Dzięki agentom AI możemy skrócić procesy trwające tygodniami do kilkunastu minut

Z Piotrem Mechlińskim, Head of AI & Data na region EMEA w Inetum rozmawiamy o: strategicznych błędach popełnianych w obliczu rosnącej dostępności sztucznej inteligencji, dobrych praktykach i wyzwaniach związanych z wdrożeniami AI, istocie i możliwościach technologii agentowych oraz doświadczeniach zespołu Inetum w używaniu i wdrażaniu takich rozwiązań. 

Na jakim etapie transformacji biznesowej znajdujemy się obecnie?

Stoimy u progu znaczących i wielowątkowych zmian związanych z wykorzystaniem sztucznej inteligencji. Nie dotyczy to jedynie firm, ale też całych gospodarek i społeczeństw. Za sprawą AI zmianom ulegną nie tylko role pracowników, lecz także sposób, w jaki ich praca przekłada się na wartość dla organizacji. Narzędzia, z których dziś korzystamy – w zastosowaniach biznesowych – staną się wielokrotnie bardziej efektywne.

Czy będą lepsze? To zależy od sposobu, w jaki będziemy z nich korzystać. Mam jednak wrażenie, że dziś bardzo często brakuje nam odwagi i wyobraźni, aby spojrzeć w przyszłość.

Udajemy, że te zmiany nas nie obejmą?

Poniekąd tak. Wydaje mi się, że to wynika również z ogromnej dynamiki zmian technologii AI. Przyznam, że zastanawiam się czasem nad tym, jaka będzie rola ludzkiej, naturalnej inteligencji – i w ogóle rola człowieka w nadchodzącym świecie. Na ile AI odciąży nas od myślenia?

Już dziś pojawiają się analizy mówiące o tym, że regularne korzystanie z generatywnej sztucznej inteligencji powoduje stopniowe wyłączanie pewnych obszarów mózgu. Co na tym zyskujemy, a co tracimy? Co w takim razie będzie w nas wyjątkowym na tle coraz bardziej inteligentnych maszyn? Być może będzie to empatia. Z pewnością tego typu problematyka jest szeroka. Dotyka nie tylko świata technologii, ale też całego systemu społecznego.

Technologie agentowe pozwalają nie tylko realizować wybrane operacje, lecz także zastępować całe struktury organizacyjne. Efekty zależą jednak od inteligencji i odwagi liderów. Warto obserwować liderów rynku, by zdecydować, gdzie tego rodzaju inwestycje mają sens.

Wiele tych zmian napędzą jednak projekty biznesowe. Jakie kroki warto podjąć, aby dobrze wykorzystać potencjał AI?

Myślę, że pora wysilić naszą własną inteligencję i zacząć odważnie budować strategię rozwoju i działania w realiach powszechnego wykorzystania AI. Każda organizacja powinna dysponować jasno określoną wizją i strategią, które wyznaczą ogólne kierunki transformacji procesów i modeli biznesowych na kolejne lata.

Warto zastanowić się jak chcielibyśmy na te zmiany zareagować, jak zmodyfikować firmę, aby nadal dostarczała konkretne wartości na rynek, wreszcie jak zorganizować pracę ludzi i przeprojektować ich role, aby najlepiej wykorzystać ich unikalność i kompetencje. Niewątpliwie jest to jednak trudne. Wymaga dobrego wyczucia prowadzonej działalności, dynamiki rynku, ale także potencjału i ograniczeń technologii oraz silnych i słabych stron zespołu.

Mam niestety wrażenie, że wielu liderów biznesowych i technologicznych koncentruje się obecnie głównie na kwestiach taktycznych, niskopoziomowych, być może starając się oddalić od siebie wizję znaczących zmian. W wielu organizacjach po prostu brakuje odwagi, aby jednoznacznie przyznać, że znaczące zmiany procesowe i biznesowe są nieuniknione.

Znam np. firmy, które kwestionują możliwości wykorzystania generatywnej sztucznej inteligencji w obsłudze klienta przez wzgląd na skalę operacji. Tymczasem Uber od ponad roku prowadzi ponad 66% konwersacji z klientami na bazie AI. Robi to skutecznie. Trzeba zatem mieć świadomość, że odkładanie strategicznych dyskusji i ewentualnych decyzji może być niebezpieczne.

AI zmieni realia rynkowe we wszystkich sektorach i na zasadzie dyfuzji będzie przenikać do różnych obszarów biznesowych. Już dziś obniżył się popyt na ogólne usługi konsultingowe czy tworzenie prostego kodu aplikacyjnego. Takie procesy firmy mogą własnymi siłami uprościć i zautomatyzować za sprawą generatywnej sztucznej inteligencji.

