Prispevek na spletnem portalu McKinsey v rubriki Featured Insights v katerem trije strokovnjaki iz podjetja McKinsey pojasnjujejo, kako lahko agentična umetna inteligenca spremeni delovne tokove, odločanje in sodelovanje med ljudmi in stroji.
Ta izbor iz McKinseyjeve serije raziskuje razvoj od generativne umetne inteligence (angl. Generative artificial intelligence) do agentične umetne inteligence (angl. AI agent) — sistemov, ki so sposobni avtonomnega delovanja, izvajanja kompleksnih nalog in sodelovanja med različnimi agenti.
Ključne značilnosti agentične umetne inteligence (UI)
- Usmerjenost v dejanja: Za razliko od standardnih velikih jezikovnih modelov (angl. Large language model – LLM), ki le povzemajo ali generirajo besedilo, agentična UI izvaja transakcije, sproža delovne procese in dokončuje večstopenjska opravila.
- Samostojnost: Ti sistemi lahko brskajo po spletu, komunicirajo s programsko opremo in neodvisno izvajajo naloge na podlagi zastavljenih ciljev.
- Dostopnost: Omogoča personaliziran, pogovorni vmesnik, ki uporabnikom dovoljuje izvajanje kompleksnih tehničnih nalog brez tradicionalnega klikanja gumbov ali programiranja.
Poslovne aplikacije in priložnosti
- Podpora strankam: Agenti lahko dostopajo do internega znanja podjetja za reševanje poizvedb in izvajajo fizična dejanja, kot sta obdelava vračil ali pošiljanje blaga.
- Pravno področje in produktivnost: V pravnih delovnih procesih so agenti skrajšali čas nalog za 4-krat, kar podjetjem omogoča širitev na trge z večjim obsegom dela in nižjimi maržami.
- “Agentična mreža” (Agentic Mesh): Arhitekturni okvir, ki različnim specializiranim agentom (npr. za logistiko, načrtovanje, dobavno verigo) omogoča souporabo podatkov in usklajevanje znotraj organizacije, s čimer se preprečuje kopičenje tehničnega dolga.
Navdušenje proti realnosti
- Vrzel v zrelosti: Čeprav je potencial ogromen, je implementacija v realnem svetu v večini sektorjev še vedno v zgodnji fazi.
- Izogibanje pretiranemu inženiringu: Strokovnjaki opozarjajo pred uporabo agentov za deterministične naloge. Če proces sledi strogim pravilom “če-potem” (npr. kreditno točkovanje), ostajajo tradicionalna koda ali sistemi na podlagi pravil učinkovitejši in zanesljivejši.
Vpliv na delovno silo
- Premik k miselnosti “vodje tehnologije”: Na področjih, kot je razvoj programske opreme, se vloga delavcev spreminja iz “pisanja kode” v “pregledovanje izhodnih podatkov AI”. Vsaka vrstica kode, ki jo generira AI, predstavlja odgovornost, ki zahteva človeški arhitekturni nadzor.
- Gospodarska produktivnost: Kljub kratkoročnim skrbem glede delovnih mest se pričakuje, da bo tehnologija močno povečala produktivnost in spremenila naravo vsakodnevnih nalog, namesto da bi popolnoma nadomestila ljudi.
Upravljanje tveganj in varovala
- Nedeterministična narava: Veliki jezikovni modeli (LLM) lahko “halucinirajo” ali dajejo dosledne rezultate, kar predstavlja tveganje za skladnost in odnose s strankami.
- Omejitve preverjanja “agent-preverja-agenta”: Čeprav UI lahko nadzoruje drugo UI, strokovnjaki opozarjajo, da uporaba nezanesljivega sistema za preverjanje drugega nezanesljivega sistema ni zadostna.
- Človek v zanki (Human-in-the-loop): Organizacije bi morale ustanoviti medfunkcijske odbore za tveganja in ohraniti procese človeškega ocenjevanja za rezultate z visokimi vložki.