ИИ-агенты преобразуют корпоративное ПО
При поддержке Snowflake
По мере того как ИИ-агенты учатся рассуждать в разных системах и совершать действия, программное обеспечение превращается из инструмента, которым управляют сотрудники, в нечто, способное понимать намерения. Вместо того чтобы переключаться между разрозненными приложениями и дашбордами, единая система будет всё чаще задавать вопрос: чего именно вы пытаетесь достичь?
Это звучит как прорыв в пользовательском опыте. Так оно и есть. Но ещё более важное последствие носит организационный характер. Когда ПО больше не зависит от людей, предоставляющих контекст, компании больше не могут рассчитывать на то, что знания хранятся в головах сотрудников или спрятаны внутри несвязанных между собой приложений. Сама компания должна стать машиночитаемой.
Победители в эпоху искусственного интеллекта не просто станут внедрять более умные модели. Они создадут фундаменты для данных, семантический контекст и системы управления, которые позволят машинам понимать принципы работы бизнеса и уверенно действовать на основе этого понимания.
Контекст становится инфраструктурой
Годами компании относились к контексту как к человеческой надстройке над данными. Платформа данных содержала записи, BI-инструмент их визуализировал, а аналитик — интерпретировал. И наконец, руководитель принимал решение. Агенты объединяют эти слои.
Когда топ-менеджер спрашивает: «Почему в нашем корпоративном сегменте растет отток клиентов?», эффективному агенту нужно знать гораздо больше, чем просто где хранятся данные о клиентах. Ему необходимо понимать, как компания определяет отток, какие аккаунты считаются корпоративными, являются ли данные об использовании продуктов более надежными, чем данные опросов, какие события продления контрактов имеют значение, что зафиксировал отдел продаж, о чем говорят тикеты техподдержки и отличается ли ответ в зависимости от географии или линейки продуктов.
Именно поэтому семантика — определения, связи, правила и допущения, придающие данным смысл — переходит из разряда технических забот в уровень задач для совета директоров. Семантический слой раньше казался «водопроводом» для команд по работе с данными. На предприятии эпохи агентов он становится общим языком между людьми и машинами.
Если каждый отдел обучит своего агента собственной версии бизнеса, компании столкнутся с масштабными неточностями. Опережающие организации создадут единую базу знаний бизнеса: согласованные определения, управляемый доступ, задокументированные рабочие процессы, четкое происхождение данных и достаточную гибкость для эволюции по мере изменения бизнеса. В таком мире к контексту относятся как к инфраструктуре, а не просто как к приятному дополнению.
От дашбордов к решениям
Первая волна корпоративного ИИ в основном подарила нам помощников и второпилотов, отвечающих на вопросы. Это полезно, но всё еще ограничено. Вы задаете вопрос, получаете ответ, а затем возвращаетесь к самостоятельной рутине по объединению систем.
Следующая эра ИИ будет иной. Агенты перестанут просто координировать ответы и начнут выполнять реальную работу. Руководитель отдела продаж, начиная день, больше не будет открывать CRM, инструмент прогнозирования, дашборд поддержки и тред в Slack, чтобы понять, что изменилось за ночь. Он просто спросит агента, что требует внимания. Агент определит, какие счета находятся в зоне риска, объяснит почему, суммирует недавние взаимодействия с клиентами, составит черновики последующих действий и, возможно, запустит следующий рабочий процесс.
Дашборд исчезает не потому, что графики становятся бесполезными. Он исчезает, потому что статическая отчетность становится слишком медленной для того, как должен функционировать бизнес. Центр тяжести смещается с «покажи мне, что произошло» на «помоги решить, что делать дальше».
Новая проблема управления: действующие агенты
Пока ИИ в основном отвечает на вопросы, управление сводится к контролю того, к чему он может получить доступ. Это уже сложно. У сотрудников разные уровни разрешений, конфиденциальные данные нуждаются в защите, а ответы должны быть прослеживаемы до надежных источников. По мере того как агенты начинают действовать, управление становится еще более важным.
Одно дело — когда агент обобщает жалобу клиента. И совсем другое — когда он оформляет возврат средств, заказывает новую партию товара или отправляет клиенту электронное письмо. Здесь многие компании могут поддаться искушению выбрать один из двух несовершенных путей.
Первый путь — жестко ограничить агентов с самого начала: определить источники данных, инструменты, рабочие процессы и действия, к которым они имеют доступ. Это проще контролировать и измерять. Но это также несет риск ограничения креативности сотрудников, которые лучше всех понимают свои рабочие процессы.
Другой путь — позволить командам свободно экспериментировать: подключать агентов к инструментам и данным, которые они используют каждый день, и давать новым сценариям использования возможность появляться органически. Это может привести к более быстрому внедрению и неожиданным инновациям. Но это также создает реальные риски: устаревшие данные, несанкционированный доступ, дублирующиеся рабочие процессы, неконтролируемые расходы или автоматические действия, которые никто до конца не понимает.
Правильный ответ — не максимальный контроль и не максимальная свобода. Это приоритет управляемой гибкости. Компаниям нужны архитектуры, в которых управление заложено с самого начала. Агент должен знать не только то, что он может читать, но и что он может делать, когда ему требуется одобрение, как проверяются его рассуждения и как со временем оценивается его производительность. Другими словами, управление не может быть совещанием по рассмотрению итогов после пилотного проекта. Оно должно быть частью системного проектирования.