Jakie doświadczenia związane z wykorzystaniem AI ma zespół Inetum?

W naszym przypadku początkiem drogi do szerokiego wykorzystania sztucznej inteligencji było uświadomienie sobie, że technologia AI już niedługo będzie wywierała przemożny wpływ również na naszą branżę i naszych klientów. Zaczęliśmy od ogólnych i powszechnych szkoleń związanych z AI. Następnie skupiliśmy się na dwóch głównych obszarach, w których zaczęliśmy stosować GenAI na szerszą skalę.

Pierwszy z nich to proces tworzenia oprogramowania. Polega on w dużej mierze na powtarzalnym tworzeniu standardowego kodu, a więc wykorzystanie GenAI przynosi wymierne wartości w stosunkowo krótkim czasie.

Moim zdaniem jest to obszar, od którego warto rozpocząć szersze wdrażanie generatywnej organizacji w każdej firmie mającej zespół deweloperski. Choć nasze pierwsze doświadczenia były dość ambiwalentne. Okazało się, że w świadomym technologicznie zespole Inetum istotnym wyzwaniem jest akceptacja zmiany i odejście od wcześniejszego modelu pracy.

Zaczęliśmy od ogólnych i powszechnych szkoleń związanych z AI. Następnie skupiliśmy się na 2 głównych obszarach. Pierwszy z nich to proces tworzenia oprogramowania. Drugim obszarem, w którym zaczęliśmy szeroko korzystać z AI, są rozwiązania agentowe.

Potrzebne było zatem zbudowanie pozytywnych doświadczeń…

To prawda. Wdrożenie rozwiązań opartych na sztucznej inteligencji to w pewnym sensie proces oswajania użytkowników ze zmianą, ale także zarządzanie tą zmianą. Proszę pamiętać, że sztuczna inteligencja nie jest nieomylna. Maszyna może tworzyć kod aplikacyjny przyzwoitej jakości. Wymaga jednak kontroli.

Drugim obszarem, w którym zaczęliśmy szeroko korzystać z AI, są rozwiązania agentowe. Nasze zaangażowanie w ten obszar to efekt potrzeby rynkowej. Nasze doświadczenia z agentami AI okazują się unikalne, bo skupiają się na integracji różnych technologii. Specjalizacja technologiczna Inetum koncentruje się wokół rozwiązań czołowych dostawców: Microsoft, SAP, Salesforce i ServiceNow, a także usług chmurowych Microsoft Azure, Amazon Web Services oraz Google Cloud. Wypracowaliśmy metody wykorzystania podejścia agentowego do efektywnej integracji różnych technologii, łączenia danych z różnych domen i systemów, a także konstruowania procesów przebiegających wskroś różnych rozwiązań. To nas wyróżnia.

Na rynku dominują stosunkowo proste, punktowe wdrożenia technologii agentowych. Mamy do czynienia głównie z pojedynczymi agentami realizującymi proste działania w ramach procesów, zwykle w obszarze obsługi klienta. Dostrzegamy natomiast rosnące zainteresowanie szerszym zastosowaniem agentów, może jeszcze nie w kontekście całych domen czy procesów, ale całych sekwencji kroków procesowych. Realizując tego rodzaju projekty, bierzemy na warsztat całe procesy i wspólnie z klientami zastanawiamy się, do których kroków – i czy w ogóle – warto zaangażować AI.

Liderzy wykorzystania technologii agentowych patrzą na potencjał takich rozwiązań nie przez pryzmat istniejących procesów czy ról, tylko pracy, która jest do wykonania. Są zatem bardziej skłonni do zmian istniejących procesów i tworzenia nowych.

Dlaczego szerokie spojrzenie na potencjał technologii agentowych jest tak rzadkie?

Wydaje mi się, że cały czas myślimy – choć może to dziwnie zabrzmi – po ludzku i skupiamy się na rolach występujących w istniejących procesach. Niektóre firmy wykorzystujące agentów AI na szerszą skalę traktują te rozwiązania niczym cyfrowych pracowników, opisują ich stanowiska, nadają imiona. Myślą o rozwiązywaniu konkretnych problemów czy wręcz zastępowaniu istniejących ról niemal 1:1.

Liderzy wykorzystania technologii agentowych patrzą na potencjał takich rozwiązań nie przez pryzmat istniejących procesów czy ról, tylko pracy, która jest do wykonania. Są zatem bardziej skłonni do zmian istniejących procesów i tworzenia nowych. Technologie agentowe pozwalają nie tylko realizować wybrane operacje, lecz także zastępować całe struktury organizacyjne. Efekty zależą jednak od inteligencji i odwagi liderów. Warto obserwować liderów rynku, by zdecydować, gdzie tego rodzaju inwestycje mają sens.

