Шаблон 6: Возможности с приоритетом ИИ

Проектируйте новые возможности, используя агентов как базовые строительные блоки, а не как надстройки над существующими рабочими процессами. Эти возможности не были возможны до ИИ. Они улучшаются с течением времени благодаря обратной связи, обучению и непрерывной оптимизации.

В этом шаблоне агенты работают в циклах «восприятие—принятие решения—действие»: постоянно отслеживая сигналы, принимая автономные решения в заданных рамках, выполняя действия и обучаясь на результатах. Эти системы не являются помощниками. Это интеллектуальные системы, которые создают новую бизнес-ценность.

Note

Этот шаблон отличается от остальных пяти шаблонов по своей сути, а не только по степени. Нет существующего процесса для сравнения, нет базовых показателей для улучшения, и нет действующего рабочего процесса для руководства по проектированию. Необходимо создать все, включая способ измерения успеха.

Что такое шаблон

Бизнес-возможности, ориентированные прежде всего на ИИ, начинаются с вопроса, который другие подходы никогда не задают: что мы могли бы сделать такого, чего раньше просто не могли? Ответ не в том, чтобы просто ускорить нынешнюю работу. Это новая возможность, часто автономный цикл, который чувствует ситуацию, решает и действует, и это улучшает себя с течением времени. Агенты — это основа функциональности, а не надстройка, добавленная к существующему процессу.

Этот шаблон наиболее полно отражает сторону выполнения в переходе от помощи к выполнению. Поскольку прецедентов нет, вы должны разработать архитектуру, защитные механизмы и метрики.

Какие агенты делают

Агенты в этом шаблоне выходят за рамки выполнения определенных рабочих процессов в автономном режиме:

  • Механизмы непрерывной оптимизации: цены, инвентаризация, планирование.
  • Циклы принятия решений на основе искусственного интеллекта: обнаружение мошенничества, реагирование на аномалии, адаптивная маршрутизация.
  • Платформы распознавания рынка: конкурентный мониторинг, анализ трендов, идентификация возможностей.
  • Системы прогнозного планирования: прогнозирование спроса, планирование емкости, моделирование рисков.
  • Создание автономных рабочих процессов: агенты, которые разрабатывают и оптимизируют собственные процессы.
  • Оркестрация с несколькими агентами: координированные команды специализированных агентов, решающих сложные проблемы.

Эти возможности создают значение, которое не может существовать без ИИ. Они не более быстрые версии существующих процессов. Они действительно новые.

То, что люди делают

Люди действуют как владельцы продуктов. Они определяют цели, устанавливают границы, отслеживают результаты и принимать стратегические решения о эволюции возможностей. Они не делают работу. Вместо этого они управляют системой, которая выполняет эту задачу.

Это преобразование роли является наиболее важным из любого шаблона. Ответственные люди отвечают за результаты, даже если они сами не выполняют работу. Они:

  • Определите критерии успешности и метрики результатов для автономных систем.
  • Задайте границы, в рамках которых работают агенты (и корректируйте их по мере роста доверия).
  • Отслеживайте циклы обучения, чтобы обеспечить улучшение возможностей в правильном направлении.
  • Принимать стратегические решения о том, когда следует расширить автономию агента.
  • Внедряйте практики ответственного использования ИИ по мере того, как его возможности становятся всё более сложными.

Принцип работы операционной модели

Для успешного развертывания этого шаблона требуются изменения в четырех измерениях:

Dimension До После
Пользователи Операторы, выполняющие задачи Владельцы продуктов, управляющие возможностями
Агенты Выполнение предопределенных шагов Автономные циклы «восприятие — принятие решения — действие»
Система управления Проверки соответствия требованиям Встроенные элементы управления жизненного цикла с непрерывным мониторингом
Metrics Пропускная способность и эффективность Стратегическая опциональность + скорость обучения + скорость адаптации

Профиль целевой зрелости

Этот шаблон требует максимальной зрелости по всем пяти драйверам возможностей. Коротких путей не существует.

Профиль зрелости

Драйвер возможностей Целевой уровень Почему
Технологии и данные 500 (эффективное) Фактор, ограничивающий масштабирование. Оркестрация с несколькими агентами, телеметрия в режиме реального времени и инфраструктура обучения.
Стратегия ИИ и опыт 500 (эффективное) Потенциал — это стратегия, реализуемая через непрерывные итерации.
Бизнес-стратегия 500 (эффективное) Новая бизнес-возможность с адаптивными автономными процессами.
Управление и безопасность 500 (эффективное) Прогнозное управление рисками и непрерывное соответствие автономным системам.
Организация и культура 500 (эффективное) Самодостаточное сообщество и культура обучения, способные создавать и внедрять новое.

