Přijetí agenta AI

Tyto pokyny poskytují strukturovanou architekturu, která organizacím pomůže úspěšně přijmout agenty umělé inteligence jako součást širší strategie přechodu na AI. Řeší jedinečné aspekty, které agenti umělé inteligence zavádějí. Tato série zdůrazňuje agenty Microsoftu 365 a pokyny k vytváření vlastních agentů pomocí microsoft Foundry a Microsoft Copilot Studia. Zahrnuje také strategie návrhu architektury dat pro celou organizaci, která podporuje agenty AI ve velkém měřítku.

V těchto doprovodných materiálech získají vedoucí pracovníci užitečné přehledy ve čtyřech klíčových oblastech: (1) plánování agentů, (2) řízení a zabezpečení agentů, (3) vytváření agentů a (4) provozování agentů (viz obrázek 1.).

Diagram znázorňující horizontální pracovní postup se čtyřmi propojenými fázemi: plán pro agenty (dílčí kroky jsou obchodní plán, technologický plán, připravenost organizace a architektura dat). Řízení a zabezpečení agentů (dílčí kroky jsou Zodpovědná AI, Zásady správného řízení a zabezpečení a Příprava prostředí). Vytváření agentů (dílčí kroky jsou systémy s jedním a více agenty a proces pro vytvoření agentů). Integrovat a spravovat agenty (dílčí procesy zahrnují integraci agentů a jejich provozování). Obrázek 1. Proces adopce AI agentů od Microsoftu.

Co je agent AI?

Agent AI je flexibilní softwarový program, který používá generující modely AI k interpretaci vstupů, jako jsou systémové události, zprávy uživatelů nebo jiné zprávy agenta, důvod problémů a rozhodnutí o nejvhodnějších akcích. Na rozdíl od tradičních aplikací, které spoléhají na pevná pravidla, agenti dynamicky orchestrují pracovní postupy na základě kontextu v reálném čase. Tato přizpůsobitelnost jim umožňuje spravovat nejednoznačnost a složitost, které deterministický software nedokáže. Agenti jsou postaveni na pěti základních komponentách:

• Generativní AI model slouží jako nástroj pro rozhodování agenta. Zpracovává instrukce, integruje volání nástrojů a generuje výstupy buď jako zprávy jiným agentům, nebo jako výsledky s akcemi.

• Pokyny definují obor, hranice a pokyny pro chování agenta. Jasné pokyny brání plýžení rozsahu a zajišťují, aby agent dodržoval obchodní pravidla.

• Načítání poskytuje podkladová data a kontext vyžadované pro přesné odpovědi. Přístup k relevantním vysoce kvalitním datům je důležitý pro snížení halucinací a zajištění relevance.

• Akce jsou funkce, rozhraní API nebo systémy, které agent používá k provádění úloh. Nástroje transformují agenta z pasivního načítání informací na aktivního účastníka obchodních procesů.

• Paměť ukládá historii a stav konverzací. Paměť zajišťuje kontinuitu mezi interakcemi, což agentovi umožňuje efektivně zvládat vícekrokové konverzace a dlouhotrvající úlohy.

Rozdíl od generování podpořeného načítáním (RAG)

Standardní aplikace RAG se řídí deterministickým procesem načítání a odpovídají na dotazy. Agenti umělé inteligence používají generující model k rozhodování, které znalosti a nástroje se mají použít v každém kroku. Tento adaptivní přístup umožňuje vícestupňové uvažování a komplexní řešení problémů, ale také zavádí nedeterministické chování, které vyžaduje robustní testování a zásady správného řízení.

Technické definice najdete v tématu Co je agent? a co je pracovní postup?

Proč agenti umělé inteligence?

Přijetí agentů AI řídí konkrétní výsledky organizace. Pochopení těchto výhod pomáhá ospravedlnit investice a určit prioritu případů použití.

• Efektivita: Agenti automatizují opakující se úlohy s nízkou hodnotou. Snižuje ruční úsilí a provozní náklady, což umožňuje zdrojům soustředit se na strategické iniciativy.

• Rychlost: Agenti mohou zpracovávat informace a provádět rozhodnutí rychle, což může zlepšit dobu doručení služeb a rychlost odezvy na změny na trhu.

• Škálovatelnost: Agenti zpracovávají proměnlivé úlohy a tato elasticita podporuje nárůst a sezónní špičky poptávky.

Tyto výhody vedou k měřitelným výsledkům, jako jsou nižší provozní náklady, vyšší spokojenost zákazníků a rychlejší inovace. Pro vedoucí pracovníky to znamená, že agenti umělé inteligence nejsou jen investicemi do technologií. Jedná se o strategickou páku pro růst a konkurenceschopnost. Další obchodní důvody a případy použití najdete v obchodním plánu pro agenty AI .

Typy agentů

Organizace obvykle nasazují tři kategorie agentů. Každá kategorie nabízí jinou úroveň samostatnosti a obchodního dopadu.

1. Agenti produktivity. Tito agenti se zaměřují na načítání a syntézu informací, aby urychlili rozhodování. Pomocí nástrojů znalostí načítají data z různých zdrojů a získávají je pro uživatele. Tato funkce zvyšuje přesnost zaměstnanců a zkracuje dobu strávenou hledáním informací ve scénářích, jako je podpora zákaznických služeb a interní správa znalostí.

2. Akční agenti Tito agenti provádějí konkrétní úlohy v rámci definovaných pracovních postupů, jako jsou aktualizace záznamů nebo aktivační procesy. K plnění úkolů používají nástroje znalostí v kombinaci s nástroji akcí. Tento přístup zjednodušuje operace a snižuje chyby ručního zadávání dat v případech použití, jako je vytvoření lístku služby a monitorování systému.

3. Agenti automatizace. Tito agenti spravují složité a vícestupňové procesy s minimálním dohledem. Používají nástroje pro znalosti a nástroje pro akci, spolu se spouštěči, které určují, kdy má být akce spuštěna, zastavena nebo eskalována. Tato autonomie umožňuje škálovatelnou automatizaci pro scénáře, jako je optimalizace dodavatelského řetězce, i když pro správu zvýšené složitosti vyžaduje přísné zásady správného řízení.

Další kroky

Pokud chcete realizovat potenciál agentů umělé inteligence, vyrovnejte strategii přechodu s konkrétními obchodními výsledky. V následujících částech se dozvíte, jak vytvořit interní a zákaznický dopad a vést týmy k efektivnímu používání agentů.

Obchodní plán