Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Это руководство предоставляет структурированную платформу для успешного внедрения агентов ИИ в рамках более широкой стратегии внедрения ИИ. В ней рассматриваются уникальные аспекты, которые представляют агенты ИИ. В серии рассматриваются агенты Microsoft 365 и рекомендации по созданию пользовательских агентов с помощью Microsoft Foundry и Microsoft Copilot Studio. Она также включает стратегии разработки архитектуры данных всей организации для поддержки агентов ИИ в масштабе.
С помощью этого руководства руководители получат практические сведения в четырех ключевых областях: (1) планирование агентов, (2) управление и защита агентов, (3) создание агентов и (4) эксплуатация агентов (см. рис. 1.).
Рис. 1. Процесс внедрения ИИ агентов Microsoft.
Что такое агент ИИ?
Агент ИИ — это гибкая программа программного обеспечения, которая использует модели создания ИИ для интерпретации входных данных, таких как системные события, сообщения пользователя или другие сообщения агента, причины по проблемам и решение о наиболее подходящих действиях. В отличие от традиционных приложений, использующих фиксированные правила, агенты динамически оркестрируют рабочие процессы на основе контекста реального времени. Эта адаптивность позволяет им управлять неоднозначностью и сложностью детерминированного программного обеспечения. Агенты основаны на пяти основных компонентах:
Генеративная модель ИИ служит движком рассуждений агента. Он обрабатывает инструкции, интегрирует вызовы инструментов и создает выходные данные как сообщения другим агентам, так и как практические результаты.
Инструкции определяют область, границы и рекомендации по поведению агента. Четкие инструкции предотвращают разрастание задач и гарантируют, что агент соблюдает бизнес-правила.
Получение информации предоставляет основные данные и контекст, необходимые для точных ответов. Доступ к соответствующим высококачественным данным имеет решающее значение для снижения галлюцинации и обеспечения релевантности.
Действия — это функции, API или системы, используемые агентом для выполнения задач. Средства преобразуют агент из пассивного извлекателя информации в активного участника бизнес-процессов.
Память хранит журнал бесед и состояние. Память обеспечивает непрерывность взаимодействия, позволяя агенту эффективно обрабатывать многоэтапные беседы и длительные задачи.
Отличие от генерации с дополнением извлечения (RAG)
Стандартные приложения RAG следуют детерминированному процессу извлечения для ответа на запросы. Агенты ИИ используют созданную модель, чтобы решить, какие знания и инструменты следует использовать на каждом шаге. Этот адаптивный подход позволяет применять многошаговое рассуждение и решение сложных задач, но он также вводит недетерминированное поведение, требующее надежного тестирования и руководства.
Технические определения см. в разделе "Что такое агент?" и что такое рабочий процесс?.
Почему агенты ИИ?
Внедрение агентов ИИ приводит к конкретным результатам организации. Понимание этих преимуществ помогает оправдать инвестиционные и приоритетные варианты использования.
Эффективность: агенты автоматизируют повторяющиеся задачи с низким значением. Это сокращает усилия вручную и операционные затраты, позволяя ресурсам сосредоточиться на стратегических инициативах.
Скорость: агенты могут обрабатывать информацию и выполнять решения быстро, что может повысить время доставки услуг и реагирование на изменения рынка.
Масштабируемость: агенты обрабатывают изменяющиеся рабочие нагрузки, и эта эластичность поддерживает рост и сезонные пики спроса.
Эти преимущества приводят к измеримым результатам, таким как снижение операционных затрат, повышение удовлетворенности клиентов и более быстрые инновации. Для лидеров это означает, что агенты ИИ — это не просто вложения в технологии. Это стратегический рычаг для роста и конкурентоспособности. См. бизнес-план агентов ИИ для получения более подробных деловых обоснований и сценариев использования.
Типы агентов
Организации обычно развертывают три категории агентов. Каждая категория предлагает различные уровни автономии и влияния на бизнес.
Агенты производительности. Эти агенты сосредоточены на получении информации и синтезе для ускорения принятия решений. Они используют средства знаний для извлечения данных из различных источников и получения данных для пользователя. Эта возможность повышает точность сотрудников и сокращает время, затраченное на поиск информации в таких сценариях, как поддержка обслуживания клиентов и внутреннее управление знаниями.
Агенты действий. Эти агенты выполняют определенные задачи в определенных рабочих процессах, таких как обновление записей или активация процессов. Они используют средства знаний в сочетании с инструментами действий для выполнения задач. Этот подход оптимизирует процессы и уменьшает ошибки ручного ввода данных в таких случаях, как создание заявок в службу поддержки и мониторинг систем.
Агенты автоматизации. Эти агенты управляют сложными многофакторными процессами с минимальным надзором. Они используют инструменты знаний и инструменты действий, и триггеры, которые определяют, когда следует запускать, останавливать или эскалировать проблему. Эта автономия позволяет масштабируемой автоматизации для таких сценариев, как оптимизация цепочки поставок, хотя для управления повышенной сложностью требуется строгое управление.
Дальнейшие шаги
Чтобы реализовать потенциал агентов ИИ, выровняйте стратегию внедрения с конкретными бизнес-результатами. В следующих разделах описывается, как создать внутреннее и клиентское влияние и помочь командам эффективно использовать агенты.