Malli 6: Tekoälyn ensimmäiset ominaisuudet

Suunnittele agenteille uusia ominaisuuksia peruselementteinä aiempien työnkulkujen sijasta. Nämä ominaisuudet eivät olleet mahdollisia ennen tekoälyä. Ne paranevat ajan myötä palautteen, oppimisen ja jatkuvan optimoinnin avulla.

Tässä kuviossa agentit toimivat järkevässä päättämistoiminnossa: valvovat jatkuvasti signaaleja, tekevät itsenäisiä päätöksiä rajojen sisällä, suorittavat toimintoja ja oppivat tuloksista. Nämä järjestelmät eivät ole avustajia. Ne ovat älykkäitä järjestelmiä, jotka luovat uutta liiketoiminta-arvoa.

Muistio

Tämä malli eroaa viidestä muusta mallista, jotka ovat lajiltaan, ei vain asteelta. Olemassa olevaa vertailuprosessia ei ole, perustasoa ei ole eikä vakiintunutta suunnitteluun ohjaavan työnkulun toimintaa. Sinun täytyy luoda kaikki, mukaan lukien se, miten onnistumista mitataan.

Mikä tämä malli on?

Tekoälyn ensimmäiset liiketoimintaominaisuudet alkavat kysymyksestä, mitä muut mallit eivät koskaan kysy: mitä voimme tehdä, mitä emme yksinkertaisesti pystyneet tekemään ennen? Vastaus ei ole nopeampi versio tämän päivän työstä. Se on uusi ominaisuus, usein itsenäinen silmukka, joka aistii tilanteen, päättää ja toimii, ja joka paranee ajan myötä. Agentit ovat ominaisuuden rakenneosia, eivät olemassa olevaan työnkulkuun kiinnitetty parannus.

Tämä malli on assist-to-execute-siirtymän toteuta-puolen syvin ilmentymä. Koska ennakkotapausta ei ole, sinun on keksittävä suunnitelma, suojakaiteet ja mittayksiköt.

Mitä agentit tekevät?

Tämän mallin agentit siirtyvät määritettyjen työnkulkujen suorittamista pidemmälle ja toimivat itsenäisesti:

  • Jatkuvat optimointiohjelmat: Hinnoittelu, varasto, aikataulutus.
  • Tekoälyn alkuperäiset päätössilmukat: Petosten havaitseminen, poikkeamien reagointi ja mukautuva reititys.
  • Markkinoidentunnistusympäristöt: Kilpailukykyinen seuranta, trendianalyysi, mahdollisuuksien tunnistaminen.
  • Ennakoivat suunnittelujärjestelmät: Kysynnän ennustaminen, kapasiteetin suunnittelu, riskien mallinnus.
  • Autonomisen työnkulun luominen: Agentteja, jotka suunnittelevat ja optimoivat omia prosessejaan.
  • Moniagenttien orkestrointi: Koordinoidut tiimit erikoistuneita agentteja, jotka ratkaisevat monimutkaisia ongelmia.

Nämä ominaisuudet luovat arvon, jota ei voitu olla olemassa ilman tekoälyä. Ne eivät ole nopeampia versioita olemassa olevista prosesseista. He ovat aidosti uusia.

Mitä ihmiset tekevät?

Ihmiset toimivat tuotteiden omistajina. Ne määrittävät tavoitteita, määrittävät rajoja, valvovat tuloksia ja tekevät strategisia päätöksiä valmiuksien kehityksestä. He eivät tee työtä. Sen sijaan he ohjaavat järjestelmää, joka tekee niin.

Tämä roolimuunnos on merkittävin malli. Vastuulliset ihmiset ovat vastuussa tuloksista, vaikka he eivät suorita työtä itse. He:

  • Määritä itseohjautuville järjestelmille onnistumisen ehdot ja tulosten mittarit.
  • Määritä rajat, joiden sisällä agentit toimivat (ja säädä niitä luottamuksen kehittyessä).
  • Valvo oppimissilmukoita varmistaaksesi, että ominaisuudet parantavat oikeaan suuntaan.
  • Tee strategisia päätöksiä siitä, milloin agentin autonomiaa on laajennettava.
  • Hallinnoi vastuullisia tekoälykäytäntöjä, kun ominaisuuksista tulee kehittyneempiä.

