會議室被IT所消耗，投資者正在下注，決策者正在對其進行測試，而Gartner分析師預(yù)測，到2028年，企業(yè)軟件的三分之一將納入代理AI （僅在2024年僅1％升起） - 驅(qū)動15％的日常業(yè)務(wù)決策，以自動處理。

但是，在所有興奮中，有些不對勁，大多數(shù)企業(yè)仍在他們的審判中被抓住，其中許多企業(yè)從未在部署期間進行全面實施或步履蹣跚。從角度來看， 85％的AI計劃失敗了。當您詢問那些開發(fā)這些解決方案的人真正發(fā)生的事情時，反復(fù)出現(xiàn)的主題是，盡管他們擁有AI代理，但他們?nèi)狈χС炙鼈兊纳鷳B(tài)系統(tǒng)。

最初構(gòu)建基礎(chǔ)架構(gòu)

NTT Data數(shù)字合作服務(wù)高級副總裁Aishwarya Singh親眼目睹了這一敘述。她在接受采訪時說：“主要的經(jīng)濟障礙涉及基礎(chǔ)設(shè)施和技術(shù)的大量前期投資，將AI與當前系統(tǒng)合并的費用以及對專業(yè)人員監(jiān)督和維護AI系統(tǒng)的需求。”

從理論上講，代理AI應(yīng)削減成本并簡化流程。但是，在實踐中，它引入了兩者的其他層，特別是如果公司將其作為產(chǎn)品而不是過程將其接近。辛格說：“許多領(lǐng)導(dǎo)人低估了成功整合所需的時間，精力和資源?！?“忽略這可能會導(dǎo)致項目延誤，預(yù)算超支和低于標準的績效?！?/p>

NTT Data的新代理AI服務(wù)于今年3月推出，該服務(wù)是使用Microsoft的Copilot Studio和Azure AI Foundry開發(fā)的，目的是解決此問題 - 不僅是通過部署代理，而是通過支持整個生命周期：咨詢，創(chuàng)建，創(chuàng)建，執(zhí)行，監(jiān)測，培訓(xùn)和優(yōu)化。它是AI基礎(chǔ)架構(gòu)作為托管服務(wù)，并且已經(jīng)在整個公司內(nèi)部實施。

辛格提到：??“在我們的內(nèi)部票務(wù)系統(tǒng)中，生產(chǎn)率提高了50％至65％?！?“我們開發(fā)了各種票務(wù)類型的代理商，并在Omnichannell LLMS上連接它們，因此我們可以通過語音，電子郵件和聊天來始終如一地添加新的自動化?！?/p>

AI人才的短缺

但是，缺乏基礎(chǔ)設(shè)施或生態(tài)系統(tǒng)并不是阻礙代理AI的唯一因素。另一個問題可能更大，是AI人才的短缺。根據(jù)最近一項涉及3,400名高管和2,000個企業(yè)項目的埃森哲研究，只有13％的AI努力產(chǎn)生了可觀的商業(yè)福利。原因？企業(yè)在技術(shù)上花費的花費比對人員多三倍，而且這種AI技能差距很明顯。

“人才準備是對公司擴展和提取價值的最大障礙之一，”埃森哲咨詢集團首席執(zhí)行官杰克·阿扎格里（Jack Azagury）說。 “您可以投資于所有可用的AI工具，但是如果您的員工不知道如何或為什么使用它們，則價值根本不會實現(xiàn)?！?/p>

辛格（Singh）同意，強調(diào)了這種擴大的AI人才差距是NTT數(shù)據(jù)投資于培訓(xùn)200,000名員工并僅今年獲得15,000名Genai專家的原因。她補充說：“這也引發(fā)了許多關(guān)于我們?nèi)绾卫眠@項技術(shù)來提高我們自己的業(yè)務(wù)績效的想法，從而導(dǎo)致了非凡的新創(chuàng)新?！?/p>

AI部署困境

一旦您超越了人才困境，您就會在實際部署AI時遇到更大的挑戰(zhàn)。美國國家經(jīng)濟研究局最近的一份工作文件檢查了7,000個工作場所的AI聊天機器人的使用情況，發(fā)現(xiàn)這些聊天機器人對任何專業(yè)的工資或工作時間幾乎沒有明顯影響。盡管采用了廣泛的采用，但該研究發(fā)現(xiàn)，平均而言，AI只節(jié)省了3％的時間，其中只有3至7％的人轉(zhuǎn)化為更高的薪酬。