Tego właśnie można oczekiwać po wykorzystaniu agentów AI?

Głównie korzyści wynikają z możliwości zmniejszenia pracochłonności rutynowych czynności, co przekłada się na redukcję kosztów lub zwiększenie produktywności. Docelowo nie chodzi tu jednak o cięcia zatrudnienia. W wielu organizacjach istnieją obszary lub zespoły, które są wąskim gardłem dla istotnych procesów. Wykorzystanie agentów AI może skrócić średni czas oczekiwania na kwestie formalne, decyzje, opinie prawne lub dane z tygodni do minut.

Agentyzacja może również przekładać się na poprawę jakości usług. Przykładowo, przy generowaniu kodu aplikacyjnego, wartością są standaryzacja, powtarzalność kodu tworzonego i testowanego przez agentów.
W Inetum pomagamy klientom w realizacji takich projektów. Wartość naszych usług opiera się na doświadczeniu w realizacji złożonych projektów opartych na systemach agentowych odpowiadających na różne, często unikalne scenariusze biznesowe. Pracujemy np. dla dużej firmy produkującej silniki lotnicze. Tego typu działalność oznacza konieczność utrzymywania licznych repozytoriów dokumentacji technicznej, projektowej, związanej z certyfikacją, wymaganiami bezpieczeństwa itp.

Analiza i utrzymywanie spójności, tworzonej latami dokumentacji, wymagają ogromnych nakładów pracy. Używając agentów AI, jesteśmy w stanie zautomatyzować tego typu zadania, z zachowaniem wysokiego poziomu bezpieczeństwa i pełnej zgodności z regulacjami. Udaje nam się skrócić procesy trwające tygodniami do kilkunastu minut.

Możemy też zautomatyzować powoływanie infrastruktury IT na potrzeby testowania oprogramowania lub analizy scenariuszowej na podstawie konkretnych wymagań zawartych w dokumentacji. Takie rozwiązania mogą znacząco przyspieszyć działanie organizacji, zmniejszyć frustrację pracowników wynikającą z oczekiwania, aż ktoś inny wykona swoje złożone zadania. W efekcie, zwrot z inwestycji w agentów AI zaangażowanych w złożone procesy jest zdecydowanie wyższy niż w przypadku punktowych wdrożeń, choć może być trudniejszy do wyliczenia.

Czy bardziej zaawansowani agenci są skuteczniejsi od tych stworzonych do pojedynczych zadań?

Tak. Zamiast tworzyć kilkunastu agentów zajmujących się pojedynczymi zadaniami, warto pomyśleć o stworzeniu bardziej złożonych konstrukcji operujących na całych procesach lub ich elementach. Niektóre zadania, choć złożone, żmudne czy niewdzięczne dla ludzi, są trywialne dla maszyn.

Jak zbudować architekturę środowiska agentowego?

Istnieją dwa główne modele architektury agentowej – scentralizowane i rozproszone. Architekturę systemu agentowego warto wybrać, wychodząc od danych, z których mają korzystać agenci AI. Jeśli dane kluczowe w kontekście planowanej automatyzacji są zgrupowane w jednym miejscu, jak w większości małych i średnich organizacji, wówczas naturalny jest model scentralizowany. Można wtedy wykorzystywać rozwiązania hiperskalerów.

Z kolei w dużych firmach dane są często rozproszone geograficznie, dziedzinowo, ale także technologicznie. Wtedy oczywisty jest model zdecentralizowany, wykorzystujący wielu agentów wyspecjalizowanych w różnych funkcjach i technologiach. W obu przypadkach istotnym wyzwaniem jest skuteczna orkiestracja agentów. Tu również przydatne są rozwiązania dostępne u wiodących operatorów środowisk publicznej chmury obliczeniowej, ale nierzadko potrzebne jest użycie specjalistycznych narzędzi. Decyzje w tym obszarze są często uzależnione od stosu technologii wykorzystywanych w danej organizacji.

Ważnym elementem w wielu projektach tego typu jest zapewnienie zgodności z regulacjami i politykami. Pomocne okazuje się tu zresztą zastosowanie specjalizowanych agentów AI, które zajmą się wychwytywaniem ewentualnych halucynacji i potencjalnych nadużyć.

Rosnąca rola agentów AI oznacza konieczność zapewnienia im danych o wysokiej jakości. W miarę rozwoju środowisk agentowych w firmach potrzebne staje się wdrożenie procesów AI Governance oraz AI Ops. Te dwa obszary są niezbędne do tego, aby zarządzać działaniem agentów AI spójnie. Rola człowieka jest tu niezastąpiona, bo każdy agent może okazać się słabym ogniwem systemu. Powinno to być skorygowane. Zapewnienie nadzoru i wyrywkowe testowanie działania agentów to proces, w którym AI może pomóc, ale nie wyręczy człowieka.