Toimintamallin toiminta

Tämän mallin onnistunut käyttöönotto edellyttää muutoksia neljässä dimensiossa:

Dimensio Ennen Jälkeen
Henkilöt Tehtäviä suorittavat operaattorit Tuotteiden omistajat, jotka hallitsevat ominaisuuksia
Asiakaspalvelijat Ennalta määritettyjen vaiheiden suorittaminen Itseohjautuvat Sense-decide-act-silmukat
Hallinto Yhteensopivuuden tarkastukset Elinkaareen sisällytetyt kontrollit ja jatkuva valvonta
Mittarit Siirtomäärä ja tehokkuus Strateginen valinnaisuus + oppimisaste + sopeutumisnopeus

Tavoite erääntymisprofiili

Tämä malli edellyttää maksimaalista maturiteettia kaikissa viidessä ominaisuusohjaimissa. Pikakuvakkeita ei ole.

Erääntymisprofiili

Ominaisuuksien ohjain Tavoitetaso Miksi
Teknologia ja tiedot 500 (tehokas) Skaalan rikkoja. Usean agentin orkestrointi, reaaliaikainen telemetria ja oppimisinfrastruktuuri.
AI-strategia ja kokemus 500 (tehokas) Ominaisuus on strategia, joka suoritetaan jatkuvalla iteraatiolla.
Liiketoimintastrategia 500 (tehokas) Uusi liiketoimintaominaisuus mukautuvina ja itsenäisillä prosesseilla.
Hallinto ja suojaus 500 (tehokas) Itseohjautuvien järjestelmien ennakoivaa riskienhallintaa ja jatkuvaa vaatimustenmukaisuutta.
Organisaatio ja kulttuuri 500 (tehokas) Itseään ylläpitävä yhteisö ja oppimiskulttuuri, joka voi keksiä ja käyttää uutta.

Tärkeimmät merkitykselliset tiedot: Tämä malli vaatii korkeimman maturiteetin kaikissa toiminnoissa. Ei ole olemassa olevaa prosessia, johon verrata, ei vertailutasoa, josta parannusta voidaan mitata, eikä vakiintunutta työnkulkua suunnittelun ohjaamiseksi. Kaikki on luotava, mukaan lukien se, miten onnistumista mitataan.

Kasvun esteiden murtaja: teknologia ja data, erityisesti moniagenttien orkestrointi, reaaliaikainen telemetria ja oppimisinfrastruktuuri. Ilman vahvaa teknistä perustaa autonomisista kyvykkyyksistä tulee arvaamattomia ja hallitsemattomia.

Tekoälyn ensimmäiset ominaisuudet omistaa tuotteita, ne kattavat useita toimialueita ja vaativat jaettujen standardien mukaisia hajautettuja tuotetiimejä. CoE tarjoaa arkkitehtuurimalleja, vastuullisia tekoälykehyksiä ja orkestrointistandardeja. Se ei toimita keskitetysti.

Tip

Tämän mallin kannalta ratkaiseva rooli on agenttituoteomistajalla. Tämä on tuote, ei projekti. Se tarvitsee tuotteiden hallinnan kurinalaisuutta: toteutussuunnitelman, keskeneräisen työn, menestyksen määritelmän ja tiimin, joka on sitoutunut sen pitkän aikavälin kehitykseen. Ilman tätä roolia ominaisuus luodaan kerran, eikä sitä koskaan paranneta.

Lisätietoja rakenteesta, rooleista ja riskitasoisesta hallinnosta on artikkelissa Agentic Center of Excellencen luominen.

Mitä tarvitset ja mitä et tarvitse

Tarvittavat asiat:

  • Tuotteiden omistajuus erillisillä tiimeillä: Kukin ominaisuus tarvitsee tuotteen omistajan ja tiimin, jolla on valtuudet, taidot ja jatkuvuus kehittää sitä ajan mittaan. Tämä kehitys ei ole projekti, joka päättyy.
  • Autonomian rajat jatkuvalla seurannalla: Määritä selkeät rajat, jotka mukautuvat luottamuksen kehittyessä. Aloita konservatiivinen ja laajenna todisteiden perusteella.
  • Jatkuvat oppimissilmukat: Ominaisuus paranee jokaisen vuorovaikutuksen kautta. Suunnittele oppimista alusta alkaen, koska sitä on paljon vaikeampi lisätä myöhemmin.
  • Upotettuja vastuullisia tekoälykäytäntöjä: Etiikka ja turvallisuus on rakennettava arkkitehtuuriin, ei pultin jälkeen. Tämä lähestymistapa sisältää puolueellisuustestauksen, oikeudenmukaisuuden arvioinnin ja selitettävyyden suunnittelun.
  • Kokeilukulttuuri vikasietoisilla ohjausobjekteilla: Tiimit tarvitsevat luvan kokeilla uusia lähestymistapoja ja tyhjentää turvaverkkoja, kun asiat menevät pieleen. Epäonnistumisesta rankaisevat kulttuurit eivät voi luoda oppimisjärjestelmiä.
  • Usean agentin arkkitehtuuri: Jos kyvyssäsi on koordinoituja agentteja, suunnittele agenttien ja edustajien koordinointia alusta alkaen. Usean agentin arkkitehtuurin jälkiasentaminen on kallista.

