных, сложных задач.
4. Необходимость надежной структуры данных: В то время как 86% организаций признают готовность данных как важную для успеха ИИ, только 23% создали необходимую основу для достижения этого. Задача для промышленных компаний еще больше, поскольку устаревшие технологии, фрагментированные данные и устаревшие системы усложняют предоставление искусственного интеллекта -и масштабирование только затрудняет ситуацию. Агент AI требует мощной основы, которая может поддерживать армию агентов, которые создают большие объемы данных почти в реальное время, что делает процесс более сложным и ресурсом более взаимосвязанным.
5: Поскольку агенты -KI полностью удалили определенные задачи от людей, сопротивление сотрудников почти гарантировано растущей роли агентов из -за ранней неудачи чат -ботов. Несмотря на то, что это позволяет людям сосредоточиться на высококачественных объектах и иметь дело только с агентами на статьях, которые нуждаются в утверждении или выровняются с неопределенностью, необходимо отказаться от соответствующей величины автономии в отношении работы и того, как она выполняется, что может быть некомфортно.
Какие шаги могут предпринять промышленные компании для достижения масштабированного использования ИИ?
Установки, упомянутые выше, безусловно, могут быть обескураживающими, но преодоление их достаточно в зависимости от досягаемости для будущих компаний. Те, кто хочет масштабировать свои агенты -К -приложения, должны начинаться со следующих пяти шагов:
1. Определите четкие результаты бизнеса и роли для агентов: Первым шагом является четкое определение бизнес -результатов, которых хотят достичь агенты ИИ, а затем назначить эти результаты определенным типам агентов. Например, агент наблюдения, который работает непрерывно в фоновом режиме, может сконцентрировать KPI на высокоскоростных улучшениях, в то время как агент, который автоматизирует сквозный процесс, фокусируется на повышении производительности. Организуя агентов искусственного интеллекта по стратегическим приоритетам бизнеса и определяя четкие KPI для любых, компании могут создать прочную основу для измерения успеха.
2. Сделайте данные и готовность к защите инфраструктуры: Агенты не только полагаются на качество данных, доступность и эффективную обработку, но и на готовность обрабатывать. Чтобы выйти за рамки POC, компании должны обновить свою инфраструктуру данных и заказать свои процессы. Вы также должны иметь четкое понимание того, как работают ваши операции, и дать точно определенные руководящие принципы, в которых агенты могут работать. 3. Создание структур Ki -Governance гарантирует, что реализации соответствуют стандартам безопасности, соблюдения и надежности и в то же время получают структуру для автономного вывода эффективных решений.
3 .. Следуйте постепенному подходу к предоставлению: Вместо того, чтобы попробовать полное развертывание с самого начала, компании должны использовать постепенный подход. Начните с целевых, высокоэффективных средств, которые, вероятно, обеспечивают измеримые результаты и уточняют и масштабируют модель на основе обратной связи. Непрерывная итерация является ключом к тому, чтобы агенты адаптировались к реальным условиям и развивались в дополнение к потребностям бизнеса. Как только первый успех был достигнут, дополнительные типы представителей в других бизнес -инициативах могут быть использованы легче.
4. Представьте организационную и персональную ориентациюПоскольку почти половина проблем рабочей силы, которые ИИ может заменить их работу, менеджеры не могут просто представить и покинуть агентов. Когда процессы автоматизируются, сотрудники будут выполняться вручную по новым задачам, таким как результаты наблюдения и обеспечение общей регистрации вместо каждого шага. Компании должны инвестировать в надежные инициативы по борьбе с адаптацией, включая программы обучения и повышения квалификации, чтобы обеспечить плавный переход. Включение межфункциональных команд, управления ИТ и управляющих директоров поможет создать чувство владельцев и продвижение сотрудничества по всей компании.
5. Измерение, переход и масштабировать с доверием: Как только используются агенты, крайне важно непрерывно контролировать их объем и производительность против предопределенных KPI. Это включает в себя оценку, начинается ли агент с относительно простой задачи и постепенно получает больше автономии с течением времени или есть ли определенные области, в которых у агента есть проблемы. Компании также должны оценить, доверяют ли агенты, что они выходят за рамки внутренних систем компании, например, Б. Переговоры и покупка поставщиков. Благодаря созданию средств для агентов, компаний, компании могут рационализировать будущие проекты, повысить эффективность агентов и ускорить их способность масштабировать агентские инициативы по всей компании.
Брать
Если вы выходите за рамки POC Peering, чтобы достичь предоставления ИИ в полном масштабе, необходимо преодолеть несколько значительных препятствий. Более частая препятствия, такие как страх неудачи, в инициативах и проблемы с инфраструктурой, будут иметь решающее значение для промышленных компаний, чтобы использовать весь потенциал этих автономных инструментов.
Хотя многие организации уже ввели стандартные агенты, путь к полностью автономным агентам не будет без проблем. Сделав стратегические инвестиции и используя методологический подход не только для масштабирования, но и их конкретных ролей, они могут выйти за рамки бесконечных попыток и начать вознаграждения агентов -KI в реальном мире задолго до увеличения Гартнера в 2028 году.
Мы оцениваем лучшую платформу бизнес -разведки.
Эта статья была произведена в рамках канала Expert Insights Techradarpro, в котором мы сегодня предлагаем лучшие и самые умные руководители в технологической индустрии. Взгляды, выраженные здесь, относятся к авторскому и не обязательно мнениям Techradarpro или Future PLC. Если вы заинтересованы в том, чтобы определить больше здесь:
