ИИ-агенты Target со временем получают автономность

Старший вице-президент Target Шивон МакФини (Siobhán Mc Feeney) говорит, что ИИ-модели, используемые ее компанией, — это вовсе не то, что дает Target преимущество; настоящее преимущество кроется во всем том, что выстроено вокруг них.

«Здесь многое задействовано. Для нас это и есть тот самый ров вокруг замка», — заявила МакФини на конференции VB Transform 2026. «Модели великолепны и важны. Просто их самих по себе недостаточно для получения конкурентного преимущества».

Такая дисциплина проявляется уже на самом раннем этапе — в том, как Target принимает решение о создании ИИ-агента. МакФини высказалась прямо и даже, по ее собственному признанию, «скандально» о текущем моменте в сфере ИИ: каждое предприятие жаждет заполучить ИИ-агентов, но далеко не везде они действительно нужны, считает она.

Агенты заслуживают свою автономность со временем, а не получают ее по умолчанию, отметила она — и этот принцип пронизывает все, что Target создала вокруг них.

По словам МакФини, главная цель состоит в том, чтобы агенты были направлены на решение задач, которые приносят наибольшую пользу гостям Target. «Мы хотим убедиться, что инвестируем средства в правильные направления», — сказала она.

Осмотрительный подход к созданию агентов

Агенты становятся частью базовой архитектуры Target, все сильнее связывая между собой сигналы, системы и принимаемые решения в цепочке поставок, пополнении запасов и прогнозировании спроса.

МакФини охарактеризовала это как вечное обещание ритейла — нужный товар, в нужном месте, в нужное время, — реализованное в масштабах всей компании.

Однако ее команда подходит к созданию ИИ-агентов крайне взвешенно, начиная с самого простого и очевидного вопроса: какую проблему они пытаются решить? Это влечет за собой ряд дополнительных вопросов: 

• Нужен ли для этой проблемы агент? 

• Если да, то какого типа? Оркестратор? Суперагент? Доменно-специфичный агент? 

• Или то, что вы называете «агентом», на самом деле является просто инструментом?

«Вы определяете это заранее, и пусть это звучит несколько забюрократизированно, но затем вы должны зарегистрировать и сертифицировать своего агента», — пояснила МакФини. Это необходимо, поскольку подобное решение уже может существовать, а дублировать работу никому не нужно. 

Проектирование агента запускает новую серию важных вопросов: что заставляет агента действовать? Автоматизация? Инженер? Таймер? Что нужно предусмотреть для отслеживания его работы? 

«Мы стараемся обеспечить полную прослеживаемость с самого начала — с момента «рождения» этого агента и на всем дальнейшем пути, — потому что если в два часа ночи что-то пойдет не так, мы хотим быть уверены, что понимаем каждый шаг», — рассказала МакФини.

Уровень автономности — еще один важный фактор; новые агенты обычно начинают с базовой автономности и со временем получают больше свободы. Круг того, к чему агент имеет доступ, — это отдельный вопрос: какие данные, какие системы, какие таблицы, какие базы данных?

Наконец, не стоит забывать о мониторинге и наблюдаемости: агенты не решат проблемы и не станут лучше со временем, если их работу не оценивать непрерывно. 

«Мы измеряем все: то, для чего он предназначался, его калибровку, его траекторию, а не только время выполнения и задержку», — подчеркнула МакФини. Это создает полную прозрачность и позволяет корректировать агентов по ходу дела. 

«Речь идет об архитектуре, таксономии и уровне управления данными, которые обязательно должны быть созданы», — отметила она.  

В этих «слоях автономности» кроется очень многое — именно этот фундамент позволяет Target масштабировать решения и правильно инвестировать в подходящие модели для решения конкретных задач.

У моделей есть разные «градиенты», которые лучше подходят для определенных видов работ; например, передовые (frontier) модели отлично справляются со сложными задачами, требующими обработки миллиардов единиц данных (как в сложных цепочках поставок товаров широкого потребления). Однако в некоторых сценариях их использование может оказаться слишком дорогим. 

«Поэтому важно убедиться, что соотношение затрат и выгоды всегда соблюдается», — сказала МакФини. 

Агенты должны заслужить свою автономность

Эмуляция цифрового двойника спрогнозировала запасы мужских шорт в трех магазинах Target в Лонг-Бич этим летом — и для одного из магазинов потребовалось в шесть-семь раз больше товара, чем для остальных, рассказала она. Первая реакция аналитиков по товарным запасам: этого просто не может быть. Но система обнаружила то, чего они не учли. Тот магазин находился менее чем в двух милях от пляжа, в то время как два других располагались в 10–12 милях вглубь суши. Аналитики оставили рекомендацию в силе, и весь товар был успешно распродан.

«Это наука. Это математически более значимо и внушает больше доверия, чем работа людей», — заявила МакФини. По ее словам, именно такие результаты позволяют агентским системам Target со временем завоевывать все большую автономность.

В Target рассматривают автономность ИИ-агентов как «заслуженную» и выстраивают ее в виде четырехуровневой лестницы, пояснила МакФини: агенты начинают с того, что делают наблюдения без совершения действий, затем переходят к предложению действий с ожиданием одобрения, а после — к действиям в рамках определенных защитных барьеров. На самом высоком уровне, на котором Target работает в настоящее время, агенты функционируют от начала и до конца — но по-прежнему под контролем человека.

«Уровни автономности агентов невероятно важны, — сказала МакФини. — Они их зарабатывают, но могут и потерять, если будут работать хуже, чем ожидалось». Модели, в которых наблюдается отклонение в работе (drift), будут выводиться из эксплуатации. 

По ее словам, люди также заслуживают автономность, когда доказывают свою способность справляться с чем-либо с течением времени. Никому не дают гору дополнительных обязанностей просто так — человек должен сначала показать, что способен с ними справиться.

Подобным же образом работу агентов можно измерить и квантифицировать научными методами: насколько они были точны, насколько велико было отклонение и насколько близко они подошли к поставленной цели. Это помогает установить защитные барьеры, позволяя разработчикам двигаться быстрее и «сохранять высокую скорость постоянно», поскольку им не приходится судорожно гадать, где же проходят границы допустимого. 

«Если вы соблюдаете эти защитные барьеры, следуете инструкциям по безопасности, регистрируете агента, а что-то все равно идет не так, у нас есть полная цепочка от самого начала, — отметила МакФини. — Наша способность к восстановлению работает намного лучше».

В конечном счете успех агента — это стечение множества факторов, а не какого-то одного, подчеркнула она: «Все дело в вашей архитектуре. Все дело в вашей таксономии. Все дело в уровнях автономности ваших агентов, а также в безопасности и наблюдаемости».

Новый набор навыков для новых рабочих процессов

Однако даже при высокой автономности агентов разработчики все равно несут ответственность, если что-то идет не так. МакФини отметила, что сегодня команды работают с невиданной ранее скоростью, а это означает необходимость создания систем оценки (evaluation harnesses), регистрации и отслеживания агентов.

Многое здесь зависит от культуры; структура рабочей силы трансформируется, и разработчикам с инженерами требуются новые навыки для одновременного управления как человеческими ресурсами, так и системами ИИ. Эти контексты сильно различаются, но эволюция карьеры «невероятно захватывающая».

«Вы — разработчик. Вы наблюдаете за тем, как агенты ведут разработку, а также наставляете людей, которые наблюдают за тем, как агенты ведут разработку, — сказала МакФини. — Уровень этих нюансов поистине уникален».