Et tarvitse:

  • Lisäävä automaatio: Tässä mallissa ei ole kyse 10% nopeammasta prosessista.
  • Keskitetty IT-toimitus: Nämä ominaisuudet tarvitsevat erillisiä tuoteryhmiä, joilla on toimialueen osaaminen.
  • Aiemmin luotujen työnkulkujen jälkitoimitus: Suunnittele alusta alkaen tekoälyn alkuperäisille suorituksille. Vanhojen työnkulkujen rajoitukset rajoittavat sitä, mikä on mahdollista.
  • Kertapohjaiset koontiversiot: Näiden toimintojen on opittava ja parannettava jatkuvasti. Ominaisuus, joka ei opi hajoamaan ajan myötä.
  • Perinteinen projektinhallinta: Käytä tuotteiden hallintaa kokeilujaksoissa. Välitavoitteet ja toimitukset ovat väärä hallintomalli oppimisjärjestelmille.

Vastuullinen tekoäly suuressa mittakaavassa

Tekoälyn ensimmäiset valmiudet edustavat autonomisen tekoälyoperaation rajaa. Vastuulliset tekoälykäytännöt ovat tässä erityisen tärkeitä, koska:

  • Agentit toimivat suuren autonomian ja rajoitetun inhimillisen valvonnan kanssa reaaliajassa.
  • Virheet voidaan levittää koneen nopeudella ennen kuin ihmiset voivat puuttua asiaan.
  • Oppimisjärjestelmät voivat kehittää odottamattomia toimintoja optimoidessaan.
  • Vaikutuksen asteikko, sekä positiivinen että negatiivinen, on suurempi kuin mikään muu kuvio.

Luo vastuullista tekoälyä arkkitehtuuriisi alusta alkaen:

  • Selitettävyys: Ymmärrätkö, miksi järjestelmä teki erityisen päätöksen? Jos ei, poikkeamaa ei voi havaita eikä korjata.
  • Puolueellisuuden seuranta: Arvioi jatkuvasti, vahvistaako oppiminen puolueellisuutta vai luoko se epäoikeudenmukaisia tuloksia.
  • Palautusominaisuus: Voitko palata edelliseen tilaan, jos oppimispäivitys menee pieleen?
  • Inhimillinen ohitus: Jopa täysin itsenäisissä järjestelmissä määrität olosuhteet, joissa ihminen voi puuttua asiaan, ja miten tämä interventio pannaan täytäntöön.

Lisätietoja on artikkelissa Vastuullisten tekoälyperiaatteiden käyttäminen.

Arvon ja onnistumisen mittarit

Arvo tässä on ominaisuus, jota ei ollut olemassa aiemmin, ja sen luomat uudet tulokset. Johda arvon luomis- ja olemassaolomittareilla, ei tehokkuusprosentteilla, koska ei ole olemassa aiempaa perustasoa, jossa parantumiseen ei ole.

Mikä arvo näyttää

  • Uudet ominaisuudet, jotka eivät olleet mahdollisia ennen tekoälyä.
  • Uudet tuotto-, palvelu- tai liiketoimintamallit.
  • Itsenäinen reagointi nopeudella ja mittakaavassa, mikään manuaalinen prosessi ei voisi saavuttaa.
  • Yhdistelmäetu, kun ominaisuus oppii ja paranee.

Seurattavat onnistumisen mittarit

Kategoria Esimerkkimittarit Mitä se kertoo sinulle
Arvon luonti (otsikko) Uusi tuotto- tai liiketoimintamalli luotu, ominaisuuksien olemassaolo ("voidaan nyt tehdä X"), uusi tavoittavuus avattu Luoko ominaisuus arvon, jota ei ollut olemassa aiemmin.
Autonomia ja silmukka Päätöksen viive signaalista toimintaan, itsenäinen tehtävien suoritusnopeus, silmukan siirtonopeus ja skaalaus, yksikkökustannukset itsenäistä tehtävää kohti Suoriutuuko havainnoi-päätä-toimi-silmukka koneen nopeudella ja laajuudessa.
Laatu ja turvallisuus Arviointi-, tosipohjaisuus- ja turvallisuuspisteet sekä eskalointi- ja varatilaan siirtymisaste Pysyykö autonominen järjestelmä oikeana ja turvallisena jo käynnissä.
Innovaatioiden siirtomäärä Aika käynnistää uusi ominaisuus, tuotantotoimintojen määrä ja käyttö kaikissa skenaarioissa Se, saavutko rajalle toistuvasti, ei vain kerran.
Hallinto Agenttien osuus hallituissa käyttäjätiedoilla, käytäntöjen noudattamisen suhde, varjoagenttien määrä Pysyikö autonominen ympäristö hallittuna sen kasvaessa.

