Ha meghallod az ügynök szót, mi jut eszedbe? Ingatlanügynök, biztosítási ügynök vagy akár FBI ügynök? A szokásos utasításokat követő asszisztenseken túlmenően egy ügynöknek megvan az ereje és képessége, hogy az Ön nevében megtörténjen.

Nem lenne jó, ha rendelkeznénk olyan technológiával, amely képes önálló feladatokat ellátni és levenni a munkát? Az autonóm ágensek gyorsan valósággá válnak, és képesek elvégezni az emberi feladatokat a hétköznapitól a bonyolultig.

2024-ben a szoftverek mindössze 1%-a tartalmazott autonóm ügynököket, de 2028-ra ez a szám 33%-ra emelkedhet. Ebben a bejegyzésben azt vizsgálom, mik azok az autonóm ügynökök, mit tehetnek Önért és ügyfeleiért, és hogyan valósíthat meg ilyet a szervezetében.

Tartalomjegyzék

Mi az autonóm ügynök?

Az autonóm ügynök egy mesterséges intelligencia által vezérelt rendszer, amelyet arra terveztek, hogy önállóan hajtson végre feladatokat és hozzon döntéseket a cél elérése érdekében. Az autonóm ágensek az ágens mesterséges intelligencia egy részhalmaza, a mesterséges intelligencia egy olyan fajtája, amely az interakciókból és az ingerekből tanul, döntéseket hoz, és minimális emberi beavatkozással vagy anélkül alkalmazkodik környezetéhez.

"Segítségre van szüksége? A Rozzum mindig teljesíti a feladatát!"

Ez Roz refrénje, a célorientált robot, aki lezuhant egy távoli szigeten a „The Wild Robot” című filmben, az egyik kedvenc animációs filmemben. Roz azonnal alkalmazkodni kezd új környezetéhez, és vevőt keres. Amikor végre talál egyet – egy árva kislibáról gondoskodik –, energiáját nemcsak a kisliba, hanem az egész sziget túlélésére fordítja.

Rozhoz hasonlóan az autonóm ágensek is az emberektől függetlenül működnek, alkalmazkodnak a környezetükhöz, és teljessé teszik a célirányos viselkedést.

A valós idejű adatokhoz és a környezeti bemenetekhez való hozzáférés az egyik megkülönböztető tényező, amely elválasztja az ágens mesterséges intelligenciát a többi MI-típustól. Ez különbözik az olyan alapmodelltől, mint a ChatGPT, amely előre képzett nagy, statikus adatkészletekre, és csak általános ismeretekből merít.

Az alapítványi modellek nagymértékben támaszkodnak az emberi késztetésekre a működéshez, ellentétben az autonóm ágensekkel, amelyek a céljai alapján hoznak döntéseket.

Hogyan segíthetnek az autonóm ügynökök?

A cégek autonóm ügynököket kezdenek építeni a marketingtől az értékesítésen át az ügyfélszolgálatig mindenhez. A Gartner előrejelzése szerint az ügynöki mesterséges intelligencia 2029-re megoldja az ügyfelek problémáinak 80%-át. De hogyan is néz ez ki a hétköznapokban?

Példák az autonóm ágensekre:

• Önvezető autók.
• Autonóm szállító drónok és robotok.
• AI kereskedési botok, amelyek a trendeket elemzik, és valós idejű piaci adatok alapján vásárolnak vagy adnak el.
• AI kiberbiztonsági ügynökök, akik fenyegetések alapján lépéseket tudnak tenni.
• Olyan mesterséges intelligencia kódolók, amelyek képesek olyan magas szintű célokat elérni, mint a „készíts nekem egy webhelyet” vagy „javítsd ki ezt a hibát, amelyet az ügyfelek jelentettek”, valamint kódot írnak és hibakeresnek.
• AI tartalomügynökök, amelyek hiperszemélyre szabott kampányokat készíthetnek és futtathatnak a potenciális ügyfelek viselkedése és adatai alapján.

Ezek az autonóm ügynökök és mások enyhíthetik az üzleti kihívásokat, például a csalást, az ügyfelek lemorzsolódását és a magas műveleti költségeket.

Ha helyesen alkalmazzák, az autonóm ügynökök felgyorsíthatják a folyamatokat, növelhetik a termelékenységet, növelhetik az ügyfelek elégedettségét, és akár 30%-kal csökkenthetik a működési költségeket.