Ключевой вывод: Этот шаблон требует самого высокого уровня зрелости по всем направлениям. Нет существующего процесса для сравнения, нет базовых показателей для измерения улучшения, и нет действующего рабочего процесса для руководства по проектированию. Все должно быть построено, включая способ измерения успеха.

Фактор, ограничивающий масштабирование: технологии и данные, в частности оркестрация нескольких агентов, телеметрия в реальном времени и инфраструктура для обучения. Без надежной технической основы автономные возможности становятся непредсказуемыми и неуправляемыми.

ИИ-ориентированные возможности рассматриваются как продукты, охватывают несколько доменов и требуют распределённых продуктовых команд, работающих в рамках общих стандартов. CoE предоставляет шаблоны архитектуры, ответственные платформы ИИ и стандарты оркестрации. Он не поставляется централизованно.

Tip

Решающая роль в этом шаблоне принадлежит владельцу продукта агента. Это продукт, а не проект. Он нуждается в дисциплине управления продуктами: стратегия, невыполненная работа, определение успеха и команда, приверженная своей долгосрочной эволюции. Без этой роли возможность создается один раз и никогда не улучшается.

Дополнительные сведения о структуре, ролях и управлении уровнями рисков см. в разделе "Создание агентического центра превосходства".

Что вам нужно и не нужно

Тебе нужно:

  • Владение продуктами с выделенными командами: каждая возможность нуждается в владельце продукта и команде с мандатом, навыками и непрерывностью для его разработки с течением времени. Эта разработка не является проектом, который заканчивается.
  • Границы автономии при непрерывном мониторинге: определите четкие границы, которые адаптируются по мере роста доверия. Начинайте с осторожного подхода и расширяйте его на основе данных.
  • Циклы непрерывного обучения: возможность улучшается при каждом взаимодействии. Сразу закладывайте возможность обучения, потому что добавить её позже будет гораздо сложнее.
  • Встроенные практики ответственного ИИ: этика и безопасность должны закладываться в архитектуру, а не добавляться постфактум уже после развертывания. Этот подход включает в себя тестирование предвзятости, оценку справедливости и структуру объясняемости.
  • Культура экспериментирования с защитными механизмами: Командам нужна возможность пробовать новые подходы и чёткие меры подстраховки на случай, если что-то пойдёт не так. Культуры, в которых наказывают за ошибки, не могут выстраивать обучающиеся системы.
  • Архитектура с несколькими агентами: если ваша возможность включает в себя координированные агенты, проектируйте координацию между агентами с самого начала. Модернизация многоагентной архитектуры является дорогой.

Вам не нужно:

  • Добавочная автоматизация. Этот шаблон не позволяет ускорить существующие процессы 10%.
  • Центральная ИТ-доставка: для этих возможностей требуются выделенные группы продуктов с опытом в области.
  • Модернизация существующих рабочих процессов: проектирование с нуля для выполнения на основе ИИ. Ограничения устаревших рабочих процессов ограничивают возможные возможности.
  • Одноразовые сборки: такие возможности должны постоянно обучаться и совершенствоваться. Способность, которая не обучается, со временем деградирует.
  • Традиционное управление проектами: используйте управление продуктами с циклами экспериментов. Вехи и конечные даты являются неправильной моделью управления для систем обучения.

Ответственный ИИ в масштабах

Возможности, ориентированные в первую очередь на ИИ, находятся на переднем крае автономной работы ИИ. Ответственные методики ИИ особенно важны, так как:

  • Агенты работают с высокой автономией и ограниченным контролем человека в режиме реального времени.
  • Ошибки могут распространяться на скорости машины, прежде чем люди могут вмешиваться.
  • Системы обучения могут разрабатывать непредвиденные действия по мере оптимизации.
  • Масштаб влияния, как положительный, так и отрицательный, больше, чем любой другой шаблон.

Закладывайте принципы ответственного ИИ в архитектуру с самого начала:

  • Объяснимость: Вы можете понять, почему система приняла определенное решение? В противном случае невозможно обнаружить или исправить смещение.
  • Мониторинг предвзятости: непрерывно оценивает, является ли обучение усилением предвзятости или созданием неустранимых результатов.
  • Возможность отката: можете ли вы вернуться к предыдущему состоянию, если обновление в процессе обучения приводит к проблемам?
  • Вмешательство человека: даже в полностью автономных системах определите условия, при которых человек может вмешаться, и то, как реализуется это вмешательство.

Дополнительные сведения см. в разделе "Применение принципов ответственного ИИ".

