ИИ-агенты упираются в барьеры: почему старые рабочие процессы мешают прогрессу

Корпоративные команды, внедряющие искусственный интеллект, сталкиваются с серьезными трудностями. Причина не в недостаточных возможностях самих ИИ-моделей, а в том, что существующие рабочие процессы изначально не были адаптированы для автономных агентов. В результате задачи не выполняются, передача данных нарушается, и проблема усугубляется по мере того, как организации все глубже интегрируют ИИ-агентов во внутренние операционные системы. Для решения этой задачи формируется новый архитектурный уровень — системы управления выполнением рабочих процессов, которые обеспечивают детерминированную структуру для задач, ожидаемых от ИИ-агентов.

Salesforce предлагает решение

Одной из компаний, активно развивающих это направление, является Salesforce. Она представила новую платформу для управления рабочими процессами, которая преобразует внутренние операционные задачи в набор заданий для специализированных ИИ-агентов. Пользователи могут загружать собственные процессы или использовать готовые шаблоны, предоставляемые Salesforce. Система Agentforce Operations анализирует и структурирует эти процессы для дальнейшего выполнения агентами.

Как отметила в интервью Sanjna Parulekar (Санжна Парулекар), старший вице-президент Salesforce по продукту, ключевая проблема заключается в том, что многие корпоративные рабочие процессы изначально не были спроектированы для взаимодействия с ИИ-агентами. По словам Парулекар, часто недостатки в процессах закладываются еще на этапе формирования требований к продукту. Когда такие несовершенные процессы загружаются в систему, они не функционируют должным образом. Новая платформа позволяет оптимизировать их, устранить избыточные элементы и заменить часть задач выполнением агентами. Без такого уровня контроля и структурирования компании рискуют внедрить ИИ-агентов, которые будут не решать, а усугублять проблемы, увеличивая при этом издержки.

От человеческого суждения к машинной детерминированности

Компании, внедряющие ИИ-агентов, усваивают дорогостоящий урок: их рабочие процессы разрабатывались с учетом человеческого суждения и способности к импровизации, а не для машинного исполнения. Процессы, которые формировались годами через обходные пути — с расплывчатыми шагами, неявными решениями и координацией, зависящей от личного опыта сотрудников — дают сбой, когда от агентов требуется строгое и буквальное их выполнение.

Даже обладая полным контекстом компании, системы искусственного интеллекта испытывают трудности с выполнением задач, если неясно, что именно они должны делать. Команда Санжны Парулекар обнаружила, что сосредоточение на сути процесса и его декомпозиция на более явные и детализированные шаги делает систему более предсказуемой и детерминированной. В этом случае, когда такие платформы, как Agentforce Operations, задействуют агентов, последние уже точно знают свои конкретные задачи.

Отмечается, что такой подход вынуждает компании переосмысливать свои процессы и повышает их прозрачность благодаря модели отслеживания сессий, встроенной в систему. Дополнительно, возможно интегрировать механизмы контроля со стороны человека, что делает процесс еще более понятным и контролируемым.

Отличие этого подхода от других решений по автоматизации рабочих процессов состоит в том, что он не полагается на ИИ-агентов в принятии решений о следующем шаге; эти решения принимает сама система. В отличие от традиционных инструментов автоматизации, которые распределяют задачи и агентов на основе вероятностного принятия решений, новая платформа обеспечивает выполнение задач на основе заранее определенной, детерминированной структуры.

Новые вызовы: управление и ответственность

Кодификация рабочего процесса не способна исправить его недостатки. Если процесс содержит ошибочные шаги, то его перевод в формат для агентов лишь закрепляет проблему в масштабе всей системы. Как только рабочие процессы распределяются между агентами, основная задача смещается от простого исполнения к управлению: кто отвечает за процесс, кто его утверждает и как он будет развиваться при изменении бизнес-условий.

Это возлагает на команды ответственность за критическую оценку своих процессов, чтобы определить, что работает эффективно, а что нет. Организациям необходимо учитывать, что помимо системы управления выполнением процессов, предлагаемой платформами вроде Agentforce Operations, должен быть назначен ответственный за успешное завершение задач.

Брэндон Меткалф, основатель и генеральный директор компании Asymbl, специализирующейся на управлении рабочими процессами, в отдельном интервью изданию VentureBeat подчеркнул, что ключевым фактором для успешного следования рабочему процессу как людьми, так и ИИ-агентами, является общая, четко определенная цель. По его словам, без понимания цели ни агент, ни человек не смогут успешно выполнить задачу. Кто-то должен контролировать достигаемый результат – будь то человек или ИИ-агент.

Таким образом, узкое место в автоматизации сместилось. Как отметил Меткалф, вопрос больше не в том, способны ли агенты самостоятельно решить задачу, а в том, достаточно ли целостен и логичен базовый рабочий процесс для их выполнения. Для компаний, которые выстраивали свои процессы вокруг человеческого суждения и накопленного опыта, это гораздо более сложная задача, чем просто внедрение более продвинутой модели ИИ.