OutSystems расширяет возможности оркестровки ИИ-агентов

При поддержке OutSystems

После двух лет ярких демоверсий ИИ, поспешных прототипов агентов и громких предсказаний технологические лидеры бизнеса в 2026 году придерживаются более прагматичного подхода. В недавнем вебинаре, организованном компанией OutSystems, группа руководителей в сфере программного обеспечения и корпоративных практиков сошлась во мнении, что самая важная работа с ИИ сегодня сосредоточена на практических вопросах управления, оркестрации и итераций, а также на интеграции агентов в системы, создание которых заняло у компаний десятилетия.

Руководители предприятий все больше внимания уделяют фундаментальным основам. Главным приоритетом является использование новых технологий ИИ

для ускорения продуктивности, улучшения поставок и получения измеримых бизнес-результатов.

Эту работу определяют три элемента:

• Переход от прототипов агентов ИИ к агентным системам, обеспечивающим измеримую окупаемость инвестиций (ROI) в рабочей среде

• Растущая роль корпоративных платформ в управлении, оркестрации и безопасном масштабировании агентов ИИ

• Рост востребованности разработчиков-универсалов и корпоративных архитекторов как наиболее ценных технических специалистов в эпоху кода, генерируемого ИИ

На этом фоне участники панели обсудили структуры управления, экономику корпоративного ИИ и ограничения больших языковых моделей без оркестрации. В конечном итоге разговор перешел к тому, как ведущие организации строят мультиагентные системы на базе существующих корпоративных данных и рабочих процессов.

Агенты в реальном мире

Внедрение агентов для работы в промышленной среде на уровне предприятия лучше всего реализуется с помощью единой платформы, которая управляет разработкой, итерациями и развертыванием. И именно здесь вступают в силу такие возможности, как Agent Workbench на платформе OutSystems, отметил Раджкиран Ваджрешвари (Rajkiran Vajreshwari), старший менеджер по разработке приложений в Thermo Fisher Scientific. Она предоставляет инфраструктуру для обучения, итераций и управления агентами в масштабе.

Его команда в Thermo Fisher отошла от однозадачных помощников с ИИ в сфере обслуживания клиентов и перешла к созданию скоординированной команды специализированных агентов с использованием рабочей среды. Когда поступает запрос в службу поддержки, помощник по триажу классифицирует запрос и динамически направляет его нужному специализированному агенту, будь то агент намерений и приоритетов, агент контекста продукта, агент по устранению неполадок или агент по соблюдению нормативных требований.

«Нам не нужно думать о том, что и как сработает. Все уже предустановленно, — пояснил он. — Каждый агент имеет узкую роль и четкие рамки. Они остаются точными и поддаются проверке».

Управление рисками теневого ИИ

Новая категория рисков возникает тогда, когда ИИ позволяет любому сотруднику компании генерировать код производственного уровня без надзора со стороны ИТ-отдела. По сути, это неконтролируемый теневой ИИ. Такие продукты собственной разработки подвержены галлюцинациям, утечкам данных, нарушениям политик, дрейфу моделей и действиям агентов, которые никогда официально не одобрялись.

Чтобы опередить эти риски, ведущим организациям необходимо сделать три вещи, считает Луис Бландо (Luis Blando), директор по продуктам и технологиям (CPTO) компании OutSystems.

«Предоставьте пользователям рамки и ограничения. Они все равно будут использовать ИИ, нравится вам это или нет. Компании, которые, судя по всему, вырываются вперед, используют ИИ для управления ИИ по всему своему портфолио, — пояснил он. — В этом разница между хаосом теневого ИИ и масштабом корпоративного уровня».

Эрик Кавана (Eric Kavanagh), генеральный директор The Bloor Group, отметил, что управление требует многоуровневого набора дисциплин, который включает защиту данных, мониторинг моделей на предмет дрейфа и осознанный выбор точек интеграции ИИ в существующие бизнес-процессы.