Autonóm ügynökök kontra AI-ügynökök

Ha Ön is olyan, mint én, akkor a webhelyen működő chatbotok és hangasszisztensek, például a Siri és az Alexa korai verziói révén ismerkedhetett meg az AI-ügynökökkel .

Bár ezek az eszközök hihetetlenül hasznosak lehetnek, nagymértékben támaszkodnak az emberi felszólításra, és csak előre meghatározott adatkészletek alapján tudnak feladatokat végrehajtani vagy kérdéseket megválaszolni. Más szóval, nem önállóak.

"A chatbot a GYIK vagy a szervezet által létrehozott tudáscikkek alapján nagyon reaktív. Egy autonóm ügynök azonban holisztikusan tekint rád, mint ügyfélre" – mondja Zack Hamilton , a parcelLab növekedési stratégiájának és engedélyezésének vezetője.

Az autonóm ügynök célja, hogy proaktív cselekvést hajtson végre egy cél, például az ügyfelek megtartása vagy elégedettsége alapján.

"Az egyik első ügynök, amelyet építettünk, azokra a csomagokra összpontosított, amelyek későn jelentkeznek. Ha probléma adódik a szállítóval vagy a raktárban késik, az ügynök figyeli ezeket az adatokat, és proaktívan értesíti az ügyfeleket" – mondja Hamilton.

Hamilton szerint: „A kiskereskedők világszerte alkalmazzák ezt, mert ez javítja az ügyfelek elégedettségét és csökkenti a hívások mennyiségét. Láttuk, hogy „Hol a rendelésem?” a hívások száma 20-30%-kal csökken.”

	Autonóm ügynök/ügynök AI	AI ügynök
Függetlenségi szint	Teljesen autonóm	Felhasználói bevitelt igényel
Bonyolultság	Képes kezelni a dinamikus környezeteket	Jobb az egyszerűbb, strukturáltabb feladatokhoz
Végcél	Célvezérelt problémamegoldás	Végezzen el egy feladatot, konkrét utasításokat követve
Tanulás és alkalmazkodóképesség	Folyamatosan tanul és fejlődik	Statikus, szabályalapú

Hogyan működnek az autonóm ügynökök

Az autonóm ágensek a gépi tanulás, a természetes nyelvi feldolgozás (NLP) és a megerősítő tanulás kombinációján keresztül működnek. Az Agentic AI alapmodellek, eszközök és architektúrák rendszerét használja, amelyek lehetővé teszik az autonóm ügynök működését. A kulcs az, hogy rugalmasak, képesek megtervezni és alkalmazkodni a felmerülő kihívásokhoz.

Vegyük ezt a példát a The Wild Robotból, hogy lássuk, hogyan működnek az autonóm ágensek.

1. Érzékeljék a környezetükből származó adatokat.

Roz vevőt keres, és egy nagy vízfal üti el.

2. Elemezze a legjobb cselekvési módot.

Roz látja, hogy újabb hullám jön, és rájön, hogy a sziklára való felmászás a szárazföld eléréséhez a legjobb módja annak, hogy biztonságban maradjon, és megtalálja ügyfelét.

3. Cselekedj emberi beavatkozás nélkül.

Roz megpróbál felmászni a sziklára, de ismét a vízbe esik.

4. Ismerje meg és optimalizálja viselkedésüket.

Roz megfigyel egy rákot, amely oldalra mászik a sziklán, és a viselkedését utánozza, hogy sikeresen megmászhassa a sziklát.

Az autonóm ágensek típusai

Érdekel saját autonóm ügynököt? Minden autonóm ügynök más-más modellt követ, ezért a tervezés során vegye figyelembe ezeket a típusokat.

Szándékos ügynökök

A deliberatív ágensek olyan kognitív rendszerek, amelyek szimbolikus érvelés, tervezés és világmodell fenntartása alapján hoznak döntéseket.

Példa: Sakkjátékos mesterséges intelligencia, amely kiértékeli a tábla jövőbeli állapotait, mielőtt lépést tenne.

Hogyan működnek: Ezek az ágensek összetett algoritmusokat, például keresési és tervezési technikákat használnak a lehetséges eredmények értékelésére és az optimális művelet kiválasztására.

Reflexív szerek

Az egyszerű reflex szerek az aktuális érzékelő bemenetekre hatnak, valós időben alkalmazkodva a környezeti bemenetekhez.