Mittarien toiminta

  • Microsoft Foundry-arviointeja ja havainnoitavuuden jäljitysaineiden toimintaa sekä pisteiden laatua ja turvallisuutta. Sillä on eniten merkitystä siellä, missä perusarvoja ei ole.
  • Määritä onnistumisen mittari etukäteen, koska toiminnolla ei ole ennakkotapausta. Päätä, miltä "hyvä" näyttää, ennen kuin käynnistät.
  • Microsoft Agentti 365 hallinnoi ja mittaa autonomista kiinteistöä, mukaan lukien identiteetin ja varjoagenttien löytämisen.

Tip

Älä arvioi uutta nettoominaisuutta vanhoilla tehokkuusmittareilla. "Kuinka paljon aikaa tallensimme" olettaa prosessin, jota ei ollut olemassa. Mittaa, onko ominaisuus nyt olemassa, mitä uutta arvoa se luo ja miten turvallisesti autonominen silmukka suoritetaan. Keksi mittari ominaisuuden rinnalla.

Yleiset antimallit

Tällä alueella epäonnistuminen johtuu siitä, että rajatyötä kohdellaan kuin normaalia hanketta.

Antimalli Miltä se näyttää Ohjeet sen sijaan
Peitelty tuottavuus "Uusi netto" -ominaisuus on itse asiassa olemassa oleva tehtävä, nopeutettu. Testaa ideaa: voisitko tehdä tämän ollenkaan ennen tekoälyä? Jos kyllä, se kuuluu toiseen kaavaan.
Vanhat mittarit uudesta työstä Onnistuminen arvioidaan ajan mukaan, ja se tallennetaan perustasoon, jota ei ole. Määritä olemassaolon ja arvon luonnin mittarit etukäteen.
Rakentaminen ennen kuin perusta on valmis Kyvykkyys otetaan käyttöön ennen kuin teknologia, data ja hallinta ovat riittävän kypsiä. Infrastruktuuri ei voi tukea oppimissilmukoita, telemetriaa ja valvontaa, joten järjestelmä on arvaamaton ilman näkyvyyttä siihen, miksi se käyttäytyy kuin tekee. Saavuta riittävä erääntyminen teknologiassa, datassa ja hallinnossa ensin. Luo orkestrointi, reaaliaikainen telemetria ja oppimissilmukka ennen ominaisuutta.
Oppiminen ilman suojakaiteita Järjestelmä oppii toiminnallisista tiedoista ilman valvontaa, vahvistaa tahattomia malleja, optimoi väärälle tavoitteelle tai vahvistaa tiedoissa esitettävää puolueellisuutta. Määritä, mitä järjestelmän pitäisi ja ei pitäisi oppia, ennen kuin otat oppimisen käyttöön ja valvot sitä jatkuvasti.
Ei keksittyjä suojakaiteita Oletetut turvallisuusrajat ovat peräisin muista kuvioista, jotka eivät sovi. Suunnittelukaiteet erityisesti tätä ominaisuutta varten, koska ennakkotapausta ei ole.
Vastuullinen tekoälyarviointi ajoitettu käynnistyksen jälkeen Tiimi suunnittelee käsittelevänsä vastuullista tekoälyä, kun ominaisuus on todistettu. Siihen mennessä arkkitehtuuri on kiinteä ja muutoskustannukset ovat korkeat. Sisällytä vastuullinen tekoäly alusta alkaen.
Project tuotteeseen käytetty ajattelutapa Tiimi saavuttaa "go-live"-virstanpylvään ja huomioi tehdyn työn. Ominaisuutta ei ylläpidetä, oppimissilmukoita ei valvota ja järjestelmä heikkenee ajan myötä. Käsittele sitä tuotteena, jolla on määrittämätön hallintasitoumus, ei projektin, joka päättyy julkaisun yhteydessä.
Ei-optimoitu kokeilu Rajaseutuagentit lisääntyvät ilman identiteettiä tai valvontaa. Hallinnoi hallittuja käyttäjätietoja ja rekisteriä alusta alkaen.

