Sutarimas dėl agentinės dirbtinio intelekto gebėjimo įvykdyti savo pažadus yra atsargiai optimistinis: iki šiol viskas vyksta gerai, bet su svarbiomis pastabomis. Naujausio PwC apklausos, kurioje dalyvavo 300 vyresnių vadovų, kurie diegia dirbtinio intelekto agentus, rezultatai rodo, kad 66 % praneša apie teigiamus rezultatus produktyvumo didinimo srityje. Tačiau verta paminėti, kad visi sistemos paprastai duoda tam tikrą produktyvumo pagerėjimą. Tikroji vadovų siekiamybė yra reikšmingas pranašumas, kuris sukuria išskirtinį konkurencinį išskirtinumą. Šiuo metu tik kelios dirbtinio intelekto agentai „perkeičia, kaip vyksta darbas“, teigia PwC ataskaitos autoriai. „Daug darbuotojų naudoja agentinius funkcionalumus, įdiegtus į įmonių programas, siekdami paspartinti įprastus užduotis – atverti įžvalgas, atnaujinti įrašus, atsakyti į klausimus. Tai reikšmingai didina produktyvumą, bet dar nepasiekia tikrosios transformacijos. “ Pagrindinė kliūtis nėra pati technologija; tai yra „mąstysena, pasirengimas pokyčiams ir darbuotojų įtraukimas“, apibendrina PwC autoriai. Mahe Bayireddi, Phenom generalinis direktorius ir bendraįkūrėjas – įmonės, teikiančios dirbtinio intelekto agentus HR funkcijoms, – sutinka, kad iššūkiai pirmiausia kyla būtent šiose srityse. Kalbėdamas apie neseniai vykusią Phenom vartotojų konferenciją Filadelfijoje, Bayireddi pabrėžė, kad kontekstas yra labai svarbus dirbtinio intelekto agentams. „Šiuo procesu yra daug ką išmokti, “ sakė jis. „Šiuo metu nėra ekspertų, galinčių dinamiškai vadovauti, kaip efektyviai valdyti dirbtinio intelekto agentus. “ Bayireddi išsamiai paaiškino: „Agentai gali padidinti produktyvumą apie 20–30 %, jei jie naudojami teisingai, pokyčių valdymas yra gerai įgyvendintas, o duomenys su jais tinkamai dirbami. Svarbiausias klausimas yra, kaip tai padaryti sėkmingai ir kaip efektyviai valdyti pokyčius. “ Dirbtinio intelekto agentai ir su jais dirbantys duomenys turi būti pramonės specifiniai, skirtingi nuo vienos srities iki kitos ir nuo įmonės prie įmonės. „Duomenys plačiame lygmenyje yra gana sudėtingi, “ paaiškino jis. „Konteksto ir personalizacijos niuansai yra esminiai, kad dirbtinis intelektas veiktų tinkamai. Tai negali būti per daug bendras. “ Dirbtinio intelekto agentų atsiradimas žengia pažangą generatyvaus dirbtinio intelekto praktinio pritaikymo link.

Jie gali būti „įdiegiami į darbo srautus“, sakė Bayireddi. „Iki šiol žmonės turėdavo kreiptis į ChatGPT, užduoti klausimą ir laukti atsakymo. Taip darbas vyksta natūraliai. “ Reikėtų sutelkti dėmesį į tai, kaip spręsti konkrečių funkcijų ir procesų subtilybes, kuriuos siekiama automatizuoti agentais. „Tai turi būti įgyvendinta efektyvia forma, apimanti kontekstą, “ pridūrė jis. „Tai įmanoma tik tada, kai agentas veikia efektyviai viename padalinyje. “ Bayireddi nereglamentuoja dirbtinio intelekto agentų kaip grėsmės darbo vietoms, tačiau pripažįsta, kad jie pakeis darbo pobūdį. „Dėl agentų atsiras naujų darbo vietų, ir taip pat atsiras naujų darbo rūšių. Įgūdžiai yra viena iš šios raidos dalių; pats darbas ir vaidmenys evoliucionuos. “ PwC autoriai pataria nesitenkinti minimaliu nauda su dirbtinio intelekto agentais. „Įmonės, kurios sustoja ties bandomojo projekto etapais, rizikuoja pralenkti jas vejusius konkurentus, kurie yra pasirengę iš esmės pertvarkyti darbą. Tik keli įmonės aktyviai apibūdina ateitį, kurdamos naujus veiklos modelius, kuriuose integruojami ir koordinuojami keli dirbtinio intelekto agentai. Mažiau nei pusė įmonių iš esmės pergalvoja veiklos modelius ir darbo srautus (45 %) arba perkuria procesus aplink dirbtinio intelekto agentus (42 %). “