✨ Deloitte: Масштабирование «автономного интеллекта» для реального роста

✨ Deloitte: Масштабирование «автономного интеллекта» для реального роста

Руководители предприятий должны перейти от генеративных приложений к масштабированию «автономного интеллекта», чтобы достичь реального роста маржи прибыли и убытков. Генерация текста или суммирование внутренних коммуникаций обеспечивают локальные улучшения производительности, однако эти возможности редко изменяют основную структуру затрат крупной организации.

Сегодня компании сосредоточены на развертывании систем, способных к независимому выполнению задач. Руководители требуют приложения, которые могут перемещаться по внутренним сетям, выполнять многоступенчатую логику и завершать транзакции без постоянного человеческого вмешательства.

Пракул Шарма, руководитель практики AI & Insights в Deloitte Consulting LLP, отметил, что это третий этап на кривой зрелости интеллекта. Он включает «ассистированный интеллект», где ИИ и аналитика помогают людям интерпретировать информацию, «искусственный интеллект», где машинное обучение дополняет человеческие решения, и «автономный интеллект», где ИИ принимает решения и выполняет их в определенных рамках.

Сегодняшние возможности в эпоху генеративного ИИ, такие как чат-боты и разговорный ИИ, находятся посередине этой кривой. Агентный ИИ служит мостом к автономии, и именно здесь происходит изменение центра тяжести. Разница заключается в агентности: генеративный ИИ выдает ответ, тогда как автономный интеллект стремится к результату, рассуждая о цели, используя инструменты и данные, и адаптируясь к изменяющимся условиям.

Для извлечения реальной экономической ценности эти автономные системы должны интегрироваться непосредственно в рабочие процессы, связанные с доходами или высокими затратами. Например, в процессе закупок агентное приложение может постоянно сопоставлять запасы цепочки поставок с актуальными ценами поставщиков в системе управления ресурсами предприятия.

Такое приложение может независимо авторизовать заказы на покупку в рамках заранее определенных финансовых параметров, останавливаясь только для получения человеческого одобрения в случае отклонений. Однако для этого система должна иметь проверяемую идентичность в ERP, считывать актуальные данные о ценах и действовать в рамках одобренных юридическими и комплаенс-отделами порогов.

Достигнуть такого уровня автоматизации требует тщательного анализа существующих операций перед выделением вычислительных ресурсов. Шарма описывает метод, который использует Deloitte для инициирования этой операционной трансформации и выявления областей, где автономия может принести ощутимый доход.

Первый шаг, который мы рекомендуем, — это аудит решений и процессов. Мы просим руководителей выбрать одну или две цепочки создания ценности, где результаты блокируются не задачами, а решениями в этом процессе, и сопоставить, как эти решения принимаются сегодня.

Источник

@aichangelogs • @modelping • @modelping