«Компаниям не нужно вручную создавать эти элементы контроля, — добавил он. — Множество таких рамок и рычагов уже заложено в такие платформы, как OutSystems».

Почему настоящая проблема оркестрации — это модели против платформ

Значительная часть первоначального ажиотажа вокруг корпоративного ИИ была сосредоточена на выборе правильной большой языковой модели. Теперь более сложная задача и гораздо более долговечный источник ценности — это оркестрация. Сюда входят маршрутизация задач, координация рабочих процессов, управление выполнением и интеграция ИИ в существующие корпоративные системы.

Скотт Финкл (Scott Finkle), вице-президент по разработке в McConkey Auction Group, отметил, что языковые модели (LLM), какими бы впечатляющими они ни были, являются лишь частями сложных рабочих процессов, а не конечными решениями. Организации должны быть готовы к быстрой замене Gemini, ChatGPT, Claude и всего, что появится в будущем, без необходимости перестраивать вокруг этого агентную систему.

Платформа с возможностями оркестрации делает это возможным. Она управляет жизненным циклом, обеспечивает видимость и гарантирует надежное выполнение процессов, даже когда ИИ берет на себя уровень рассуждений.

«ИИ и модели могут меняться, рабочие процессы могут меняться, но оркестрация остается прежней, — сказал Финкл. — Именно так мы собираемся извлекать пользу из ИИ».

Экономика инвестиций в корпоративный ИИ

Безопасность, соответствие требованиям, управление и возможности ИИ на уровне платформ потребуют больших инвестиций в 2026 году, особенно по мере того, как ИИ проникает в основные рабочие процессы, такие как финансы и цепочки поставок. Предприятиям следует отдавать предпочтение постепенным победам, а не ожидать мгновенных масштабных результатов.

«Мы сосредоточены на надежных базовых результатах, — сказал Финкл. — Смысл в том, чтобы запустить решение в производство и добиться реального отдачи. Крупные инвестиции в пилотные проекты, которые не доходят до производства, не экономят деньги. Это не произойдет за одну ночь, но со временем, я думаю, мы увидим колоссальную экономию».

В подходах предприятий к трансформации с помощью ИИ все еще сохраняется разделение. Некоторые начинают с нуля и переосмысляют каждый процесс. Другие, особенно компании с миллиардами долларов существующей инфраструктуры, амортизируемой внутри компании, хотят, чтобы ИИ интегрировался в их системы. Они хотят, чтобы агентные системы повторно использовали данные, API и проверенные процессы, одновременно ускоряя доставку. Подход на базе агентных платформ обслуживает оба лагеря, но особенно последний. Организации могут развертывать агентов там, где они приносят очевидную пользу, сохраняя при этом целостность устоявшихся детерминированных рабочих процессов.

Рост роли корпоративного архитектора и разработчика-универсала

Поскольку ИИ ускоряет генерацию кода, узкие места в разработке программного обеспечения исчезают. На первый план выходит системное мышление. Это способность понимать более широкую архитектуру предприятия, декомпозировать сложные бизнес-задачи и рассуждать о том, как ИИ интегрируется в существующую инфраструктуру. Кавана указал на корпоративных архитекторов как на специалистов, имеющих наилучшие возможности для того, чтобы извлечь выгоду из этого момента.

«Мы вступаем в очень интересную эпоху универсалов, — пояснил он. — Чем лучше вы знаете архитектуру своего предприятия, бизнес-архитектуру и то, как они соотносятся друг с другом, тем лучше для вас».

«Результатом является более быстрая доставка с меньшим количеством сбоев и ошибок, — сказал Кавана. — Вы можете сосредоточиться на неповторяющихся задачах. Это выгодно разработчику, бизнесу и всей ИТ-организации».

Посмотрите запись вебинара полностью.

Спонсорские статьи — это материалы, подготовленные компанией, которая либо оплачивает публикацию, либо имеет деловые отношения с VentureBeat, и они всегда четко промаркированы. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com.