Спонсируется
В партнерстве с Deloitte Microsoft Technology Practice
В отличие от статичных систем, основанных на правилах, ИИ-агенты могут учиться, адаптироваться и динамически оптимизировать процессы. Взаимодействуя в реальном времени с данными, системами, людьми и другими агентами, ИИ-агенты способны автономно выполнять целые рабочие процессы.
Но чтобы раскрыть их потенциал, нужно выстраивать процессы вокруг агентов, а не просто «прикручивать» их к фрагментированным устаревшим рабочим потокам с помощью традиционных методов оптимизации. Компаниям необходимо стать agent first.

В enterprise-модели с приоритетом агентов ИИ-системы управляют процессами, а люди задают цели, определяют ограничения политики и обрабатывают исключения.
«Нужно сместить операционную модель: люди — это управляющие, а агенты — исполнители», — говорит Скотт Роджерс, глобальный главный архитектор и CTO в США Deloitte Microsoft Technology Practice.
Императив agent-first
Ожидается, что бюджеты на ИИ-решения вырастут более чем на 70% в ближайшие два года. На этом фоне ИИ-агенты, работающие на генеративном ИИ, готовы принципиально изменить то, как устроены организации, и дать результаты, выходящие далеко за рамки традиционной автоматизации. Эти инициативы способны обеспечить значительный рост эффективности, одновременно переводя людей на более ценную работу.
ИИ развивается настолько быстро, что статичные подходы к автоматизации задач, вероятно, будут давать лишь постепенный прирост. Поскольку устаревшие процессы не создавались для автономных систем, ИИ-агентам нужны машиночитаемые описания процессов, явные ограничения политики и структурированные потоки данных, отмечает Роджерс.

Ситуацию усложняет и то, что многие организации не понимают полные экономические драйверы своего бизнеса, такие как cost to serve и издержки на транзакцию. В результате им трудно расставлять приоритеты между агентами, которые могут создать наибольшую ценность, и вместо этого они сосредотачиваются на эффектных пилотных проектах. Чтобы добиться структурных изменений, руководителям нужно мыслить иначе.
Компании должны быстрее, чем конкуренты, выстраивать достижение результатов. «Реальный риск не в том, что ИИ не заработает, — а в том, что конкуренты успеют перестроить свои операционные модели, пока вы все еще тестируете агентов и copilots», — говорит Роджерс. «Нелинейный эффект появляется тогда, когда компании создают агентно-ориентированные рабочие процессы с человеческим управлением и адаптивной оркестрацией».
Рутинные и повторяющиеся задачи все чаще выполняются автоматически, освобождая сотрудников для более ценной, творческой и стратегической работы. Этот сдвиг повышает операционную эффективность, укрепляет сотрудничество и ускоряет принятие решений — помогая организациям модернизировать рабочую среду без ущерба для безопасности предприятия.
Deep Dive
Искусственный интеллект
Кампания «QuitGPT» призывает людей отменять подписки на ChatGPT
Реакция на ICE подпитывает более широкое движение против связей ИИ-компаний с президентом Трампом.
Michelle Kimarchive page
OpenAI бросает все силы на создание полностью автоматизированного исследователя
Эксклюзивный разговор с главным научным сотрудником OpenAI Якубом Пахоцким о новой большой задаче компании и будущем ИИ.
Will Douglas Heavenarchive page
Как Pokémon Go дает роботу-доставщику точнейшее представление о мире
Эксклюзив: ИИ-спин-офф Niantic обучает новую мировую модель на основе 30 миллиардов изображений городских ориентиров, собранных игроками.
Will Douglas Heavenarchive page
Этот стартап хочет изменить то, как математики занимаются математикой
Axiom Math бесплатно раздает мощный новый ИИ-инструмент. Но еще предстоит понять, ускорит ли он исследования так сильно, как рассчитывает компания.
Will Douglas Heavenarchive page
Оставайтесь на связи
Иллюстрация: Rose Wong
Получайте свежие обновления от MIT Technology Review
Узнавайте о специальных предложениях, главных материалах, предстоящих событиях и многом другом.
Материал — перевод статьи с английского.
Оригинал: Enabling agent-first process redesign