ZDNET’i takip edin: Bizi tercih edilen bir kaynak olarak ekleyin Google’da.
ZDNet’in temel paketleri
- McKinsey, bir yıl boyunca 50’den fazla ajanik AI binası uyguladı ve gözlemledi.
- Dijital çalışanlar hızlanmak için çok iş gerektirir.
- AI ajanları tüm iş ihtiyaçlarına en iyi cevap değildir.
Birçok hesapla, AI ajanı günümüzün işgücünde dijital iş arkadaşları olarak kabul edilmektedir. Yani, insan işçilerinde olduğu gibi, yıllık performans incelemesine tabi tutulmalı, değil mi?
McKinsey’deki insanlar tam da bunu yaptı ve Bir Yıllık Performans İncelemesi danışmanlık firmasının uyguladığı ve gözlemlediği AI ajanlarının. Bu dijital çalışanlar işteki ilk yıllarında nasıl yaptı? McKinsey ekibinin sonuçları: hızlanmak için çok fazla iş gerektiriyorlar; Her iş ihtiyacına her zaman en iyi cevap değildirler; Ve insan meslektaşları ajanların çalışmalarından her zaman etkilenmez.
Ayrıca: Microsoft, AI uygulamaları ve temsilcilerinden oluşan bir pazar sunmak için AWS ile rekabet edecek
Lareina Yee, Michael Chui ve Roger Roberts tarafından yazılan ilerleme raporu, hepsi McKinsey ile birlikte, yazarların McKinsey’e liderlik ettiği en az 50 ajan AI inşa etti. AI ajanları ile bir yıl sonra öğrenilen altı derse vardılar.
1. Ajanlar iş akışlarında daha iyi performans gösterir
Yee ve meslektaşları tavsiyede bulunduğunda, AI ajanlarına sahip olmak için AI ajanlarını uygulamak onu kesmeyecek. Daha çok iş akışlarını artırmak için ajan enjekte etmekle ilgilidir.
İncelemeye göre, “Tüm iş akışlarını – yani insanları, süreçleri ve teknolojiyi içeren adımların – temel olarak yeniden tasarlanmasına odaklanan ajan yapay zeka çabalarının olumlu bir sonuç verme olasılığı daha yüksektir.” Ortak yazılar, kilit kullanıcı ağrı noktalarını ele almaya başlayın. Örneğin, sigorta şirketleri veya hukuk firmaları gibi belge yoğun iş akışlarına sahip kuruluşlar, acentelerin sıkıcı adımları ele almasını sağlar.
2. ajanlar her zaman cevap değildir
Yee ve ortak yazarları, “boşa harcanan yatırımlardan veya istenmeyen karmaşıklıktan kaçınmaya yardımcı olmak için, insanları yüksek performanslı bir ekip için değerlendirirken olduğu gibi ajanların rolüne yaklaşıyor.” “Sorulması gereken en önemli soru, ‘Yapılacak iş nedir ve her bir potansiyel ekip üyesinin veya ajanının bu hedeflere ulaşmak için birlikte çalışmak için göreceli yetenekleri nelerdir?’ ‘
Ayrıca: AI fomo var mı? 3 cesur ama gerçekçi bahisler bugün deneyebilir
Ajan AI bir sorun için çok fazlaysa veya sorun düşük değişkenliğe sahip standartlaştırılmış, tekrarlayan yaklaşımlar gerektiriyorsa, kural tabanlı otomasyon, öngörücü analitik veya büyük dil modeli (LLM) isteme gibi daha basit seçeneklere sadık kalın.
3. ai ‘slop’ yinelenen bir sorun olmuştur
McKinsey ekibinin gözlemlediği en yaygın sorunlardan biri, “demolarda etkileyici görünen ancak işten gerçekten sorumlu kullanıcıları hayal kırıklığına uğratan” ai slop veya düşük kaliteli çıktılarla “ajan sistemleridir. Sonuç olarak, kullanıcılar ajanlara olan güvenini kaybeder ve bunları kullanmayı bırakır.
Ortak yazarlar, “Şirketler, tıpkı çalışan gelişimi için olduğu gibi, ajan gelişimine büyük yatırım yapmalıdır.” İnsan çalışanlarında olduğu gibi, “ajanlara daha etkili olmaları ve düzenli olarak gelişmeleri için açık iş tanımları verilmeli ve sürekli geri bildirim verilmelidir.”
4. Çok sayıda ajanı izlemek zor
Yee ve ekibi, “Sadece birkaç AI ajanı ile çalışırken, çalışmalarını gözden geçirmek ve hataları tespit etmek çoğunlukla basit olabilir.” “Ancak şirketler yüzlerce, hatta binlerce acenteyi açtıkça, görev zorlaşıyor. Bir hata olduğunda – ve şirketler ajanları ölçeklendirdikçe her zaman hatalar olacak – tam olarak neyin yanlış gittiğini bulmak zor.”
Ayrıca: 6 içgörü hizmet liderinin ajan yapay zeka hakkında bilgi sahibi olması gerekir
Ekip, iş akışının her adımında ajan performansını doğrulayarak gözlemlenebilirlik araçları kullanarak bu dersi öğrendi. “İş akışında izleme ve değerlendirme, ekiplerin hataları erken yakalamasını, mantığı geliştirmelerini ve ajanlar konuşlandırıldıktan sonra bile performansı artırmasını sağlayabilir.”
5. Aracılar, işlevler arasında paylaşıldığında en iyi değeri gösterir
Tasarımcılar ortaya çıkan her görev için tekerleği yeniden oluşturursa ajanlar pahalı ve gereksiz olabilir. McKinsey ekibi, “Şirketler genellikle tanımlanan her görev için benzersiz bir ajan yaratıyor.” “Bu, önemli fazlalığa ve atıklara yol açabilir, çünkü aynı ajan genellikle aynı eylemlerin çoğunu paylaşan farklı görevleri yerine getirebilir – yutma, çıkarma, arama ve analiz etme gibi.”
Ayrıca: AI ajanları 2028 yılına kadar nasıl 450 milyar dolar üretebilir – ve yolda ne duruyor?
Yeniden kullanılabilir ajanlara yatırım yapmak, önce tekrar eden görevleri tanımlamayı gerektiriyorlar. “Farklı iş akışlarında kolayca yeniden kullanılabilen ajanlar ve aracı bileşenleri geliştirin ve geliştiricilerin bunlara erişmesini kolaylaştırın.”
6. Ajanlar asla kendi başlarına tamamen çalışmayacak
Ortak yazarlar, insan işçilerinin “mannequin doğruluğunu denetlemesine, uyum sağlamasına, yargıyı kullanmasına ve kenar vakalarını ele almasına” ihtiyaç duyulacaktır. “İnsanların ve ajanların birlikte iyi işbirliği yapabilmeleri için çalışmayı yeniden tasarlayın. Bu odak olmadan, en gelişmiş aracı programlar bile sessiz başarısızlıkları, birleştirme hatalarını ve kullanıcı reddi riskini taşır.”
Sonuç olarak, gelecek yılki ajan performans değerlendirmesi de yıldızdan daha az olabilir.
