Агентский ИИ

Поскольку агентный ИИ начинает оказывать влияние на принятие масштабных решений, прогрессивным организациям необходимо переосмыслить модели управления, доверия и работы — в противном случае они рискуют отстать.

Представьте себе два финансовых учреждения. Первое управляет процессом выдачи кредита с помощью лоскутной автоматизации на уровне задач и предиктивных моделей. Оно использует исторические кредитные рейтинги, жесткие правила андеррайтинга и пакетную обработку для перемещения заявок через ряд последовательных шагов. Хотя некоторые части процесса были оцифрованы, многие решения по-прежнему требуют человеческого вмешательства — будь то из-за обработки исключений, проверок соответствия нормативным требованиям или маркировки рисков. Это приводит к более медленному принятию решений, непоследовательному опыту заявителей и росту операционных расходов по мере роста объемов заявок.

Теперь рассмотрим второе учреждение. Здесь процесс выдачи кредита организован сетью систем агентского ИИ — автономных, мыслящих агентов, способных выполнять и адаптировать целые рабочие процессы от начала до конца. Они не просто выполняют предопределенные рабочие процессы, как это может делать традиционный ИИ, или преобразуют неструктурированные данные в новые идеи или медиа, как это может делать генеративный ИИ. Вместо этого эти агенты принимают данные в режиме реального времени из десятков источников, от макроэкономических показателей и цифрового поведения заявителей до изменений в регулировании и даже анализа настроений, и все это для принятия сложных решений. Они не только оценивают кредитоспособность, но и корректируют ценообразование, рекомендуют оптимальные пакеты продуктов и заранее отмечают аномалии для проверки человеком.

Агентские системы не просто выполняют задачи — они «думают». Они рассуждают, извлекают уроки из результатов и сотрудничают с другими агентами ИИ в таких областях, как обнаружение мошенничества, соответствие требованиям и распределение капитала для постоянной оптимизации производительности. В операциях агенты динамически перераспределяют рабочие нагрузки в колл-центрах, решают запросы клиентов с помощью контекстных и эмоционально интеллектуальных ответов и переходят на более высокий уровень только тогда, когда требуется человеческое суждение. Результат: лучшие решения, более быстрые циклы и значительно более низкие удельные затраты.

Важно, что агенты ИИ выводят на поверхность идеи, которые люди могут упустить. Когда тенденции в показателях кредитования неожиданно расходятся в определенной географии, агент может обнаружить закономерность на ранней стадии, проанализировать потенциальные причины и предложить стратегии смягчения — еще до того, как руководство узнает о проблеме. Другие агенты могут автономно заниматься нормативной отчетностью или стресс-тестированием, высвобождая человеческие таланты для стратегических инноваций.

Последствия глубоки. Агентный ИИ представляет собой не только новый технологический уровень, но и новую операционную модель. И хотя потенциал огромен, таков и риск. Без продуманного управления, прозрачности и подотчетности эти системы могут усилить предвзятость, скрыть подотчетность или спровоцировать сбои в соблюдении требований.

Решение? Относитесь к агентам ИИ как к корпоративным гражданам. Это означает больше, чем просто создание надежной технологии. Это означает переосмысление того, как принимаются решения с точки зрения сквозного подхода. Это означает разработку нового понимания того, какие решения может принимать ИИ. И, что самое важное, это означает создание новых структур управления (и затрат), чтобы гарантировать процветание как агентов ИИ, так и людей.

Агентный ИИ: потенциал и цена входа

Агентный ИИ знаменует собой резкий отход от традиционных систем, построенных на детерминированных архитектурах, основанных на правилах. В прошлом принятие решений на предприятии основывалось на жестко запрограммированной логике и статических рабочих процессах — например, на сценариях обслуживания клиентов, контрольных списках андеррайтинга или триггерах цепочки поставок. Хотя эти подходы полезны в предсказуемых средах, они неэффективны при столкновении с сегодняшними динамичными, объемными и контекстно-богатыми реалиями.

Вместо того, чтобы выполнять фиксированные инструкции, агентские системы действуют скорее как соавторы — рассуждают, адаптируются и обучаются с течением времени. В их основе лежат агенты ИИ: программные сущности, способные воспринимать окружающую среду, принимать автономные решения и предпринимать действия для достижения определенных целей. Агентные системы обычно следуют одной из двух форм:

• Системы с одним агентом, могут независимо выполнять сквозные задачи, такие как рассмотрение кредита, рассмотрение жалоб клиентов или динамическая корректировка уровней запасов на основе входящих сигналов спроса.
• Мультиагентные системы, напротив, работают как децентрализованные сети агентов, которые взаимодействуют и сотрудничают. Например, в контексте финансовых услуг один агент может оценивать кредитоспособность, другой может моделировать подверженность риску, а третий может обеспечивать соблюдение нормативных требований — все они работают вместе, чтобы оптимизировать клиентский путь и управлять компромиссами в реальном времени.

Потенциал агентного ИИ заключается в способности таких систем фундаментально изменять работу организаций. Они могут обеспечить экспоненциальный прирост скорости, масштаба и точности, позволяя компаниям сократить задержку в принятии решений и постоянно улучшать результаты. Представьте себе решения по андеррайтингу, которые можно генерировать за считанные секунды, отчетность о соответствии, которая обновляется в режиме реального времени, или клиентский опыт, который ощущается человеком — со скоростью и стоимостью машины. Короче говоря: более высокая производительность, лучшие решения и более адаптивное предприятие.

Хотя возможности заманчивы, цена входа высока, и трансформация не происходит в одночасье. Развертывание агентного ИИ — это не готовое решение, а долгосрочное мероприятие, требующее надежной инфраструктуры, совместимых экосистем данных и глубокой интеграции между функциями. Помимо технологий, это требует полного переосмысления ответственности, этики и управления. Лидерам необходимо инвестировать в перепроектирование операционных моделей, создавать новые архетипы талантов и устанавливать механизмы доверия, которые позволяют людям и ИИ безопасно и эффективно сотрудничать в масштабе.

Агенты ИИ как корпоративные граждане, которым необходимо управление

Чтобы полностью реализовать ценность агентного ИИ, организации должны меньше фокусироваться на обращении с этими системами как на экспериментальных инструментах и ​​больше на управлении ими так же, как управляют людьми. В этом предприятии, готовом к будущему, агенты ИИ становятся корпоративными гражданами: подотчетными, управляемыми и от них ожидают измеримой ценности. Это означает переосмысление того, как они финансируются, оцениваются и интегрируются. Так же, как и сотрудники-люди, агентам ИИ требуется следующая инфраструктура:

• Полная структура затрат. Компании уже понимают стоимость человеческого таланта — зарплата, льготы, бонусы и обучение. Агенты ИИ заслуживают такого же внимания. Руководители должны учитывать общую стоимость владения, включая ИТ-системы, переподготовку моделей, уровни оркестровки, инструменты управления и соответствие требованиям. И, как высокопроизводительные сотрудники, агенты должны иметь возможность преуспевать во всех функциях и ролях — развертываясь там, где они приносят наибольшее влияние, а не замыкаясь в изоляции.
• Определенные цели. Каждому агенту нужна должностная инструкция. Будь то разрешение претензий, выявление мошенничества или оптимизация запасов, их задачи должны соответствовать приоритетам бизнеса, а их результаты должны отслеживаться, как и цели любого члена команды.
• Управление производительностью. Людей проверяют на качество, скорость и воздействие. Агенты ИИ тоже должны проверяться. Их производительность — эффективность, точность и удовлетворенность пользователей — должна измеряться, контролироваться и улучшаться с течением времени, а неэффективные агенты должны переобучаться или увольняться.
• Управление и надзор. Люди действуют в соответствии с политикой и культурными нормами. Агентам ИИ нужны те же ограждения: этические рамки, прозрачность, контролируемость и отказоустойчивость для чувствительных решений. Особенно в регулируемых секторах это не опционально — это экзистенциально.
• Кросс-функциональная поддержка. Отличные сотрудники не делают только одно — они сотрудничают, адаптируются и растут. Агенты тоже должны. Наиболее эффективные системы ИИ — это те, которые разработаны для взаимодействия, что позволяет им поддерживать несколько доменов, обучаться в рамках вариантов использования и масштабироваться по всему предприятию.

Применяя к агентам ИИ те же стандарты, что и к людям, включая стоимость, подотчетность и адаптивность, организации поднимают их из тактических инструментов до стратегических активов рабочей силы. Они не просто выполняют работу; они становятся частью способа выполнения работы.

Переосмысление процесса принятия решений с помощью «умных операций»

Чтобы раскрыть весь потенциал ИИ в сфере услуг, организациям нужно сделать больше, чем просто развернуть технологию. Им нужно пересмотреть архитектуру принятия решений и выполнения работы, построив структуру «умных операций», в которой люди и агенты ИИ действуют в скоординированных, взаимодополняющих ролях.

Где цифровые агенты наиболее эффективны

Все начинается с использования правильного инструмента для правильной задачи. Ранние последователи агентного ИИ иллюстрируют ценность оценки возможностей на уровне сквозных рабочих процессов, а не изолированно (Приложение 2).

Агентный ИИ может достичь большего, чем просто процессы «включай и работай»: он может преобразовать весь опыт. Используются следующие типы агентов ИИ:

• Агенты на уровне задач точно следуют простым инструкциям для выполнения определенных, повторяющихся задач от начала до конца, таких как обработка возврата денег или перенос встречи.
• Автономные агенты по решению проблем выполняют несколько этапов рабочего процесса, которые включают базовые суждения, но в определенных рамках, например, проверку соответствия требованиям подписчика, подачу претензии или отправку последующего уведомления.
• Агенты-оркестраторы моделей действуют как менеджеры цифровых процессов, взаимодействуя с агентами-людьми и координируя работу инструментов, систем и других агентов ИИ для выявления аналитических данных, рекомендации действий или обобщения данных в режиме реального времени.
• Специализированные агенты адаптированы под критически важные бизнес-функции, такие как обслуживание клиентов, продажи или финансы, и оптимизированы для достижения конкретных результатов.

Такой модульный, ролевой подход позволяет организациям развертывать агентов с гарантией, что они соответствуют ценности бизнеса, операционным потребностям и пользовательскому контексту. Но развертывание агентов — это только половина истории. Чтобы создать действительно интеллектуальную операцию обслуживания, человеческие роли должны развиваться параллельно.

Роли людей

Поскольку агенты берут на себя напряженную, повторяющуюся или транзакционную работу, сотрудники переходят на роли, требующие большего контроля, этики и суждений, в том числе:

• Хранители, которые обеспечивают целостность данных, эффективность моделей и результаты для клиентов.
• Лица, принимающие решения, требующие принятия неоднозначных или высокорискованных решений, где важны контекст, нюансы и доверие.
• Утверждающие лица и аудиторы , которые проверяют исключения, управляют эскалациями и усиливают границы соответствия.

Этот сдвиг требует мышления по проектированию рабочей силы, а не просто плана внедрения технологий. Каждому цифровому работнику, как и каждому работнику-человеку, нужны четко определенные роль и цель, измеримое влияние на эффективность бизнеса, управление и надзор, а также возможности развиваться и учиться.

Это также означает признание простой истины: не каждый цифровой работник покажет немедленную окупаемость инвестиций — так же, как и не каждый человек. Важна производительность на системном уровне вашей рабочей силы, состоящей из человека и искусственного интеллекта.

Это подводит нас к следующему важному вопросу: после того как заложили основу интеллектуальных операций и переопределили роли, какие решения должен принимать ИИ, а какие по-прежнему требуют человеческого участия?

Перепроектирование процессов: не то что автоматизировать, а какие решения

В то время как агентный ИИ предлагает потенциал практически для любой функции, сервисные операции остаются самым острым испытательным полигоном. Эти среды насыщены объемными, повторяющимися задачами и данными, запертыми в хранилищах, что делает их идеальными для интеллектуальной автоматизации. Но вопрос больше не в том, что компании могут автоматизировать. Вопрос в том, какие решения они должны автоматизировать, и где человеческое суждение все еще имеет значение. Поэтому структура принятия решений, основанная на риске и сложности, становится существенной. Вместо того, чтобы гоняться за автоматизацией ради самой автоматизации, организации должны классифицировать решения на основе их неотъемлемого риска и степени требуемого суждения. Решения с низким риском и низкой сложностью, такие как проверка данных счета или проверка статуса претензии, являются основными для полной автоматизации. Сценарии с высоким риском и высокой степенью суждения, такие как обнаружение мошенничества или сложные исключения из политики, по-прежнему могут требовать человеческого надзора, хотя и поддерживаемого ИИ.

Каждое решение в рамках процесса и рабочего процесса можно тщательно оценить на этапе редизайна с точки зрения целесообразности использования агентного ИИ.

Агентский ИИ уже может автономно управлять широким спектром взаимодействий "на передовой". Например, в здравоохранении агенты ИИ могут динамически управлять расписанием встреч, прогнозировать показатели неявки и оптимизировать пропускную способность клиник. В коммунальных службах они могут отслеживать производительность сети, инициировать профилактическое обслуживание и информировать клиентов — и все это без эскалации.