A reflexív ágensek általában nem önmagukban ágens mesterséges intelligencia, hanem az ágens mesterséges intelligencia modellek szerves részét képezik.

Példa: Egy egyszerű termosztát a hőmérsékleti értékek alapján állítja be a fűtését vagy hűtését.

Hogyan működnek: A reflexív ágensek folyamatosan figyelik a környezetet érzékelőkön vagy kamerákon keresztül, és a bemenetek alapján reagálnak.

Hibrid ügynökök

A hibrid ágensek különböző mesterségesintelligencia-architektúrákat, például reflexív és deliberatív rendszereket kombinálnak a legjobb eredmény elérése érdekében. Általában egy reaktív komponens kezeli a valós idejű válaszokat, míg a mérlegelő rendszer előre tervez.

Példa: Egy önvezető autó szándékos érvelést használ az útvonal megtervezéséhez és követéséhez, majd reflexszerű érveléssel fékezi, amikor egy gyalogos keresztezi az útját.

Hogyan működnek: Integrálják a reaktív viselkedést (gyors válaszokat) a célorientált tervezéssel és a segédprogram-alapú optimalizálással, hogy összetett feladatokat hajtsanak végre.

Modell-alapú ügynökök

A modell alapú ügynökök belső modellt tartanak fenn környezetükről, hogy megjósolják, hogyan befolyásolják a cselekvések a jövőbeli állapotokat.

Példa: Autonóm porszívók, mint a Roomba, amely feltérképez egy helyiséget, és egy modell segítségével navigál az akadályok között.

Működésük: A modellalapú ügynökök leképezési technikákat és prediktív algoritmusokat használnak a dinamikus környezetek hatékony kezelésére.

Tanuló ügynök

A tanulóügynökök idővel javítják a teljesítményt a múltbeli tapasztalatok elemzésével és a visszajelzések alapján történő viselkedésmódosítással.

Példa: Egy ajánlási rendszer, mint a Netflix, amely a megtekintési előzmények alapján alkalmazkodik a felhasználói preferenciákhoz.

Hogyan működnek: Ezek a rendszerek megerősítő tanulási vagy egyéb gépi tanulási technikákat alkalmaznak az algoritmusok finomításához az új adatok és a korábbi műveletekből származó visszajelzések alapján.

Hierarchikus ügynökök

Azt is megtanultam, hogy az ügynöki mesterséges intelligencia esetében lehetségesek a többügynökből álló rendszerek (mind blown!). Vegyünk például egy olyan rendszert, ahol egy magas szintű autonóm ügynök felügyeli az alacsonyabb szintű ügynököket, akik olyan speciális funkciókat kezelnek, mint az ügyfélszolgálat, az ügyfelek megtartása és az értékesítés.

Példa: A Swarm by OpenAI , bár még kísérleti jellegű, lehetővé teszi az autonóm ágensek számára, hogy együtt dolgozzanak, vagy akár új autonóm ágenseket hozzanak létre egy átfogó cél elérése érdekében.

Hogyan működnek: Minden Hierarchikus Autonóm Ügynökraj (HAAS) egy legfelsőbb felügyeleti táblával (Tier 0) kezdődik, a hierarchia tetején, amely felügyeli a küldetést és az etikai keretet. Az igazgatóság magas szintű döntéseket hoz, és végrehajtó ügynököket (Tier 1) alakíthat ki, hasonlóan a C-suite szerepekhez.

A végrehajtó ügynökök alacsonyabb szintű ügynököket (Tier 2) hozhatnak létre meghatározott feladatok, például adatelemzés vagy ügyfélszolgálat elvégzésére. Az alacsonyabb szintű és végrehajtó ügynökök nem írhatják felül a felettük lévő szint tekintélyét.

Célalapú vs. segédprogram alapú ügynökök

Míg egyes autonóm ágensek célalapúak, mások hasznosságalapúak. A célalapú ügynökök egy meghatározott, előre meghatározott célt követnek, például eljutnak A pontból B pontba. Vegyük például a Roomba példáját. Megtisztított minden hozzáférhető alapterületet? Ezután ellenőrizze, hogy elérte-e a célt. Ezeket egyszerűbb megtervezni és megvalósítani, és jól működnek a világos céllal rendelkező feladatokkal.

