Agenttinen tekoäly: Seuraava biljoonien dollarien tehokkuuspeli

LLM-tutkinnoista tekoälyagentteiksi

Tekoälyn suorituskyky on muuttanut tapaamme nähdä keinotekoisten järjestelmien kyky olla vuorovaikutuksessa ihmisten kanssa, suurelta osin ChatGPT:n kaltaisten LLM-mallien (Large Language Models) lähes inhimillisen puheen ansiosta.

Jo tällä kapasiteetin tasolla tekoäly pystyy avustamaan tai jopa korvaamaan ihmisiä tehtävissä, kuten kääntämisessä, tiedonhaussa, ohjelmoinnissa jne. Uusi tekoälyominaisuuksien taso on kuitenkin avautumassa tekoälyagenttien avulla. Tekoälyagenttien ydinajatuksena on luoda tekoälyjä, jotka voivat toimia itsenäisesti tietyssä ympäristössä. Tämä antaa niille mahdollisuuden toimia itsenäisesti ilman jatkuvaa vahvistusta tai valvontaa.

Tämä antaa niille hyvin erilaisia ​​käytännön rooleja kuin generatiivisilla tekoälyillä, kuten oikeustieteen maistereilla tai kuvageneraattoreilla, jotka reagoivat enimmäkseen ihmisen luomiin kehotteisiin.

Tässä yhteydessä ”ympäristö” voi tarkoittaa sekä tiettyjä tilanteita todellisessa maailmassa – kuten itseohjautuvan agentin tiellä olevaa autoa – että täysin virtuaalista ”paikkaa”, kuten tiettyä ohjelmistopakettia tai digitaalista käyttöliittymää.

Tässä vaiheessa tekoäly kehittyy "keskustelusta" "tekemiseen". Toisin kuin yleisillä oikeustieteen maistereilla, tekoälyagenteilla on usein rajoitetumpi ja kapeampi toiminta-alue. Tämä auttaa heitä olemaan tehokkaampia ja luotettavampia itsenäisiä päätöksiä tehdessään, kun taas yleisagentti tekoäly voisi helpommin valita odottamattoman sivupolun.

Tekoälyagentit ovat seuraava askel kohti tekoälyn hyödyllisyyttä lukemattomien prosessien tehokkuuden parantamisessa.

Tekoälyagenttien selitys

Pyyhkäise vierittääksesi →

Ovatko tekoälyagentit uusi läpimurto vai evoluutio?

Nämä ominaisuudet nostavat tekoälyagentit askeleen aiempien tekoälytyökalujen, kuten avustajien ja bottien, yläpuolelle proaktiivisempien kykyjen, autonomian ja monimutkaisten, monivaiheisten tehtävien käsittelykyvyn ansiosta.

Kuten todellinen älykkyys, ne voivat olla itsejalostuvia: ne oppivat kokemuksista, mukauttavat käyttäytymistään palautteen perusteella ja parantavat jatkuvasti suorituskykyään ajan myötä.

Joten vaikka botit ja tekoälyavustajat voivat täyttää osat Tekoälyagenteille annetuista tehtävistä autonomia, ennakoiva lähestymistapa ja korkea monimutkaisuus erottavat agentit aiemmista automaatiotasoista. Tämä tekee heistä paljon lähempänä todellista ihmistyöntekijää, ainakin siinä tehtävässä, johon heidät on koulutettu.

Kuinka autonomiset tekoälyagentit skaalautuvat eri toimialoille

Nykyaikainen elämä on täynnä toistuvia tehtäviä, jotka ovat hieman liian monimutkaisia ​​yksinkertaisille automaatioskripteille, mutta työläitä ihmisille. Tämä tekee tekoälyagenteista erityisen merkityksellisiä erittäin toistuville, harkintaan perustuville työnkuluille – asiakkaan ohjaamisesta vianetsintäalgoritmin läpi kuorma-auton ajamiseen moottoritiellä.

Toisin kuin ihmiset, tällaiset tekoälyagentit voivat työskennellä 24/7 ja skaalautua välittömästi ilman lisäkustannuksia.

Tekoälyn kykyjen tasoa voidaan luokitella monella tapaa. Yleisesti ottaen mittarit vertaavat tekoälyn kykyjä ihmispopulaatioon yleensä. Uusimmat tekoälyagentit saavuttavat 50–90 %:n väestön taidot tietyissä, kapean alueen tehtävissä.