Czy warto korzystać z rozwiązań agentowych wbudowanych w różnego rodzaju systemy biznesowe?

Oczywiście. Wracamy tu jednak do architektury danych. Jeśli konkretne rozwiązanie biznesowe jest mocno osadzone w organizacji – tj. przetwarza np. 80% jej danych – to wykorzystanie agenta wbudowanego w takie rozwiązanie, mającego natywny dostęp do danych i rozumiejącego logikę oprogramowania, może być stosunkowo łatwe i efektywne. Co więcej, myślę, że rozwiązania agentowe staną się standardową funkcjonalnością coraz bardziej rozbudowanych systemów biznesowych.

Z pewnością jednak gros wyzwań pojawi się na styku takich rozwiązań, w kontekście ich interakcji czy integracji. Dedykowanych rozwiązań wymagać będzie natomiast objęcie podejściem agentowym starszych lub dedykowanych aplikacji biznesowych, a także bardziej złożonych i rozproszonych środowisk aplikacyjnych.

Co różni agentów AI od rozwiązań z zakresu robotyzacji procesów RPA?

Generalnie, podejście RPA opiera się na sztywno zdefiniowanych procedurach, więc każda zmiana warunków brzegowych, procesów czy danych wejściowych zwykle powoduje konieczność zmiany zaprogramowanego sposobu działania. Agenci AI mają dużo większą autonomię. Z drugiej strony, dostawcy technologii RPA także sięgają po sztuczną inteligencję, aby zapewnić swoim rozwiązaniom zdolność do reagowania na takie zmiany.

Różnice między tymi technologiami już się zacierają. Tym bardziej niezbędne staje się zbudowanie wizji w perspektywie 2-3 lat, do której chcemy dążyć, i przełożenie jej na warstwę technologiczną, a więc wskazanie odpowiednich rozwiązań, w tym wybór właściwych technologii RPA oraz agentów AI.

Warto też podpatrywać działania realizowane przez organizacje, które odnoszą sukcesy w zakresie stosowania agentów. Niekoniecznie są to bardzo znane marki. Według mnie, jedną z nich jest Darktrace. Opracowała ona autonomicznego agenta wyspecjalizowanego w obszarze CyberSec. Jest on w stanie samodzielnie wykrywać i precyzyjnie izolować zagrożenia w złożonych środowiskach IT w ciągu kilkunastu sekund, zastępując nawet kilkudziesięcioosobowy zespół specjalistów.

Za ciekawą uważam również firmę FutureHouse. Ta spółka, wspierana przez Erica Schmidta, byłego dyrektora generalnego Google, stworzyła czterech agentów wyspecjalizowanych w obszarze badań naukowych. Ich zastosowanie pozwala radykalnie przyspieszyć walidację hipotez naukowych, ograniczyć ryzyko powielania prac badawczych, a także proponować nowe kierunki badań i planować eksperymenty z dziedziny chemii.

Kolejnym interesującym przykładem jest Waymo. Firma ta rewolucjonizuje rynek przewozu osób przy wykorzystaniu autonomicznych pojazdów. W USA taksówki Waymo wykonują obecnie ponad 250 tys. komercyjnych kursów tygodniowo.

Architekturę systemu agentowego warto wybrać, wychodząc od danych, z których mają korzystać agenci AI. Jeśli dane kluczowe w kontekście planowanej automatyzacji są zgrupowane w jednym miejscu, wówczas naturalny jest model scentralizowany. Można wtedy stosować rozwiązania hiperskalerów.

W jakim zakresie Inetum wspiera klientów w realizacji projektów związanych z wykorzystaniem agentów AI i generatywnej sztucznej inteligencji?

Wspieramy klientów we wszystkich działaniach zmierzających do zaangażowania sztucznej inteligencji w procesy biznesowe. Począwszy od budowania strategii, przez wybór technologii, opracowanie architektury, aż po realizację wdrożenia. Naszym głównym partnerem technologicznym jest Microsoft. Ale jesteśmy mocni we wszystkich wiodących technologiach, również chmurowych.

Nie jesteśmy firmą doradczą, ale znamy możliwości AI w kontekście specyfiki poszczególnych branż. Czerpiemy przy tym z doświadczeń całej grupy Inetum. Warto dodać, że w Polsce funkcjonuje jedno z trzech globalnych centrów kompetencyjnych Inetum w obszarze AI. Nasi polscy klienci są więc odrobinę uprzywilejowani, jeśli chodzi o zakres lokalnego wsparcia w tego typu projektach.