Граница между создателем и пользователем стирается
Одно из наименее осознанных последствий агентного ИИ заключается в том, что он стирает грань между людьми, использующими программное обеспечение, и людьми, которые его создают. Когда сотрудники могут описать рабочий процесс на естественном языке и попросить агента помочь его построить, разработка ПО перестает быть уделом исключительно инженерных команд. Маркетолог может создать рабочий процесс анализа кампании. Финансовый директор может автоматизировать объяснение отклонений. Лидер HR может создать помощника по политике компании. Менеджер поддержки может разработать процесс триажирования.
Эти сотрудники не становятся инженерами-программистами в традиционном смысле, но они становятся создателями. Это меняет кадровую модель. Техническая грамотность будет иметь большее значение, потому что сотрудники должны понимать, что возможно, что рискованно и как оценивать результат работы ИИ. Здравый смысл и способность принимать решения становятся важнейшим навыком.
Победителями станут те, кто умеет задавать правильные вопросы, проверять факты, совершенствовать рабочие процессы и совмещать предметную экспертизу с достаточным техническим пониманием для перехода от идеи к реализации.
Для бизнес-лидеров это означает, что внедрение ИИ выходит за рамки ИТ-проекта и по сути является организационной перестройкой. Дистанция между инсайтом и действием сократится, и компаниям придется переосмыслить, кто наделен полномочиями создавать, утверждать и запускать рабочие процессы, управляющие бизнесом.
Экономика программного обеспечения тоже изменится
Переход от интерфейсов к агентам также поставит под сомнение то, как компании покупают и оценивают ПО, и изменит принципы ценообразования. Лицензирование по принципу «на одно рабочее место» уступает место моделям потребления, где затраты отражают реальное использование. Для большинства организаций это более выгодная сделка. Вы платите за доставленную ценность, а не за лицензии, которые могут простаивать.
Но это также меняет расчет подотчетности. Когда затраты фиксированы из расчета на место, обсуждение бюджета происходит раз в год. Когда расходы зависят от объемов использования, они требуют постоянного надзора. Без прозрачности в том, как используются агенты и что они производят, затраты могут быстро вырасти.
Ответ заключается в том, чтобы изначально встроить метрики измерения, связав использование ИИ с бизнес-результатами, будь то закрытые сделки, решенные тикеты или сокращенное время циклов. Успешные компании будут рассматривать управление затратами на ИИ как часть операционного совершенства, а не как наведение порядка в закупках. Вопрос должен звучать не так: «Сколько токенов мы потратили?» Он должен звучать так: «Какой бизнес-результат принес этот интеллект?»
Ваши клиенты могут перестать пользоваться вашим интерфейсом
Хотя внутренние последствия внедрения агентов значительны, внешние могут оказаться еще масштабнее. Сегодня компании одержимы клиентским опытом внутри своих приложений: главной страницей, навигацией, процессом оформления заказа, дашбордом, мобильным экраном. Эти вещи по-прежнему будут иметь значение. Но всё чаще клиенты будут взаимодействовать с бизнесом через собственных агентов, а не напрямую через приложение или сайт компании.
Если агент по закупкам сравнивает поставщиков, турагент бронирует поездку, а финансовый агент оценивает продукты, клиент может никогда не увидеть интерфейс, который компания годами доводила до совершенства. Агент будет меньше заботиться о визуальном дизайне и больше о том, являются ли данные компании, политики, цены, запасы, документация и транзакционные системы доступными, структурированными, заслуживающими доверия и машиночитаемыми.
Это означает, что конкурентное поле меняется. Бренд компании по-прежнему может вызывать эмоции, но ее операционным интерфейсом всё в большей степени будут данные. Компаниям, предоставляющим запутанную, противоречивую или плохо управляемую информацию, будет сложнее работать с агентами. Компании с чистой семантикой, надежными API, управляемыми данными и четкими правилами станут проще для выбора, транзакций и доверия.
Интерфейс исчезает не только внутри компании. Он может исчезнуть и между предприятиями.
Тест на реальную готовность к ИИ
Большинство руководителей знают, что им нужна стратегия ИИ, но немногие осознают, чего это на самом деле требует. Готовность к ИИ измеряется не количеством запущенных пилотных проектов, не числом протестированных моделей и не количеством сотрудников с доступом к чат-боту. Она определяется тем, готовы ли знания компании, данные, права доступа, рабочие процессы и логика принятия решений к тому, чтобы машины могли безопасно их анализировать.
Десятилетиями корпоративное программное обеспечение заставляло людей быть переводчиками между бизнес-целями и машинной логикой. ИИ обращает эти отношения вспять. Машины начинают адаптироваться к человеческим намерениям. Но они могут сделать это только в том случае, если предприятие проделало работу по обеспечению читаемости собственного контекста.
Будущее программного обеспечения — это не очередной экран. Это система, которая понимает бизнес достаточно хорошо, чтобы помогать им управлять. А это значит, что следующий великий интерфейс вообще не будет похож на интерфейс.
Барис Гюльтекин (Baris Gultekin) — вице-президент по искусственному интеллекту в Snowflake.
Спонсорские статьи — это контент, подготовленный компанией, которая либо платит за публикацию, либо имеет деловые отношения с VentureBeat, и они всегда четко помечены. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com.