Näitä ”tason 2–3” tekoälyagentteja pidetään yleensä tekoälyn kehityksen keskipisteenä ja vasta alkuna. AGI (Artificial General Intelligence).

Kehittyvä arkkitehtuuri perustuu useiden erikoistuneiden tekoälyagenttien rakentamiseen ja antaa niiden kunkin käsitellä tiettyä tehtävää ihmistyöntekijän tasoa vastaavalla tasolla. Monimutkaisemmissa työnkuluissa useat tekoälyagentit toimivat peräkkäin ja tekevät yhteistyötä suuremman työn suorittamiseksi jakamalla sen pienempiin osatehtäviin.

Sisäisesti tekoälyalustojen avulla kehitetyt räätälöidyt agentit todennäköisesti yleistyvät myös koodausagenttien yksinkertaistaessa yrityssovellusten kehittämistä.

Tekoälyn ja ihmisten tehokkuuden lisääminen samanaikaisesti

Toinen tekoälyagenttien etu yleisempään tekoälyyn verrattuna on tehokkuus. Vaikka ne loistavat yhdessä tehtävässä, niitä eivät rasita ulkopuoliset ominaisuudet.

Esimerkiksi erillinen tekoälyagentti saattaa pystyä ajamaan autoa kuin ihminen, mutta sillä ei ole mitään muuta ihmisen kykyä päätellä. Se saattaa "ymmärtää" teitä, mutta ei osaa keskustella kunnolla, ei osaa luoda kuvaa kehotteesta tai käsitellä suuria tietokantoja.

Näin ollen malli vaatii toimiakseen vähemmän muistia ja laskentatehoa. Tämä puolestaan ​​vähentää laitteistovaatimuksia ja tehtävän suorittamiseen kuluvaa energiaa.

Kuinka paljon autonomiaa?

Tekoälyagenttien suurempi autonomia on niiden suurin vahvuus, mutta se voi olla myös este niiden käyttöönotolle.

Edes erittäin pätevään ja luotettavaan tekoälyagenttiin ei välttämättä voida täysin luottaa sellaisten päätösten tekemisessä, joilla on suuri vaikutus todelliseen maailmaan. Yksi asia on asettaa parannettu chatbot hoitamaan asiakaspalvelua ja toinen asia antaa sen hoitaa tuhansien työntekijöiden palkanlaskentaa.

On todennäköistä, että tekoälypäätösten laadun samanaikainen kasvu ja niiden tuntemuksen lisääntyminen antavat viranomaisille enemmän liikkumavaraa tekoälyn päätöksenteolle. Tämä kuitenkin avaa mielenkiintoisia oikeudellisia ja eettisiä kysymyksiä tekoälyn toimien vastuusta.

On määriteltävä selkeä oikeudellinen kehys. Esimerkiksi jos itseohjautuva auto kolaroi, onko tekoälyagentin toimittaja vastuussa? Autonomian lisääntyessä päätökset vaikuttavat oikeisiin ihmisiin ja niistä tulee kalliita vastuukysymyksiä.

Tämä kattaa myös väärinkäytökset, kuten identiteettivarkaudet tai automatisoidut petokset. Nämä ovat lainsäädännöllisiä kysymyksiä, mutta teknologinen kehitys usein ylittää sääntelyn vauhdin.

Tekoälyagenttien tulevaisuus

Voivatko tekoälyagentit muuttua kapeiksi generalisteiksi?

Kuten selitettiin, varhaiset tekoälyagentit ovat kapeita ollakseen tehokkaita ja luotettavia. Korkeamman tason tekoälyagentit kuitenkin tarvitsevat kontekstin ymmärrystä, aiempien päätösten muistamista ja tehtävien jatkuvuutta.

Aluksi tämä saatetaan tehdä ihmisen avulla, josta tulee enemmänkin tekoälyjen "johtaja" kuin hän itse suorittaa tehtävän. Ihmistyön poistaminen yhtälöstä on tietenkin lopullinen tavoite tehokkuuden parantamiseksi.

Esimerkiksi sairaalassa diagnoosia tekevän tekoälyn on analysoitava lääketieteellisiä kuvia, ymmärrettävä oireita kuvaavaa tekstiä tai ääntä, yhdistettävä lääketieteellisten testien tuloksia ja potilashistoriaa sekä löydettävä asiaankuuluvaa tieteellistä kirjallisuutta – kaikki samanaikaisesti. Sen on sitten yhdistettävä nämä tiedot älykkäästi.