Метрики значений и успешности

Ценность здесь заключается в появлении возможности, которой раньше не было, и в новых результатах, которые она дает. Ориентируйтесь в первую очередь на показатели создания ценности и наличия, а не на процентные показатели эффективности, поскольку нет исходного базового уровня, относительно которого можно было бы оценивать улучшение.

Как отображается значение

  • Новые возможности, которые не были возможными до ИИ.
  • Новые доходы, услуги или бизнес-модели.
  • Автономное реагирование со скоростью и в таком масштабе, недостижимых для любого ручного процесса.
  • Растущее преимущество по мере того, как система обучается и совершенствуется.

Метрики успеха для отслеживания

Категория Примеры мер Что это говорит вам
Создание значений (заголовок) Созданы новые источники дохода или новая бизнес-модель, появилась новая возможность («теперь мы можем делать X»), расширен охват Создает ли эта возможность ценность, которой раньше не было.
Автономия и цикл Задержка принятия решений от сигнала к действиям, скорость завершения автономной задачи, пропускная способность цикла и масштабирование, затраты на единицу на автономную задачу Выполняется ли цикл «восприятие — принятие решений — действие» со скоростью и в масштабе, доступных машинам.
Качество и безопасность Оценки качества, обоснованности и безопасности, частота эскалации и перехода к резервному сценарию Остаётся ли автономная система корректной и безопасной в процессе работы.
Пропускная способность инноваций Время запуска новой возможности, количество возможностей в рабочей среде, повторное использование в сценариях Можно ли неоднократно достичь границы, а не только один раз.
Governance Доля агентов, использующих управляемое удостоверение, уровень соответствия политикам, число теневых агентов Сохраняется ли надлежащее управление автономной средой по мере ее роста.

Как измерять

  • Оценки Microsoft Foundry и наблюдаемость позволяют отслеживать поведение агента и оценивать качество и безопасность, что особенно важно там, где нет базового ориентира.
  • Заранее определите критерий успеха, поскольку эта возможность не имеет прецедентов. Заранее определите, что считать хорошим результатом перед запуском.
  • Microsoft Agent 365 обеспечивает управление автономной средой и ее оценку, включая управление идентификацией и выявление теневых агентов.

Tip

Не оценивайте совершенно новую функцию по старым метрикам эффективности. Фраза «Сколько времени мы сэкономили» предполагает наличие процесса, которого не существовало. Оцените, существует ли теперь эта возможность, какую новую ценность она создает и насколько безопасно работает автономный цикл. Разрабатывайте метрики вместе с возможностями.

Распространённые антипаттерны

Неудачи в этой области происходят из-за того, что к передовым разработкам относятся как к обычному проекту.

Антипаттерн Как выглядит Что делать вместо этого
Скрытая производительность "Новая" возможность на деле представляет собой существующую задачу, выполнение которой просто ускорили. Протестируйте идею: можете ли вы сделать это вообще до ИИ? Если да, это относится к другому шаблону.
Старые метрики для новой работы Успех оценивается по тому, сколько времени удалось сэкономить по сравнению с исходной точкой отсчёта, которой не существует. Заранее определите критерии существования и создания ценности.
Строительство до готовности фундамента Эта возможность внедряется раньше, чем технологии, данные и процессы управления становятся достаточно зрелыми. Инфраструктура не может поддерживать циклы обучения, телеметрию и мониторинг ее потребностей, поэтому система непредсказуема без видимости того, почему она ведет себя так же, как это делает. Сначала достичь достаточной зрелости в технологии, данных и управлении. Сначала создайте оркестрацию, телеметрию в реальном времени и цикл обучения, а затем реализуйте саму возможность.
Обучение без ограждений Система обучается на эксплуатационных данных без контроля, закрепляя непреднамеренные закономерности, оптимизируясь под неверную цель или усиливая предвзятость, уже присутствующую в данных. Определите, что система должна и не должна учиться перед включением обучения и непрерывно отслеживать ее.
Никаких выдуманных ограничений Границы безопасности выводятся на основе других шаблонов, которые не подходят. Разработайте защитные механизмы специально для этой функции, поскольку для этого нет прецедентов.
Проверка на соответствие принципам ответственного ИИ запланирована после запуска Команда планирует заняться вопросами ответственного ИИ, как только эта возможность будет доказана. К тому момента архитектура фиксирована, а стоимость изменений высока. Включите ответственный ИИ с самого начала.
Проектное мышление, применённое к продукту Команда достигает этапа ввода в эксплуатацию и считает работу завершённой. Возможность не поддерживается, циклы обучения не отслеживаются, и система ухудшается с течением времени. Рассматривать его как продукт с неопределенным обязательством по управлению, а не проектом, который заканчивается при запуске.
Неуправляемые эксперименты Пограничные агенты процветают без удостоверений или надзора. Используйте управляемую идентификацию и реестр с самого начала.

