英语轻松读发新版了,欢迎下载、更新

现在是投资实施代理人工智能的合适时机吗?

2024-10-31 15:59:39 英文原文

作者:by Anirban Ghoshal Senior Writer

虽然供应商表示他们目前基于人工智能的代理产品很容易实施,但分析师表示,这与事实相去甚远。

软件供应商的宣传正在不断发展,代理人工智能开始在其营销信息中取代生成人工智能。他们说,代理人工智能不仅仅是生成代码或内容供人类审查,而是像人类工作人员一样遵循指令、做出决策并采取行动,而无需人工干预。

它不仅仅是更智能的 RPA

Agentic AI 不仅仅是一个更好的版本机器人流程自动化 (RPA):它有望将企业带到 RPA 无法做到的地方。

– 将 RPA 视为轨道上的火车 – 它只能行驶到有轨道的地方。Agentic AI 更像是一辆自动驾驶汽车,它可以自适应地导航不同的路线和情况,”初创公司 Doozer AI 提供基于 Agentic AI 的软件的联合创始人 Paul Chada 说。

代理人工智能之所以具有自主性或能够独立采取行动,是因为它能够解释数据、预测结果和做出决策,从新数据中学习,这与传统的 RPA 不同,传统的 RPA 在遇到意外数据时会犹豫不决,卡梅伦·马什 (Cameron Marsh) 表示。细胞核研究。

Chada 认为,代理人工智能的这种适应性特性可以帮助企业通过处理传统 RPA 无法管理的复杂、多变的任务来提高效率,例如索赔理算员、信贷员或案例工作者的角色。它可以访问完成任务所需的必要数据、工作流程和工具。

软件供应商已经在兜售可以访问这些资源的代理人工智能产品,包括Salesforce 的 Agentforce,Microsoft 基于 Copilot 的自主代理,ServiceNow 的 AI 代理,Google 的 Vertex AI Agent Builder,亚马逊基岩代理, 和IBM 的 watsonx Agent Builder,更多的可能会跟进。

那么,首席信息官们是该投资这项技术了,还是等待更好?

更好的代理商的早期阶段

代理人工智能承诺实现无需人工干预的自动化,也就是说,供应商认为,易于实施,但行业分析师和其他专家认为,这与当今新兴的代理人工智能技术的事实相去甚远。

Gartner 分析师 Tom Coshow 在 10 月初的一篇博客文章中写道,当前基于 LLM 的助理和成熟的人工智能代理之间存在巨大差距,他指出,要缩小这一差距,企业必须学会建立、治理并信任他们。

Coshow 预测,即使到 2028 年,代理人工智能也将仅在三分之一的企业应用程序中可用,从而使多达 15% 的日常工作决策能够自主做出。

对于 Dev Consult Canada 的首席顾问 Martin Bechard 来说,“Agentic [AI] 正处于早期采用者阶段,初始产品存在缺陷。”

企业软件初创公司投资者 Tola Capital 的格雷格·切卡雷利 (Greg Ceccarelli) 表示,衡量代理人工智能何时可以更广泛使用也是一个令人担忧的问题。“目前行业中最大的障碍之一是缺乏特定于工作流程的基准”来比较代理和人类在任务上的表现,他说,而确实存在的少数基准,例如操作系统世界,本质上非常学术化。– 业界目前在这个主题上仍处于 Day 0。 –

采用并不容易

虽然供应商将他们的代理人工智能工具描述为易于采用,但它并不像用代理取代工作流程中的人类决策者那么简单。

研究公司 The Futurum Group 的 CIO 实践副总裁 Dion Hinchcliffe 表示,在最简单的层面上,已经设计用于与人类合作的 RPA 工作流程很可能需要进行大量的重新设计,才能为代理 AI 做好准备。他说,利用代理人工智能处理非结构化数据、管理上下文决策和动态交互的能力通常不像更新现有脚本或工作流程那么简单。

Moor Insights 首席分析师 Jason Andersen 表示,必要的工程工作可能包括评估并向代理平台公开正确的服务、API、数据和控制,以确保代理拥有完成给定任务的上下文和工具。战略。一个 

IT 咨询公司 Eden Digital 的创始人阿尼尔·克利福德 (Anil Clifford) 认为,企业需要将整体方法转向自动化,因为代理人工智能的概率性质与传统的确定性自动化有着根本的不同。

艰苦的工作让工作变得更轻松

分析师表示,一些平台供应商已经提供低代码和无代码代理开发和管理平台,但这些平台的功能仅限于构建简单代理或修改供应商自己构建的代理模板。

– 创建更复杂的代理,特别是需要定制集成和细致入微的决策能力的代理,仍然需要对数据流、机器学习模型调整和 API 集成有一定的技术了解。”Futurum 的 Hinchcliffe 说道,并补充道这些平台有一个学习曲线,并且迁移过程可能会占用大量资源。

Marsh 表示,Nucleus Research 就代理人工智能实验接受采访的大多数企业表示,学习曲线比供应商声称的要陡峭,特别是在大规模实施代理人工智能所需的定制深度方面。

Moor’s Andersen 举了一个具体的例子:虽然无代码平台提供了连接器等集成工具来与其他应用程序一起工作,但经验丰富的开发人员或企业架构师必须首先设置整个后端工作流程,然后才能创建代理来完成任务。此类应用程序的任务非常复杂。

仍在运行旧应用程序的企业还有其他担忧,因为这些应用程序的连接器可能不可用或功能有限。

– 这些系统通常会带来集成挑战,使得很难对现有技术堆栈进行重大更改。谷歌云客户工程师 Shruti Dhumak 表示,这就像试图将一台全新的超级智能计算机安装到一家旧工厂中,而该工厂仍在使用旧软件的机器上运行。出生在云中的人可能会发现更容易采用代理人工智能。

如果不是现在,那么什么时候?

Dev Consult 的 Bechard 认为,在代理人工智能上的支出是对技术潜力的押注,而不是现阶段的投资。但这是一个赌注,随着代理人工智能变得更加强大,胜算可能会发生变化。“决策者必须通过实验来学习或建立一个滩头阵地,如果技术不断改进,这个滩头阵地就可以成为战略优势,”他说。

SanjMo 首席分析师 Sanjeev Mohan 建议首席信息官们应该观望。他认为,如果现有 RPA 有效,就没有必要在代理人工智能上花钱,并建议在决定实施代理人工智能之前提前了解用例的价值。

其他分析师表示,分层或分阶段采用该技术可能是最好的前进道路。

Eden Digital 的 Clifford 建议使用代理 AI 作为 RPA 的补充,而不是替代品。他说:“这种方法允许组织维持对结构化、重复性任务的 RPA 投资,同时逐步引入人工智能代理来处理更复杂、与环境相关的流程。”

Hinchcliffe 也建议仔细权衡金钱和时间成本与企业敏捷性、可扩展性和运营效率方面的收益,并在等式中添加另一个变量:RPA 供应商可能会自己提供代理人工智能功能 -ªUiPath已经在朝这个方向发展了——这可以为企业提供更安全、更快速的替代方案来自行实施代理人工智能。

¤ªªª ª ª ª ª ª ¿ ª è è è ª

«

�¸�¸®æ¥�¸®��¸��¸ª�¥�ªª¤¤¤ªç´æ¥åä¿– CIO.com�¤�¤ªªªªªªªªª�¤ªªª ́ ª ª ª ç µ å ¶ ª ¤ ª ª ¤¤ª¤¤¤¤ªªè¤ª´ª«ªªã噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗噗�����������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������姿ãéç줤ªªª¿ãªªç®¡ãITãµãªªªã1ãè製å調éãIT㪪ªªªªªª§³é¸£è嶸ã®å3ª©«🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌟🌞🌞🌞🏼è½ï¿��������������������������������������������������������������������������������������������������������������������������������������������������������������������������¤ª¸¸ã§³ªªªªã ª ¿ ª ª ª ¸ ª ª ª ª ª ¸ § ª ª ª ¸ § ª ª ª ¸ § ª ª ª ¸ § ª ª ª ¸ § ª ª ª ¸ § ª ª ª ¸ § ª ª ¤ ¸ § ª ª ¸ § ̃ ª ¤ ¸ § ª ª ¸ § ³ ¤ ª ª ª ª ¡ ª ¿¤æ¤¥¤¤ª³¿ªª©¤º»ªª§ã

关于《现在是投资实施代理人工智能的合适时机吗?》的评论


暂无评论

发表评论

摘要

代理人工智能使机器能够以最少的人为干预执行任务,并根据上下文和数据驱动的见解进行调整,正在成为企业技术战略中越来越重要的一部分。然而,由于各种挑战,许多公司仍处于试验的早期阶段。以下是有关代理人工智能采用的要点摘要:1. **学习曲线**:大多数用于构建代理人工智能代理的无代码或低代码平台都是有限的,并且需要比供应商经常声称的更多的技术理解。企业报告了更陡峭的学习曲线,特别是在定制集成和决策能力方面。2. **集成挑战**:由于连接器有限或不可用,遗留系统在与代理人工智能等新技术集成时可能会带来重大挑战。如果没有事先进行彻底的后端工作流程设置,这可能会使对现有技术堆栈进行重大更改变得困难。3. **成本效益分析**:组织需要根据潜在收益(例如提高的企业敏捷性、可扩展性和运营效率)仔细评估成本和时间投资。一些专家建议使用代理人工智能作为机器人流程自动化 (RPA) 的补充而不是替代品。4. **供应商集成**:随着 RPA 供应商开始提供代理 AI 功能,对于企业来说,在对独立代理 AI 解决方案进行大量投资之前,等待并观察这些集成如何发展可能是有益的。5. **分阶段采用**:分层或分阶段的方法可能是最好的策略,从更简单的用例开始,随着技术的成熟逐渐转向更复杂的应用程序。6. **实验**:如果代理人工智能的能力不断改进和发展,决策者可能需要进行实验来建立战略优势。7. **风险评估**:如果现有 RPA 解决方案有效运行,可能不需要立即投资代理人工智能,除非预先清楚地理解和证明特定用例的价值。总之,虽然代理人工智能具有巨大潜力,但企业应谨慎行事,仔细评估其当前的技术格局,并考虑分阶段采用。这使他们能够平衡创新与风险管理并有效利用现有投资。