Sekite ZDNET: Pridėkite mus kaip pageidaujamą šaltinį Google.
Pagrindiniai ZDNET pasiūlymai
- Agento diegimas skiriasi nuo tradicinių programinės įrangos paleidimo.
- Valdymas negali būti požiūris su agentais.
- „AgentOps“ dabar patenka į sceną.
Jaudulys dėl AI agentų gali atrodyti per didelis, tačiau atminkite: norint, kad šie įrankiai būtų produktyvūs, reikia dirbti ir planuoti vietoje. Aukščiausio lygio veiksmai apima agentams laisvės suteikimą, bet ne per daug laisvės, taip pat tradicinių investicijų grąžos priemonių persvarstymą.
Taip pat: 3 būdai, kaip dirbtinio intelekto agentai padarys jūsų darbą neatpažįstamą per ateinančius kelerius metus
Anot Kristin Burnham, MIT Sloan Management Review rašo, kad veiksmingas AI kūrimas ir valdymas reikalauja pagrįstų valdymo, investicijų, valdymo ir dizaino sprendimų. Apžvelgdama naujausius „Sloan“ ir „Boston Consulting Group“ atliktus tyrimus, ji nurodo „įtampą“, kurią AI agentų kūrėjai ir šalininkai turi žinoti:
- Per daug apribojus agentines sistemas, apribojamas jų efektyvumas, o suteikiant per daug laisvės gali atsirasti nenuspėjamumo.
- Agentinis AI verčia organizacijas permąstyti, kaip jos vertina išlaidas, laiką ir investicijų grąžą.
- Organizacijos turi nuspręsti, ar greitai modifikuoti agentinį AI į esamas darbo eigas, ar skirti laiko iš naujo įsivaizduoti šias darbo eigas.
Taip pat: ieškoma teismo medicinos specialistų ir 10 kitų naujų darbo vaidmenų, kuriuos AI galėtų sukurti
Visoje pramonės šakoje sutariama, kad agentams reikia naujų svarstymų, nei esame įpratę kurdami tradicinę programinę įrangą. Proceso metu išmokstama naujų pamokų. Pramonės lyderiai pasidalijo kai kuriomis savo pamokomis su ZDNET, žengdami pirmyn į agentinę AI ateitį.
1. Valdymas yra labai svarbus
„Pasitikėjimas nėra tikslumas“, – sakė „Cisco“ vyriausiasis inžinierius Nikas Kale'as, vadovavęs agentų komandai, kuri suteikė ekspertų lygio technines gaires daugiau nei 100 000 vartotojų. Ankstyvosios agentų versijos „galėjo reaguoti užtikrintai, bet neteisingai, todėl mums reikėjo daug investuoti į atsakymų įžeminimą per paiešką ir struktūrizuotas žinias“.
Svarbi išmokta pamoka buvo „valdymo negalima modifikuoti“, pridūrė Kale. „Kai priežiūros ir politikos valdikliai pridedami pavėluotai, sistemoms dažnai trūksta architektūrinių kabliukų, kurie jas palaikytų, todėl tenka skausmingai pristabdyti ar pertvarkyti.
Taip pat: 8 būdai, kaip atsakingai dirbtinį intelektą paversti jūsų įmonės DNR dalimi
Ilgainiui pasitikėjimas spartėja, sakė Kale. “Kai sistemos veikia gerai, žmogaus tikrinimas sumažėja. Tada gali atsirasti apimtis ir nenumatyta autonomija, jei ribos nėra aiškios.”
Kale ragina dirbtinio intelekto agentų šalininkus „suteikti autonomiją proporcingai grįžtamumui, o ne modelio pasitikėjimui. Negrįžtamus veiksmus keliose srityse visada turėtų prižiūrėti žmogus, nepaisant to, ar sistema atrodo patikima“. Stebėjimas taip pat yra labai svarbus, sakė Kale. „Galimybė pamatyti, kaip buvo priimtas sprendimas, yra ne mažiau svarbus nei pats sprendimas“.
2. Pradėkite siaurai
Su agentais „mes sąmoningai pradedame siaurai“, – sakė „Atomic Gravity“ generalinė direktorė Tolga Tarhan. “Dauguma mūsų diegiamų agentų yra pritaikyti vienai domenui su aiškiais apsauginiais turėklais ir išmatuojamais rezultatais. Tai gali būti inžinerinis antrasis pilotas, operacijų asistentas arba agentas, sintezuojantis sudėtingus vadovams skirtus duomenų rinkinius.”
3. Užtikrinti duomenų kokybę
“Dirbtinis intelektas gerai veikia, kai po juo yra kokybiški duomenys“, – sakė Olegas Danyliukas, rinkodaros agentūros „Duanex“, sukūrusios agentą, skirtą automatizuoti savo svetainės lankytojų potencialių klientų patvirtinimą, generalinis direktorius. „Mūsų pavyzdyje, norėdami suprasti, ar potencialus klientas mums įdomus, turime gauti kuo daugiau duomenų, o sudėtingiausia yra gauti socialinio tinklo duomenis, kurie dažniausiai nepasiekiami. Štai kodėl turėjome įgyvendinti keletą sprendimų ir gauti tik viešąją duomenų dalį.
Taip pat: Ne, dirbtinis intelektas nevagia jūsų techninio darbo – jis tik jį pakeičia
„Duomenų kokybė yra svarbiausias dalykas“, – sutiko Tarhanas. “Modeliai veikia tik tiek, kiek jiems suteikiama informacija.”
4. Pradėkite nuo problemos – ne technologijos
„Iš anksto apibrėžkite sėkmę“, – sakė Tarhanas. “Įtaisykite viską. Suteikite žmonėms informaciją ilgiau, nei manote, kad būtina. Ir anksti investuokite į stebimumą ir valdymą. Tinkamai atlikus dirbtinio intelekto agentus gali pakeisti. Kai skubama, jie tampa brangiomis demonstracinėmis versijomis. Skirtumas yra disciplina.” Tarhano komanda siekia, kad agentai būtų laikomi planais, grįžtamojo ryšio kilpomis ir nuolatine iteracija – o ne kaip moksliniais eksperimentais.
5. Apsvarstykite „AgentOps“ metodikas
„AI agentams nepasiseka vien modelio pajėgumais“, – sakė Martinas Bufi, pagrindinis Info-Tech tyrimų grupės tyrimų direktorius. Jo komanda sukūrė ir sukūrė AI agentų sistemas, skirtas įmonės lygio funkcijoms, įskaitant finansinę analizę, atitikties patvirtinimą ir dokumentų apdorojimą. Tai, kas padėjo šiems projektams sėkmingai įgyvendinti, buvo „AgentOps“ (agento operacijos), kurios pagrindinis dėmesys skiriamas viso agento gyvavimo ciklo valdymui.
5. Laikykite agentus susitelkusius
Užuot kūrus monolitinius viską atliekančius agentus, Bufi patarė „panaudoti kelis specializuotus agentus tokioms funkcijoms kaip analizė, patvirtinimas, maršruto parinkimas ar ryšys“. Be to, Bufi komanda siekė, kad šios agentų komandos atspindėtų, kaip veikia žmonių komandos, „naudodamos aiškius orkestravimo modelius, skirtus lygiagrečiam darbui, arba nuoseklius vamzdynus, kuriuose prieš imantis gilesnių veiksmų reikėjo nustatyti ketinimą ir pasitikėjimą“.
7. Laikykitės konteksto ir išlikite prisitaikantys
Net ir santykinai ribotam vieno vartotojo agentui „konteksto valdymas yra didelė kliūtis ir gali sukelti didelių problemų, jei nebus tinkamai tvarkomasi“, – sakė Seanas Falconeris, „Confluent“ AI vadovas, prisimindamas savo sukurtą asmeninį agentą. “Kai agentai naudojasi įrankiais ir kartojasi sąveika, konteksto langas greitai užpildomas. Nors senesni duomenų taškai gali prarasti aktualumą, modeliai ne visada netiesiogiai teikia pirmenybę reikiamai informacijai.”
Taip pat: ar galėtumėte būti AI duomenų treneriu? Kaip pasiruošti ir kas tai moka
Siekdami išlaikyti aukštos kokybės ir nuoseklų išvestį, kūrėjai „neproporcingai daug laiko praleidžia optimizuodami, kaip genėti, apibendrinti ir įterpti kontekstą, kad agentas neprarastų pradinio tikslo gijos“, – aiškino Falconeris. “Inžinierius prisitaikymui nuo pirmos dienos. “Įsitikinkite, kad jūsų dirbtinio intelekto investicijos yra lanksčios ir tinkamai apibendrintos. Venkite pardavėjo ar modelio užsiblokavimo, kad galėtumėte greitai pasisukti, kai ateis kita naujovių banga.