Истории клиентов

Эти опубликованные истории клиентов Microsoft показывают, как экспертные знания можно масштабировать с помощью агентов, опирающихся на проверенные данные и приводящих ссылки на источники, при этом ответственность остаётся за людьми.

Клиент Сообщаемые результаты
Microsoft (Запрос Microsoft) Многоагентная система со специализированными субагентами, работающими на основе конкретного контента, обеспечивает снижение задержки до 61 % и сокращение числа передач обращений людям до 70 %, при этом вовлеченные посетители значительно чаще регистрируются.
Фудзицу Составная ИИ-система координирует работу нескольких специализированных агентов и агента-оркестратора, которые отвечают «как единая команда». Эта мультиагентная архитектура, которой не было в традиционном генеративном ИИ, повышает эффективность подготовки предложений на 67%.
Группа квантовых капиталов Сократите время планирования сценариев разработки месторождений с 3 недель до 20 минут с помощью геопространственной оптимизации в Azure и агента для запросов в Copilot Studio.
Физика Уолла Поддерживает два миллиона студентов с преподавателем ИИ Gyan Guru на Azure OpenAI.
Rolls-Royce Повысили коэффициент использования оборудования на 30% с помощью предиктивного ИИ на Azure Databricks и Microsoft Cloud for Manufacturing.
Компании Estée Lauder Сократите время получения потребительских инсайтов с нескольких недель до минут с помощью агента «ConsumerIQ» в Copilot Studio и Azure OpenAI.

Агентные возможности Microsoft для этого шаблона

В следующих примерах выделены возможности, которые особенно важны для возможностей искусственного интеллекта. Используйте эти примеры в качестве отправной точки для сопоставления возможностей в сценариях и сегментах пользователей, а затем изучите экосистему агента Microsoft для полного рисунка.

Создание возможности

  • Оркестрация нескольких агентов в Copilot Studio координирует работу специализированных агентов в сценариях с минимальным объемом кода.
  • Профессиональные наборы инструментов для программирования, включая Foundry SDK и Semantic Kernel, предоставляют инженерным командам полный контроль.
  • Использование собственной модели для запросов в Copilot Studio позволяет направлять определенные узлы запросов к выбранной вами модели, включая самостоятельно развернутые или дообученные модели, вместо модели, используемой платформой по умолчанию. Используйте эту возможность, если шаг в рабочем процессе требует модели, оптимизированной для конкретной задачи, домена или профиля затрат, которые модель по умолчанию не соответствует.
  • Microsoft Foundry и Microsoft Foundry Agent Service создают и размещают пользовательских программируемых агентов.

Заземлите, подключите и наблюдайте

Оценка и проверка перед отправкой

На этом уровне автономии и сложности непрерывная оценка является основной инженерной дисциплиной, а не контрольным списком предварительного запуска.

  • Оценка агентов в Copilot Studio выполняет структурированные оценки, оценивая ответы по таким показателям качества, как точность, обоснованность и выполнение задач. Используйте его для проверки поведения агента в полном диапазоне входных данных, включая пограничные варианты и состязательные сценарии, до и после каждого изменения.
  • Комплект агентов Copilot (ранее известный как Copilot Studio Kit) расширяет тестовое покрытие за счёт массового тестирования, автоматизированных регрессионных прогонов и панели мониторинга с оценками. Для систем искусственного интеллекта, которые улучшаются с течением времени, повторяющиеся и проверяемые данные оценки важны для поддержания доверия по мере развития возможностей.

Как узнать, что вы готовы

Этот шаблон предназначен для организаций, работающих с наивысшей степенью зрелости. Рассмотрим это, когда:

  • У вас есть расширенные команды, которые могут разрабатывать, запускать и улучшать автономные системы.
  • У вас есть технический фундамент: оркестрация с несколькими агентами, телеметрия в режиме реального времени и цикл обучения.
  • Вы можете придумать ограничения и критерии успеха там, где их нет.
  • Вы можете управлять автономной средой с помощью управляемых удостоверений и обеспечивать непрерывное соответствие требованиям.
  • Вы уже успешно используете несколько других шаблонов.

Дальнейшие действия

Пройдите оценку готовности агента

Или изучите полную модель зрелости внедрения агентного ИИ.

Изучите другие шаблоны более подробно:

  • Последнее обновление: