AI AGENTAI IR AUTOMATIZACIJA
Dirbtinio intelekto diegimas versle dažniausiai stringa ne dėl modelio, o dėl proceso: neaišku, kurią darbo eigą automatizuoti, kas lieka atsakingas ir kaip pamatuoti rezultatą. Pradedame nuo vienos konkrečios eigos ir ją pabaigiame.
KADA VERTA
Ne kiekvienam procesui reikia dirbtinio intelekto. Šie požymiai rodo, kad vertėtų rimtai pasvarstyti.
01
Duomenų rinkimas iš kelių sistemų, ataskaitų ruošimas, pirminis užklausų rūšiavimas — darbas, kuris atima laiką, bet nereikalauja sprendimo.
02
Signalai ateina iš stebėsenos, ITSM ir el. pašto, tačiau kol kas nors juos susieja į vieną vaizdą, praeina valandos.
03
Pilotas veikė pristatyme, bet niekada nepasiekė produkcijos, nes trūko ribų, integracijų ir atsakomybės modelio.
04
Sprendimai liečia klientus arba pinigus, todėl reikia audituojamų veiksmų, aiškių apribojimų ir žmogaus patvirtinimo ties rizikinga riba.
KĄ GAUNATE
Kiekvienas etapas baigiasi kažkuo, ką galima įvertinti ir naudoti, net jei nuspręsite toliau neiti.
01
Peržiūrime darbo eigas ir atrenkame tas, kurias automatizuoti verta: pagal apimtį, pasikartojamumą, klaidų kainą ir duomenų prieinamumą.
Rezultatas: prioritetizuotas procesų sąrašas su vertinimu ir rekomendacija, nuo ko pradėti.
02
Vieną procesą automatizuojame nuo pradžios iki pabaigos: integracijos, agento logika, saugios ribos, žmogaus patvirtinimo taškai ir matavimas.
Rezultatas: veikiantis pilotas produkcinėje aplinkoje ir duomenys, leidžiantys nuspręsti dėl plėtros.
03
Dokumentuojame, apmokome komandą ir paruošiame planą, kaip tą patį modelį pritaikyti kitiems procesams be išorinės pagalbos.
Rezultatas: komanda, valdanti sprendimą savarankiškai, ir aiškus plėtros kelias.
KAIP DIRBAME
A
Kas jį vykdo šiandien, kiek laiko užima, kur klystama ir kokie duomenys realiai prieinami.
B
Ką agentas gali daryti savarankiškai, kur būtinas žmogaus patvirtinimas ir kaip veiksmai registruojami.
C
Pilotas realioje aplinkoje su aiškiais rodikliais: sutaupytas laikas, klaidų dažnis, apdorojimo trukmė.
D
Dokumentacija, veiksmų aprašai ir žinios, kurių komandai reikia toliau dirbti be manęs.
DUK
Įprasta automatizacija vykdo iš anksto aprašytą taisyklių seką. AI agentas papildomai surenka kontekstą, įvertina situaciją ir pasiūlo arba atlieka veiksmą pagal tikslą, o ne pagal fiksuotą scenarijų. Praktikoje geriausiai veikia derinys: taisyklės ten, kur jos pakanka, agentas ten, kur reikia vertinimo.
Nuo vieno konkretaus proceso, kuris kartojasi, atima daug laiko ir turi aiškų rezultatą. Platūs „AI strategijos” projektai dažniausiai lieka dokumentu. Vienas užbaigtas procesas duoda ir naudą, ir patirtį, kuria remiantis galima plėstis.
Saugumas čia yra apribojimų klausimas. Agentui apibrėžiamos konkrečios teisės, prieinami duomenys ir veiksmai; rizikingi žingsniai reikalauja žmogaus patvirtinimo; visi veiksmai registruojami. Duomenų apdorojimo vieta ir modelio pasirinkimas derinami pagal jūsų reikalavimus.
Vienos darbo eigos pilotas paprastai užtrunka nuo kelių savaičių iki poros mėnesių — priklauso nuo integracijų skaičiaus ir nuo to, kaip greitai pasiekiami duomenys bei sprendimų priėmėjai.
Prieš startą fiksuojame esamą būklę: kiek laiko procesas užima, kiek kartojasi, kiek klaidų. Po piloto lyginame tuos pačius rodiklius. Jei skaičiai nepagerėja, tai irgi rezultatas — ir pigesnis nei plati diegimo programa.
Dažniausiai ne. Agentai jungiasi prie to, kas jau veikia — ITSM, stebėsenos, el. pašto, duomenų bazių — per esamas sąsajas. Sistemų keitimas svarstomas tik tada, kai integracija kitaip neįmanoma.
KITOS PASLAUGOS
PAVYZDŽIAI
Konkretūs pavyzdžiai: nuo kokios situacijos pradedama, kas daroma ir pagal ką vertinama, ar suveikė.
PRADĖKIME
Naudingiausias pirmas pokalbis — apie konkrečią darbo eigą, kuri atima per daug laiko. Iš to matyti, ar AI agentai čia iš viso tinkamas sprendimas.