Масштабирование ИИ-агентов с надежными данными

Руководителей бизнеса и технологий не нужно убеждать в том, что эпоха агентного ИИ наступила. Организации стремительно внедряют агентов, и мало кто из руководителей сомневается в потенциале этой технологии преобразить работу. Однако многие организации обнаруживают, что получение ожидаемой отдачи от инвестиций (ROI) в ИИ зависит от наличия правильной основы, а недостаточная инфраструктура и данные являются серьёзными препятствиями.

Агентный ИИ предъявляет к корпоративным системам данных множество новых требований. Переход от ответов на вопросы к выполнению действий означает, что ИИ-агентам нужны данные со всего предприятия — во всех их структурированных и неструктурированных формах и с правильным бизнес-контекстом. Чтобы принимать решения и действовать в режиме реального времени, агентам также необходим беспрепятственный доступ к операционным системам организации — например, к тем, где хранятся данные о цепочках поставок, продажах или человеческих ресурсах. Устаревшим системам данных, даже обновлённым всего несколько лет назад, трудно соответствовать этим требованиям.

По мере того как ИИ-агенты всё шире встраиваются в корпоративные операции, необходимость преодолеть ограничения устаревших систем данных становится всё более насущной. Если прогноз Gartner о том, что к 2027 году ИИ-агенты будут дополнять или автоматизировать 50% бизнес-решений, окажется верным, организациям необходимо устранить узкие места — в противном случае агенты могут оказаться лишены данных, необходимых им для быстрого принятия правильных решений.

В этом отчёте, основанном на опросе 300 руководителей, отвечающих за данные и технологии, рассматривается, как устаревшие системы ограничивают эффективность ИИ-агентов во многих организациях. Выяснилось, что небольшая группа организаций — лидеров в области данных — добивается больших успехов с агентным ИИ и сталкивается с меньшим количеством ограничений, связанных с устаревшими системами. Эти лидеры показывают, как создать правильную среду данных для развития агентов и масштабирования надёжных систем.

Основные выводы отчёта:

В настоящее время немногие компании обеспечивают агентному ИИ достаточный доступ к корпоративным данным. Во всех участвовавших в опросе организациях ИИ в среднем имеет доступ лишь к 45% данных компании. В организациях, отнесённых к категории «отстающих в области данных», этот показатель составляет 30% или меньше. Однако отдельная группа организаций обеспечивает доступ более чем к 70% своих данных. Эти «лидеры в области данных» добиваются от своих агентов больших успехов, чем остальные.

Доверие к решениям агентов отражает готовность данных. Сегодня лишь около половины опрошенных организаций доверяют тому, что решения, принимаемые их ИИ-агентами, точны и релевантны. Для сравнения, 100% лидеров в области данных доверяют решениям своих агентов — это убедительное свидетельство того, что для надёжного ИИ необходима надёжная основа данных.

Лидерам в области данных легче масштабировать агентов и обеспечивать их быстродействие. Две трети отстающих в области данных заявляют, что устаревшие системы данных ограничивают масштабирование ИИ-агентов (66%) и не позволяют агентам быстро принимать решения (68%). В значительной степени преодолев ограничения устаревших систем данных, лидеры в основном устранили эти препятствия: лишь 8% сообщают о наличии каждого из них.

Необходимо сделать инфраструктуру данных готовой к работе с агентами. В течение двух лет 100% респондентов планируют использовать агентный ИИ, причём 69% ожидают, что будут применять его широко. Если не устранить ограничения систем данных, агентный ИИ не сможет обеспечить обещанные им скорость и эффективность.

Доступ к данным и контекст — главные приоритеты. Самая важная инициатива для обеспечения масштабирования среди всех респондентов — улучшение доступа ИИ-агентов к структурированным и неструктурированным данным. В число других приоритетов входит совершенствование управления данными и ИИ с учётом бизнес-контекста. Лидеры в области данных также уделяют большое внимание автоматизации управления данными.

Скачать полный отчёт.

Этот материал подготовлен Insights — подразделением MIT Technology Review, создающим специализированный контент. Он не был написан редакцией MIT Technology Review. Исследование, разработка и написание материала выполнялись авторами, редакторами, аналитиками и иллюстраторами. Это включает подготовку опросов и сбор данных для них. Инструменты ИИ, которые могли использоваться, применялись лишь на второстепенных этапах производства, прошедших тщательную проверку людьми.