會議室はそれによって消費(fèi)され、投資家はそれを賭けており、意思決定者はそれをテストしており、ガートナーのアナリストは2028年までにエンタープライズソフトウェアの3分の1がエージェントAIを組み込むと予測しています。

しかし、すべての興奮の中で、何かがおかしいと感じ、ほとんどの企業(yè)は彼らの試験に巻き込まれたままであり、その多くは展開中に本格的な実裝や弱體化に進(jìn)むことはありません。視點(diǎn)では、 AIイニシアチブの85％が失敗します。これらのソリューションを開発している人に本當(dāng)に起こっていることを?qū)い亭毪?、繰り返されるテーマは、AIエージェントを所有しているが、それらをサポートするエコシステムがないということです。

最初はインフラストラクチャを構(gòu)築します

NTTデータのデジタルコラボレーションサービス擔(dān)當(dāng)上級副社長であるアイシュワリヤーシンは、この物語が直接展開するのを目撃しました。 「主な経済的ハードルには、インフラストラクチャと技術(shù)への大幅な前払い投資、現(xiàn)在のシステムとAIを統(tǒng)合する費(fèi)用、およびAIシステムを監(jiān)督および維持するための専門的な人員の需要が含まれます」と彼女はインタビューで述べました。

理論的には、エージェントAIはコストを削減し、プロセスを簡素化する必要があります。しかし、実際には、両方の追加のレイヤーを?qū)毪筏蓼?。特に、企業(yè)がプロセスではなく製品としてアプローチする場合です。 「多くのリーダーは、統(tǒng)合を成功させるために必要な時(shí)間、努力、リソースを過小評価しています」とシンは言いました。 「これを見下ろすと、プロジェクトの遅延、予算のオーバーラン、およびサブパフォーマンスが発生する可能性があります?！?/p>

今年の3月に導(dǎo)入されたNTTデータの新しいエージェントAIサービスは、MicrosoftのCopilot StudioとAzure AI Foundryを使用して開発されました。この問題を解決することを目指しています。エージェントを展開するだけでなく、協(xié)議、実行、実行、監(jiān)視、再トレーニング、および最適化をサポートすることによって。マネージドサービスとしてのAIインフラストラクチャであり、すでに社內(nèi)で実裝されています。

「私たちの內(nèi)部チケットシステムでは、生産性が50?65％増加しました」とシンは述べました。 「さまざまなチケットタイプにわたってエージェントを開発し、オムニチャネルLLMSに接続しているため、音聲、電子メール、チャットを通じて一貫して新しい自動化を追加できます?！?/p>

AIの才能の不足

ただし、インフラストラクチャまたはエコシステムがないことは、エージェントAIを妨げる唯一の要因ではありません。もう1つの問題は、さらに大きい場合、AIの才能の不足です。 3,400人の幹部と2,000のエンタープライズプロジェクトを含む最近のアクセンチュア研究によると、AIの取り組みは13％のみが重要なビジネス上の利益をもたらしています。理由？企業(yè)は、人々よりもテクノロジーに3倍多く費(fèi)やしています。このAIスキルのギャップは明らかです。

Accentureのコンサルティングのグループ最高経営責(zé)任者であるJack Azagury氏は、次のように述べています。 「利用可能なすべてのGEN AIツールに投資することはできますが、スタッフがどのように、またはなぜそれらを利用するかを知らない場合、価値は単に具體化されません。」

Singhは同意し、このAIの才能ギャップを拡大することが、NTTデータが200,000人の従業(yè)員のトレーニングに投資し、今年だけで15,000人のGenaiの専門家を認(rèn)定していることを強(qiáng)調(diào)していることを強(qiáng)調(diào)しています。 「これはまた、このテクノロジーを活用して獨(dú)自のビジネスパフォーマンスを向上させる方法について多くのアイデアを引き起こし、驚くべき新しい革新につながりました」と彼女は付け加えました。

AI展開ジレンマ

才能の苦境を上回ると、実際にAIを展開する際にさらに大きな課題に遭遇します。國立経済調(diào)査局の最近のワーキングペーパーでは、7,000の職場でAIチャットボットの使用法を調(diào)査し、これらのチャットボットがいかなる職業(yè)の賃金や労働時(shí)間に顕著な影響を與えないことを発見しました。広範(fàn)囲にわたる採用にもかかわらず、この調(diào)査では、平均してAIは従業(yè)員の時(shí)間の3％しか節(jié)約で、その3?7％がより高い補(bǔ)償に翻訳されることがわかりました。

