Будущее агента AI является большим оптимизмом, потому что он обещает способствовать более высокого уровня цифрового преобразования, обрабатывая сложные многоэтапные задачи с точностью, скоростью и масштабируемостью.
Большая часть суммы для агентов искусственного интеллекта связана с их способностью принимать решения без вмешательств человека, свободных квалифицированных талантов для стратегических решений и масштабирования без добавления основной занятости.
Как компании могут выйти за рамки шумихи, чтобы лучше понять, как KI -KI может повысить эффективность и возврат капитала?
Согласно PWC, растущий интерес к ИТ -инвестициям в агентах -KI растет. В своем опросе в мае 2025 года 88% опрошенных заявили, что их команда или их линия Бизнес планирует увеличить бюджеты в связи с ИИ в следующем году благодаря агенту ИИ.
Технологический евангелист в PFU America, Inc.
И 79% заявили, что агенты искусственного интеллекта уже принимаются в их компаниях, а тех, кто прошел агенты, претендуют на две трети (66%), что обеспечивают измеримую стоимость за счет повышения производительности.
Но на горизонте есть некоторые облака: Gartner предсказывает, что к концу 2027 года более 40% проектов Agent -Ki будут отменены из -за эскалации затрат, неясного кондоминиума или неадекватного контроля риска.
Тем не менее, действующий ИИ является правильным и, с надлежащей подготовкой, потенциал быть гораздо более разрушительным, чем генеративный ИИ, из -за его прямого воздействия на корпоративное огурец, такие как снижение затрат, более быстрое принятие решений и заключение задач.
Содержание
Агенты, которые продвигают трансформацию здравоохранения
Случаи применения для ранних последователей уже многообещают. Брать NVIDIA, например. Новатор ИИ разрабатывает платформу для предприятия-KI для создания специфичных для задач агентов ИИ, в том числе одной для больницы Оттавы, которая занимается предыдущими пациентами по кругу.
Это включает в себя предоставление деталей для подготовки к операции, а также для восстановления и реабилитации после операции. По словам Кимберли Пауэлл, вице -президента и генерального директора по здравоохранению, NVIDIA, агенты искусственного интеллекта могут сэкономить время и деньги поставщиков и в то же время улучшить опыт пациентов.
Тем не менее, инвестирование в агент -KI -это пустая трата времени, денег и ресурсов, когда модели ввода устарели, низкое качество или неточные данные. В случае больницы Оттавы в разработке она основана на хорошо организованной, точной и текущей информации о пациентах для выполнения задач принятия решений и автоматизации.
Здравоохранение -это просто потенциальное применение для агентов -KI. Компании почти в каждой отрасли выигрывают от повышения эффективности за счет автоматизации задач, сокращения человеческих ошибок и масштабированного принятия решений в приложениях, которых достаточно для поддержки клиентов, закупок, эксплуатации ИТ и многого другого.
Качество данных и документа определяют эффективность агентов KI
В отличие от Genai — очень полезный инструмент, ориентированный на контент — агент AI действует автономно, поэтому данные и качество документов еще более обязательны. А LLM в ядре агентов требуют чистых, проверенных и безопасных данных, поскольку действия и принятие решений агентов так же хороши, как и данные и правила.
Агенты -KI основаны на структурированных данных и оцифрованных документах для принятия решений, запуска рабочих процессов или генерации расходов. Заключение: неточные, устаревшие или неполные данные, логика, с помощью которой ИИ действует напрямую.
Сценарий, который иллюстрирует, как агенты могут оставаться ужасно ложными, являются запросами на банковские кредиты. Если финансовые данные отсканированных форм или других ресурсов находятся на устаре, ИИ может привести к утверждению заявителя с высоким риском, что увеличивает потенциал для банковских убытков.
Для не дигитальной документации, жесткие копии, которые были сканированы со старыми устройствами с низким разрешением и плохим качеством изображения, могут путать идентификацию оптических символов (OCR) и обработку естественного языка (NLP) и привести к тому, что агент неправильно интерпретировал содержание.
Расширенные высокоскоростные изображения, похожие на изображения, которые стреляют искаженными документами, предлагают разрешение 300 DPI и используют адаптивные пороговые значения для улучшения знаков, удаления пятен, водяных знаков и фоновых шумов, идеально подходят для точного обнаружения OCR и более подробных результатов.
Подготовка данных имеет значение
Организации должны заниматься ведущим управлением отрасли по всей отрасли Лучшие методы управления данными и хранения для подготовки записей данных перед введением LLM, включая:
- Для предварительного тестирования данных и чистить — Без последовательно данных «пружинную очистку» для борьбы с самым продвинутым ИИ и быть менее эффективным. Важно удалить двойные документы и данные, устаревшие версии и поврежденные файлы. Использование ИИ для классификации, резюме и очистки документов значительно ускоряет процесс и уменьшает ручные усилия. Даже исправление ошибок печати, форматирование проблем и непоследовательных структур в сканируемых документах и PDF -файлах улучшает входы ИИ и сводит к минимуму потенциал «мусора в« мусоре ».
- Классифицировать и отметить документы — Как только данные были очищены и обработаны, используйте обозначения метаданных, такие как «презентация продаж» или «Руководство по обучению HR», для документов для более простой идентификации, а затем организовать контент в семантических категориях, которые имеют отношение к бизнес -процессам. Из -за структуры документов агенты могут лучше понять контекст и актуальность.
- Защитить конфиденциальность данных — Важно, чтобы все системы ИИ имели доступ только к данным и документам, которые им нужны, и ничего более. Это также относится к использованию внешних API или инструментов. Конфиденциальные персональные данные, которые больше не требуются, должны быть постоянно отремонтированы и удалены, чтобы минимизировать риски, связанные с защитой данных, нарушениями утечки или соблюдением.
- Проверка и проанализируйте — Наконец, выполните тесты на требованиях выборки с меньшими наборами документов, а затем проанализируйте выходы. Использование петлей обратной связи и уточнения источников данных и форматирования до их появления. С помощью этого важного шага ИТ -команды могут уловить проблемы форматирования, галлюцинации или предварительные предварительные предложения для ног данных на ранней стадии.
Качественные потребности и будущее агентов -KI
С обещаниями автономного искусственного интеллекта есть много, с расходами, которые, как ожидается, достигнут 155 миллиардов долларов к 2030 году. Для того, чтобы агент -К был правильным, надежным и соблюдением соответствия агентам, компании должны определить приоритеты данных и качество документов.
Внедряя передовые практики, которые определяют приоритеты чистых, хорошо управляемых данных и четкой документации, компании могут гарантировать, что агенты ИИ, которые они используют, работают с точностью и честностью. В будущем, которое характеризуется автономными системами, информация высокого качества является не только капиталом, но и предпосылкой для надежного и эффективного агентского издания.
Мы представили лучшую память о облачном документе.
Эта статья была произведена в рамках канала Expert Insights Techradarpro, в котором мы сегодня предлагаем лучшие и 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:
