COO NiCE о масштабировании агентного ИИ: стратегия важнее пилотов

Материал опубликован MIT Technology Review как партнёрский спецпроект: его подготовило подразделение издания по заказному контенту Insights в партнёрстве с компанией NiCE и приурочило к вебкасту NiCE. Иными словами, это не редакционный текст, а спонсорский материал; единственный, кого в нём цитируют и чьи взгляды пересказывают, Арун Чандра, операционный директор (COO) NiCE.

Отправная точка Чандры: агентный ИИ уже широко распространён, по данным статьи (без ссылки на источник или методологию) его применяют около 80% компаний из списка Fortune 500, но переход от разрозненных экспериментов к масштабу всей организации даётся немногим: большинство компаний застряли на уровне изолированных пилотных проектов. Первый шаг, по словам Чандры, перестать экспериментировать ради самого эксперимента и явно привязать внедрение ИИ к бизнес-цели: рост выручки, снижение издержек или другая стратегическая либо финансовая задача. Дальше нужно пересматривать сами рабочие процессы, а не просто накладывать ИИ поверх старых: «Меньше всего вам нужно применять ИИ к устаревшему или неэффективному рабочему процессу», говорит Чандра.

Чандра настаивает: чтобы принимать решения и действовать, агентам нужен доступ к данным, знаниям и контексту, а также подключение к внутренним системам компании. Разрозненная информация подрывает эту способность: «Эффективность этих ИИ-агентов целиком зависит от контекста, знаний и данных, которые они могут получить и использовать», говорит он.

У масштабирования есть и организационная сторона. Если разные команды строят изолированные, не связанные между собой системы агентов, это создаёт новую разновидность фрагментации; по мере того как агенты берут на себя более значимые задачи, растёт важность управления, конфиденциальности, безопасности и контроля изменений. Чандра считает, что ИИ-агентов в конечном счёте нужно оценивать по тем же стандартам, что и людей-сотрудников, а свой штат компаниям стоит воспринимать как сочетание людей и ИИ-агентов.

На следующем этапе, по мысли Чандры, связанный подход позволит агентам действовать проактивно и даже обмениваться данными друг с другом, чтобы закрывать запросы клиентов. Для компаний, которые переходят от пилотов к масштабу, приоритет, не пытаться «boil the ocean» (дословно «вскипятить океан», по смыслу, успеть слишком много сразу), а выстроить единую стратегию вокруг приоритетных сценариев использования, рабочих процессов, изменений в штате и измеримых результатов.

Ключевые факты

Агентный ИИ, по данным материала, уже применяют около 80% компаний Fortune 500, но у большинства он не выходит за пределы разрозненных пилотов, до масштаба всей организации доходят немногие.
Операционный директор NiCE Арун Чандра: первый шаг, привязать внедрение ИИ к конкретной бизнес-цели (рост выручки, снижение издержек или другая стратегическая задача) и пересмотреть сам рабочий процесс, а не накладывать ИИ на старый.
Агентам нужен доступ к данным, знаниям и контексту и подключение к внутренним системам компании, разрозненная информация подрывает их эффективность, настаивает Чандра.
С ростом ответственности агентов растёт и важность управления: конфиденциальности, безопасности, контроля изменений; Чандра считает, что агентов нужно оценивать по тем же стандартам, что и людей-сотрудников.
Материал, партнёрский спецпроект MIT Technology Review и NiCE, приуроченный к вебкасту компании, а не независимая редакционная статья; ссылки на источник цифры 80% и конкретных кейсов, кроме самой NiCE, в тексте нет.

Почему это важно

Материал обращается к реальной и широко обсуждаемой проблеме: заголовки о массовом внедрении агентного ИИ (по данным материала, около 80% компаний Fortune 500) расходятся с тем, что настоящую отдачу от него получают единицы, а большинство компаний застряли на уровне разрозненных пилотов. Текст даёт типовой диагноз этого разрыва, от лица поставщика корпоративного ПО: нет привязки к бизнес-цели, ИИ накладывают на старый рабочий процесс вместо его пересмотра, данные и системы разрознены, а вопросы управления и ответственности за действия агентов заранее не продуманы.

Кому это важно

Тем, кто отвечает за переход от пилотов к внедрению агентного ИИ по всей компании: руководителям цифровой трансформации, ИТ- и операционным директорам, владельцам бизнес-процессов, которые разбираются, почему их собственные пилоты не масштабируются, и менеджерам, которые выбирают между конкурирующими платформами для оркестрации ИИ-агентов (сама статья опубликована в партнёрстве с одной из них, компанией NiCE).

Как это применить

Пошаговая логика Чандры: сначала явно определить бизнес-цель, рост выручки, снижение издержек или другая стратегическая задача, а не запускать пилот ради самого пилота. Дальше нужно пересмотреть сам рабочий процесс, в который встраивается агент, а не накладывать ИИ на устаревший или неэффективный процесс как есть, и обеспечить агентам доступ к нужным данным, знаниям и контексту с подключением к внутренним системам, иначе разрозненность данных подорвёт результат. Дальше, выстроить управление: конфиденциальность, безопасность, контроль изменений, и относиться к ИИ-агентам по тем же стандартам ответственности, что и к сотрудникам. И наконец не пытаться охватить всё сразу («boil the ocean», дословно «вскипятить океан»), а выбрать несколько приоритетных сценариев использования с измеримым результатом и уже вокруг них строить стратегию.

Можно ли доверять

Это не редакционная статья, а маркированный спонсорский материал: его подготовило подразделение MIT Technology Review по заказному контенту Insights в партнёрстве с NiCE и приурочило к вебкасту компании; сама публикация уточняет, что к тексту не имеет отношения редакция издания. Там же отдельно указано, что текст написан людьми под редакторским контролем, а ИИ-инструменты, если и применялись, были ограничены техническими процессами подготовки, проверить это утверждение читатель никак не может. В тексте нет ссылки на источник или методологию цифры «около 80% компаний Fortune 500», нет ни одного конкретного примера компании или кейса перехода от пилотов к масштабу (кроме самой NiCE как спонсора), нет цифр по экономии, выручке или сроку окупаемости и нет упоминания конкретного продукта или сервиса NiCE. Перед нами общие рекомендации от лица одного топ-менеджера компании-поставщика, а не независимое исследование или проверенный кейс.

Риски и подводные камни

Главный риск, принять рекламный контент за независимую аналитику: единственный собеседник материала работает в компании, которая зарабатывает на продаже платформ для агентного ИИ, а её собственные продукты и результаты в тексте не названы и не поддаются проверке. Совет «не пытаться охватить всё сразу, а выбрать приоритетные сценарии» звучит разумно, но не даёт ни конкретных критериев выбора, ни сроков, ни метрик, реализовать его можно только опираясь на собственную экспертизу читателя. Отдельный содержательный риск описан в самом материале: по мере того как агентам передают всё более значимые задачи, а команды заводят собственные, несвязанные между собой системы, растёт фрагментация и цена ошибок в управлении, конфиденциальности и безопасности.

«Эффективность этих ИИ-агентов целиком зависит от контекста, знаний и данных, которые они могут получить и использовать.»

— Арун Чандра, операционный директор NiCE