さらに印象的なのは、ほとんどの従業(yè)員が節(jié)約された時(shí)間を他のタスクにリダイレクトしたという発見です。多くの場合、AIシステム自體によって作成されたタスク、つまりAI出力の編集、製造された事実の検証、または調(diào)整トーンです。本質(zhì)的に、このテクノロジーは、削除されたよりも複雑さを増しました。

これは、IBMが別の研究で明らかにしたものを反映しており、AIプロジェクトの25％のみが期待される投資収益率（ROI）を達(dá)成していることを示しています。 Informaticaの最新レポートは、データの品質(zhì)と統(tǒng)合の問題がほとんどのAIプロジェクトの障害の主な原因であり続けていることを明らかにしています。

テイクアウトは、企業(yè)が周囲の條件を拡大する方法を理解していない、または理解していないため、AIエージェントが拡大しないことです。

展開後の複雑さ

AIエージェントを効果的に展開できた場合、その後発生することに対処する必要があります。最高のAIエージェントでさえ、開発者、データスチュワード、セキュリティアーキテクト、トレーナー、倫理學(xué)者など、その背後にあるチームを必要とします。 Singhによると、これはほとんどの企業(yè)が最大の困難に遭遇する場所です。エージェントを展開するのではなく、次のことを処理することです。

「展開後、エージェント管理には、日常的な更新、パフォーマンス追跡、セキュリティ監(jiān)査、および進(jìn)化するビジネス目標(biāo)との調(diào)整が必要です」と彼女は私に伝えました。 「クライアントから聞いている大きな懸念は、組織內(nèi)のエージェントAIエージェントの流入をどのように処理するかです?！工饯欷悉蓼丹硕啶谓M織が盲目的にナビゲートしている場所であり、それらを運(yùn)営、統(tǒng)治、および大規(guī)模に最適化するための戦略なしにAIエージェントを構(gòu)築しています。

このマウントの課題に取り組むために、Singhは、NTTデータがガーディアンエージェントと赤いチーム化エージェントを?qū)毪肥激幛皮い毪仁訾伽蓼筏?。これは、エージェントが機(jī)能全體で増殖するため、セキュリティ、コンプライアンス、および運(yùn)用上の完全性を監(jiān)視するために設(shè)計(jì)されたモデルです。

本物のROIが始まるところ

それで、何が成功しているのでしょうか？エージェントAIがこれらすべての複雑さによって圧迫されている場合、なぜ多くのグローバル企業(yè)がエージェントAIシフトを計(jì)畫するのに十分なほど熱意があるのですか？シンの応答は、課題とset折にもかかわらず、エージェントAIには、適切に展開されたときにその可能性を垣間見る実用的なアプリケーションがあるということです。

「在庫管理などのより複雑なタスクのためのITサービス、戦術(shù)プロセス自動化、顧客サービス、およびマルチエージェントモデルのトップユースケースを観察しています」とSinghは説明しました。 「クライアントは6?12か月の回収期間を予測できます。通常、生産性の向上は最初の數(shù)か月以內(nèi)に明らかになります?！?/p>

しかし、これらの結(jié)果は、エージェントを支持する包括的なシステムがある場合にのみ現(xiàn)れます。これには、変更管理、人材開発、クロスプラットフォームの統(tǒng)合、継続的な最適化が含まれます。 Singhが指摘したように、成功した企業(yè)は、戦術(shù)的なユースケースと迅速にプロトタイプをし、既存のクラウド環(huán)境內(nèi)で拡大する準(zhǔn)備をしているハイパースカラーのチームです。

基礎(chǔ)をマスターする

ベンダーを雇ったため、エージェントAIは拡大しません。それをサポートするために、技術(shù)的、組織的、人間を含む內(nèi)部アーキテクチャを確立したため、それは拡大します。これは、アナリスト、予測、およびいくつかのエンタープライズケーススタディによると、今日エージェントAIを拡大することを計(jì)畫している企業(yè)にとって重要なメッセージです。

すべての成功したエージェントAIストーリーは、基本をマスターすることから始まります。そして、シンは強(qiáng)調(diào)した、かなりの計(jì)畫を要求している。問題は、企業(yè)がエージェントAIプロジェクトを拡大できるかどうかではありません。それは、彼らがそれを?qū)g現(xiàn)するために必要なことを喜んでやろうとしているかどうかです。

以上がエージェントAIをスケーリングするために本當(dāng)に必要なことの詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國語 Web サイトの他の関連記事を參照してください。