Но настоящая ценность появляется, когда эти системы обслуживают не только клиентов, но и всю организацию. Каждое взаимодействие со службой становится точкой данных. Агенты ИИ могут выявлять тенденции жалоб, выявлять сбои в восходящих процессах и отмечать системные проблемы до их эскалации. Такая демократизация данных об услугах позволяет беспрепятственно передавать информацию из точек соприкосновения с клиентами в разработку продукта, маркетинг и операции, способствуя более быстрому и связанному принятию решений в масштабах всего предприятия.

Ведущие организации теперь могут выйти за рамки устаревшего мышления, просто сокращая объем контактов. В модели smart-ops объем не является врагом, это уровень интеллекта. Если данные об услугах собираются, интерпретируются и маршрутизируются эффективно с помощью ИИ, более высокий объем означает больше сигнальных данных, более быстрое обучение и большее создание ценности. То, что когда-то выглядело как стоимость, теперь может стать конкурентным преимуществом.

Конечно, чтобы сделать это реальностью, нужны инвестиции. Компаниям необходимо модернизировать инфраструктуру, погасить технический долг и наладить безопасный поток данных в реальном времени. Но те, кто сделает это первыми, переопределят сервисные операции не только как способствующие росту и эффективности, но и расширению стратегического понимания и координации.

Начальные шаги

Поскольку агенты ИИ берут на себя больше операционных задач, организациям необходимо переосмыслить, как проектируется работа, как поддерживаются люди и как измеряется ценность. Масштабное развертывание агентского ИИ — это не только технический, но и организационный сдвиг.

Компании могут начать со следующих шагов:

• Преодолейте разрыв между технологиями и бизнесом с помощью ответственности руководства. Успех ИИ зависит от кросс-функциональной согласованности. Встроенные команды, общие ключевые показатели эффективности и менеджеры по продуктам ИИ, свободно владеющие как бизнесом, так и технологиями, гарантируют, что инициативы не только технически осуществимы, но и коммерчески стратегически важны. Старшие руководители — начиная с главного операционного директора и директора по информационным технологиям — должны владеть результатами, определять структуры ответственности и моделировать изменение мышления, требуемое ИИ.
• Перепроектируйте роли и инвестируйте в переподготовку. Поскольку автоматизация переопределяет границы задач, роли должны смещаться в сторону обработки исключений, принятия решений на основе суждений и в сторону обслуживания клиентов. Компании могут инвестировать в грамотность в области ИИ, интерпретацию данных и системное мышление, чтобы подготовить таланты для новой, более ценной работы.
• Повысить культуру и изменить управление. Внедрение ИИ требует культурного соответствия. Прозрачная коммуникация, моделирование роли лидера и кросс-функциональное владение имеют решающее значение для создания доверия, снижения сопротивления и поддержания масштабного внедрения.
• Укрепляйте данные и архитектуры. Эффективность ИИ зависит от данных, соответствующих требованиям и надлежащим образом связанных. Организациям следует модернизировать инфраструктуру данных, обеспечить единое управление и создать масштабируемые системы, которые позволят ИИ безопасно и эффективно работать в разных функциях.

Чтобы раскрыть всю ценность ИИ в сфере услуг, компаниям необходимо будет перейти от автоматизации задач к проектированию решений, сосредоточившись не на том, что можно автоматизировать, а на том, какие решения следует автоматизировать. Это требует отношения к агентам ИИ как к корпоративным гражданам: цифровым работникам с определенными ролями, ответственностью и показателями производительности, встроенными в операционную модель. Следующий рубеж — не у кого больше ИИ, а у того, кто принимает самые разумные решения о том, как ИИ и люди работают вместе.

Источник

Когда ИИ может принимать правильные решения? Рост числа корпоративных граждан ИИ. 4 июня 2025 г. Статья. Федерико Беррути, Лари Хямяляйнен, Оана Чета, Венки Анант, Дамиан Левандовски.

When can AI make good decisions? The rise of AI corporate citizens. June 4, 2025 Article. By Federico Berruti, Lari Hämäläinen, Oana Cheta, Venky Anant.

https://www.mckinsey.com/capabilities/operations/our-insights/when-can-ai-make-good-decisions-the-rise-of-ai-corporate-citizens