更令人驚訝的是，大多數(shù)員工將節(jié)省的時間重定向到其他任務(wù)，通常是由AI系統(tǒng)本身創(chuàng)建的任務(wù) - 編輯AI輸出，驗證偽造的事實或調(diào)整音調(diào)。從本質(zhì)上講，該技術(shù)的增加比消除的更復(fù)雜。

這反映了IBM在另一項研究中也發(fā)現(xiàn)的內(nèi)容表明，只有25％的AI項目獲得了預(yù)期的投資回報率（ROI）。 Informatica的最新報告表明，數(shù)據(jù)質(zhì)量和集成問題仍然是大多數(shù)AI項目失敗的主要原因。

要點是，AI代理人不會擴展，因為企業(yè)還沒有發(fā)現(xiàn)或理解 - 如何擴展周圍條件。

剝離后的復(fù)雜性

如果您設(shè)法有效地部署AI代理，則現(xiàn)在必須與此后發(fā)生的情況抗衡。即使是最好的AI代理也需要一個團隊：開發(fā)人員，數(shù)據(jù)管理員，安全建筑師，培訓(xùn)師，倫理學(xué)家等。根據(jù)辛格的說法，這是大多數(shù)公司遇到最大困難的地方，而不是部署代理商，而是處理隨后的情況。

她告訴我：“寄生后，代理管理需要常規(guī)更新，績效跟蹤，安全審核以及與不斷發(fā)展的業(yè)務(wù)目標保持一致?！?“我們從客戶那里聽到的一個主要問題是如何最好地處理其組織中代理商代理商的涌入?！边@正是許多組織盲目導(dǎo)航，構(gòu)建AI代理而沒有保持其運行，管理和優(yōu)化的策略的AI代理。

為了應(yīng)對這一越來越多的挑戰(zhàn)，辛格提到NTT數(shù)據(jù)開始引入監(jiān)護人和紅色團隊代理，這是旨在監(jiān)視其跨職能的代理人擴散的，旨在監(jiān)視安全性，合規(guī)性和運營完整性的模型 - 構(gòu)成其托管堆棧。

真正的投資回報率從哪里開始

那么什么成功？如果所有這些復(fù)雜性都壓制了代理AI，為什么對此仍然如此熱情，許多全球公司可以計劃代理AI轉(zhuǎn)變？辛格的回應(yīng)是，盡管面臨挑戰(zhàn)和挫折，但Agesic AI的實用應(yīng)用程序可在適當部署時瞥見其潛力。

辛格澄清說：“我們正在觀察IT服務(wù)，戰(zhàn)術(shù)過程自動化，客戶服務(wù)和多代理模型中的最佳用例，以進行更復(fù)雜的任務(wù)，例如庫存管理。” “客戶可以預(yù)期的投資回收期為6到12個月。生產(chǎn)率的提高通常在最初的幾個月內(nèi)變得明顯?！?/p>

然而，僅當有一個全面的系統(tǒng)支持代理商時，這些結(jié)果就會出現(xiàn)，其中包括變更管理，人才發(fā)展，跨平臺集成和持續(xù)的優(yōu)化。正如辛格所指出的那樣，成功的公司是那些迅速使用戰(zhàn)術(shù)用例和高標準一致的團隊制作的公司，準備在其現(xiàn)有云環(huán)境中進行擴展。

掌握基本面

代理AI不會擴展，因為您雇用了供應(yīng)商。之所以會擴展，是因為您建立了內(nèi)部體系結(jié)構(gòu)（包括技術(shù)，組織和人類）來支持它。根據(jù)分析師，預(yù)測和一些企業(yè)案例研究的說法，這是計劃在今天擴展代理AI的企業(yè)的關(guān)鍵信息。

每個成功的代理AI故事都始于掌握基礎(chǔ)知識 - 數(shù)據(jù)，才華和基礎(chǔ)設(shè)施。辛格強調(diào)，這需要大量的計劃。問題不是公司是否可以擴展其代理AI項目。這是他們是否愿意做需要做的事情。

以上是擴展代理AI的真正需要什么的詳細內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！