Ang kasunduan tungkol sa kakayahan ng agentic AI na tuparin ang mga pangako nito ay maingat na optimistiko: sa ngayon, ayos na, ngunit may mga mahahalagang paalala. Kam recently na survey ng PwC na nagsuri sa 300 senior executives na nag-aampon ng AI agents ay natuklasan na 66% ang nag-uulat ng positibong resulta ukol sa produktibidad. Gayunpaman, kapaki-pakinabang na tandaan na ang lahat ng sistema ay karaniwang nagdudulot ng ilang pagtaas sa produktibidad. Ang tunay na hangad ng mga ehekutibo ay isang makabuluhang kalamangan na nakakagawa ng matinding pagkakaiba sa kompetisyon. Sa kasalukuyan, iilan lang sa mga AI agent ang "nagbabago kung paano isinasagawa ang trabaho, " ayon sa mga manunulat ng ulat ng PwC. "Maraming empleyado ang gumagamit ng mga agentic na tampok na nakalakip sa mga enterprise app para mapabilis ang mga pangkaraniwang gawain — pagpapakita ng insights, pag-update ng mga rekord, pagsagot sa mga tanong. Ito ay isang makabuluhang pag-angat sa produktibidad, ngunit kulang pa ito sa tunay na pagbabago. " Ang pangunahing hadlang ay hindi ang technology mismo; sa halip, ito ay “mindset, kahandaan sa pagbabago, at pakikilahok ng workforce, ” ang konklusyon ng mga manunulat ng PwC. Sang-ayon si Mahe Bayireddi, CEO at co-founder ng Phenom, isang kumpanya na nagbibigay ng AI agents para sa HR functions, na ang mga hamon ay pangunahing nasa mga aspetong ito. Sa isang conference ng Phenom kamakailan sa Philadelphia, binigyang-diin ni Bayireddi na mahalaga ang konteksto para sa mga AI agent. “Maraming kailangang matutunan sa prosesong ito, ” sabi niya. “Sa kasalukuyan, walang mga eksperto na maaaring dinamiko na gabayan kung paano epektibong pangangasiwaan ang mga AI agent. ” Pinaliwanag ni Bayireddi, “Maaaring mapataas ng mga agent ang produktibidad ng humigit-kumulang 20-30%, basta’t tama ang paggamit nila, maganda ang pangangasiwa sa pagbabago, at naaangkop ang pakikipag-ugnayan sa datos. Ang pangunahing tanong ay kung paano ito magtatagumpay at kung paano mahusay na pangangasiwaan ang pagbabago. ” Ang mga AI agent at ang datos na kanilang pinangangasiwaan ay kailangang domain-specific, nag-iiba mula industriya hanggang industriya at kumpanya hanggang kumpanya. “Ang datos sa isang unibersal na antas ay medyo kumplikado, ” paliwanag niya. “Ang mga nuances ng konteksto at personalisasyon ay kritikal para sa tamang paggana ng AI. Hindi ito maaaring maging sobrang pangkalahatan. ” Ang pag-usbong ng mga AI agent ay nagsusulong ng generative AI tungo sa praktikal na aplikasyon.

Kapag na-integrate, maaaring “maisama ang mga ito sa mga workflow, ” sabi ni Bayireddi. “Hanggang ngayon, kailangang pumunta ang tao sa ChatGPT, magtanong, at maghintay ng sagot. Hindi iyan ang natural na paraan ng paggawâ ng trabaho. ” Dapat tutukan ang pagtugon sa mga nuances ng mga tiyak na tungkulin at proseso na target para sa automation gamit ang mga agent. “Dapat maisakatuparan ito sa isang epektibong paraan na nagsasama ng konteksto, ” dagdag niya. “Makakamit lamang ito kung ang agent ay epektibong gumagana sa isang departamento. ” Hindi tinitingnan ni Bayireddi ang mga AI agent bilang banta sa trabaho ngunit kinikilala niyang magpapabago ito sa kalikasan ng trabaho. “Magkakaroon ng mga bagong trabaho dahil sa mga agent, at magkakaroon din ng bagong uri ng mga gawain. Ang mga kasanayan ay isang bahagi nito; ang mismong trabaho at mga papel ay mag-iiba. ” Pinapayuhan ng mga manunulat ng PwC na huwag magpasakop lamang sa minimal na mga gantimpala gamit ang AI agents. “Ang mga kumpanya na humahantong lamang sa pilot stage ay nalalampasan ng mga kakumpetensyang handang mag-redesign ng trabaho nang mas paunti-unti. Limitado lamang ang ilang kumpanya na proactive sa pagtukoy sa hinaharap sa pamamagitan ng pagbubuo ng mga bagong operating model na nagsasama-sama at nagbibigay-sigla sa maraming AI agents. Mas maliit sa kalahati ang aktuwal na muling nag-iisip ng mga operating model at workflow (45%) o muling nagdidisenyo ng mga proseso base sa AI agents (42%). ”