Rahoitussovellukset

Jotkut sektorit suhtautuvat skeptisesti ihmisten poistamiseen päätöksentekoprosessista, erityisesti valmistus tai terveydenhuolto, joissa virheet voivat olla kohtalokkaita. Yksi sektori kuitenkin omaksuu tekoälyagentit innokkaasti: rahoitusala.

Suurin osa finanssimaailmasta käyttää jo korkeatasoista automaatiota kaupankäyntijärjestelmistä petosten havaitsemiseen. Fintech-yritykset ovat vieläkin avoimempia agenttiselle tekoälylle, koska niiden olemassaolo riippuu taloudellisen tehokkuuden automatisoinnista. Tehokkuuden parantaminen biljoonia dollareita käsittelevällä toimialalla voi nopeasti muuttua kannattavaksi katteen kasvattamiseksi.

Esimerkiksi agentti voi keskittyä aikaa vievään täsmäytystehtävään (pankkitilioteiden, laskentataulukoiden ja kirjanpidon täsmäytys). Keskisuuret yritykset voivat käyttää yli 300 tuntia vuodessa pelkästään pankkitietojen täsmäytykseen. Vaikka laskentataulukot voivat automatisoida osia tästä, ne ovat hauraita. Agentin tekoäly tarjoaa suurempaa joustavuutta ja päättelykykyä poikkeusten ja strukturoimattoman datan käsittelyyn.

Agenttiseen tekoälyyn investoiminen

PalveluNow

ServiceNow on vuonna 2003 perustettu pilvipalvelualusta, joka on omistettu automatisoitujen liiketoiminnan työnkulkujen luomiselle ja hallinnalle. Vakiintuneesta liiketoiminnan automaatioasiakkaiden joukosta yritys on siirtynyt täysin agenttiseen tekoälyyn.

Sen avulla yritykset voivat hyödyntää tekoälyagenttejaan sekä mukauttaa niitä tai luoda uusia alusta alkaen käyttämällä matalaa koodia ja "tunnelmakoodausta" (antaa tekoälyn kirjoittaa koodin ihmisen antamien kehotteiden mukaisesti).

ServiceNow'n keskeinen myyntivaltti on, että se ei ole "naimisissa" minkään tietyn tekoälyteknologian kanssa, vaan se voidaan integroida yritysten olemassa oleviin digitaalisiin työkaluihin ja työnkulkuihin. Se tarjoaa myös luotettavan käyttöliittymän kasvavan määrän tekoälyagenttien hallinnan keskittämiseen.

Tekoälyn hallinta määritellään uudelleen, ja tekoälyagenttien – olivatpa ne sitten natiiveja tai kolmannen osapuolen – hallintaan, valvontaan ja optimointiin on keskitetty keskus. Suljetuista ekosysteemeistä poiketen ServiceNow on LLM-riippumaton ja syvästi integroitu NVIDIAan, hyperskaalaajiin ja kukoistavaan tekoälyekosysteemiin, mikä antaa yrityksille täyden hallinnan tekoälystrategiansa tulevaisuudenkestäväksi tekemiseen.

Näiden agenttien tavoitteena on parantaa yritysten katteita tehostamalla niitä – automatisoimalla IT-tehtäviä, yksinkertaistamalla henkilöstöhallintoa, käsittelemällä rutiininomaisia ​​asiakaspyyntöjä ja nopeuttamalla sovelluskehitystä.

Yli 20 vuotta vanha yritys kasvaa edelleen nopeasti, ja sen liikevaihto kasvoi vuoden 2025 lopussa yli 20 % edellisvuodesta. On huomionarvoista, että nykyiset asiakasryhmät kasvattavat jatkuvasti käyttöään, mikä johtaa vuosittaisen sopimusarvon (ACV) kasvuun. Uusimisasteet pysyvät jatkuvasti 95–97 %:n välillä, mikä tekee tuloista erittäin ennustettavia.

Yhtiö on onnistunut luomaan vankan liikevoittokatteen ja vapaan kassavirran, mikä heijastaa sen suhteellisen alhaista kustannuspohjaa verrattuna sen toistuviin tuottoihin.

ServiceNow (NOW) -osakkeen uusimmat uutiset ja kehityskulut