Asiakastarinat

Nämä julkaistut Microsoft asiakastarinat osoittavat asiantuntijatiedon skaalattuna maadoitettuihin, mainittuihin agentteihin samalla, kun ihmiset pysyvät vastuussa.

Asiakas Raportoitu tulos
Microsoft (Kysy Microsoft) Usean agentin järjestelmä, jossa on erityisiä aliagentteja, jotka on pohjautunut tiettyyn sisältöön, tarjoaa jopa 61% pienemmän viipeen ja jopa 70% vähemmän ihmisen eskalaatioita, ja sitoutuneet vierailijat rekisteröityvät paljon todennäköisemmin.
Fujitsu Yhdistelmä tekoäly orkestroi useita erikoisagentteja ja orkesteriagentin, jotka vastaavat "ryhmänä". Tämä usean agentin arkkitehtuuri, jota ei ollut perinteisessä luodussa tekoälyssä, parantaa ehdotusten luomista 67%.
Quantum Capital Group Leikkaa kenttäkehitysskenaarion suunnittelua 3 viikosta 20 minuuttiin geospatiaaliseen optimoinniin Azure ja Copilot Studio kyselyagenttiin.
Physics Wallah Tukee kahta miljoonaa opiskelijaa "Gyan Guru" -tekoälytuen avulla Azure OpenAI:ssa.
Rolls-royce Korottanut konekäyttöä 30% ennakoivan tekoälyn avulla Azure Databricks ja Microsoft Cloud for Manufacturing.
Estée Lauder -yritykset Lyhennä kuluttajaymmärryksen esiin tuomiseen kuluva aika viikoista minuutteihin ConsumerIQ-agentin avulla Copilot Studiossa ja Azure OpenAI:ssa.

Microsoft agentin ominaisuuksia tälle mallille

Seuraavissa esimerkeissä korostetaan ominaisuuksia, jotka ovat erityisen merkityksellisiä tekoälyn ensimmäisten ominaisuuksien kannalta. Näiden esimerkkien avulla voit yhdistää ominaisuudet skenaarioihin ja käyttäjäsegmentteihin ja tutustua sitten kokonaiskuvaan Microsoft aineekosysteemiin.

Ominaisuuden luominen

Maadoitus, yhdistäminen ja huomioiminen

Arvioi ja testaa ennen toimitusta

Tällä autonomian ja monimutkaisuuden tasolla jatkuva arviointi on keskeinen insinööritaidon kurinalaisuus, ei ennen laukaisua oleva tarkistuslista.

  • Agentin arviointi Copilot Studio suorittaa jäsennettyjen arviointien pisteytysvastauksia eri laatudimensioissa, kuten tarkkuudessa, maadoitettuudessa ja tehtävän valmistumisessa. Sen avulla voit vahvistaa agenttien toiminnan kaikilla syötejoukoilla, mukaan lukien reunatapaukset ja vastakkaiset skenaariot, ennen jokaista muutosta ja sen jälkeen.
  • Copilot Agent Kit (aiemmalta nimeltään Copilot Studio Kit) laajentaa testien kattavuutta joukkotestauksella, automatisoiduilla regressiosuodatuksilla ja pisteytyksen koontinäytöllä. Tekoälyn ensimmäisissä järjestelmissä, jotka parantavat ajan mittaan, toistettavissa ja tarkasteltavissa oleva arviointinäyttö on välttämätöntä luottamuksen ylläpitämiseksi ominaisuuden kehittyessä.

Mistä tiedät, että olet valmis

Tämä kaava on tarkoitettu organisaatioille, jotka toimivat korkeimmalla maturiteettitasolla. Ota se huomioon, kun:

  • Sinulla on edistyneitä tiimejä, jotka voivat suunnitella, suorittaa ja parantaa itsenäisiä järjestelmiä.
  • Sinulla on tekninen perusta: usean agentin orkestrointi, reaaliaikainen telemetria ja oppimissilmukka.
  • Voit keksiä suojakaiteita ja onnistumismittareita, jos niitä ei ole.
  • Voit hallinnoida itsenäistä tilaa hallittujen käyttäjätietojen ja jatkuvan yhteensopivuuden avulla.
  • Käytät jo useita muitakin malleja hyvin.

Seuraavat vaiheet

Ota agentin valmiusarviointi

Tai tutustu koko agenttipohjaisen tekoälyn käyttöönoton kypsyysmalliin.

Tutustu tarkemmin muihin malleihin:

  • Last updated on