A segédprogram alapú ügynök viszont a hasznosság alapján hoz döntéseket.

Az ügynök nem csak a cél teljesítésével törődik. Optimalizálni akarja az eredményt, például a hatékonyságot vagy a befejezéshez szükséges időt. Jó példa erre az Uber algoritmusa, amely figyelembe veszi a várakozási időt és az utazási költségeket is, amikor a versenyzőket a sofőrrel egyezteti. A segédprogram-alapú ügynökök rendkívül alkalmazkodóképesek és rugalmasak, ezért kifinomultabb modellezést igényelnek.

Autonóm ügynök példa használati esetek

Készen áll az autonóm ügynökök működésére? Bár az ügynöki mesterséges intelligencia még mindig új és fejlődőben van, tanulhat ezektől a vállalkozásoktól, amikor az autonóm ügynököket munkába állítják.

Joy a VoiceCareAI-tól

Forrás

Bár még nem állunk készen arra, hogy az autonóm ágensek egészségügyi diagnózisokat és kezeléseket állítsanak fel, az autonóm ágenseknek más életképes felhasználási lehetőségei is vannak az egészségügyben.

Vegyük például az adminisztratív feladatokat, mint például a biztosítás ellenőrzése, az előzetes engedélyezés és a kárigények feldolgozása, amelyekhez az egészségügyi rendszerek szerint havi 70 000 hívás szükséges .

Joyt, a VoiceCareAI startup önálló ügynökét a Mayo Clinic és mások tesztelik, hogy felhívják a biztosítókat ezen funkciók elvégzése érdekében. Például Joy felhívhat, hogy ellenőrizze, van-e előzetes engedély a fájlban. Ha nem, kérjen egyet, majd keresse később a számot.

Mivel a klinikusok idejük több mint 60%-át adminisztratív munkával töltik, ez felszabadul a betegellátásra. Most már csak egy fogyasztói verzióra van szükségünk, hogy a biztosítótársaságainkkal tárgyalhassunk helyettünk.

Avride szállító robotok

Forrás

Készülj fel. A következő pizzája vagy kávéja roboton keresztül érkezhet.

Az Avride- hoz hasonló robotfutárok flottái rohangálnak az egyetemi kampuszokon, és mindent szállítanak a meleg ételtől az élelmiszeren át a bevásárlásig.

Az önvezető autókhoz hasonlóan a kézbesítő robotoknak is valós idejű döntéseket kell hozniuk egy dinamikus környezetben, navigálva az utcákon, a gyalogosokon és olyan kihívások esetén, mint az időjárás, az építkezés vagy az állatok. Az Avride teljes autonómiával büszkélkedhet robotjai számára, amelyek érzékelők széles skáláját használják a környezeti bemenetekhez, hogy elérjék céljukat.

LOXM, JPMorgan & Chase

Forrás

A tőzsde egy összetett vállalkozás, amely megköveteli a kereskedőktől, hogy naponta több száz döntést hozzanak olyan tényezők alapján, mint a globális hírek, a vállalat teljesítménye és a tőzsdei aktivitás.

Ez az oka annak, hogy a JPMorgan & Chase nagyszerű lehetőséget teremtett egy önálló mesterséges intelligencia-kereskedelmi ügynök felépítésére. A LOXM NLP-t és gépi tanulást használ a piac valós idejű megértéséhez, és az ügyfelek megbízásainak végrehajtásához az optimális eredmények, például a kereskedési árak és a piaci hatások minimalizálása alapján.

A JPMorgan & Chase jelentése szerint a LOXM 15%-kal javította a rendelések hatékonyságát, és más területeken is bevezeti az ügynöki mesterséges intelligenciát, beleértve a szerződések intelligenciáját, a toborzást és az alkalmazottak termelékenységét.

Hogyan valósítson meg autonóm ügynököket csapata számára

Szóval, hogyan lehet kihasználni az autonóm ügynökök erejét? Beszéltem a CX szakértőivel ennek a munkának a frontvonaláról arról, hogyan kezdje el az ügynöki mesterséges intelligencia kiépítését a vállalatánál. Íme, mit mondtak.

1. Határozza meg vállalkozásában a fájdalompontokat.

Először is vizsgálja meg vállalkozása súrlódási pontjait, hogy feltárja a növekedés és az automatizálás lehetőségeit.

"Gondoljon az általános vásárlói élményekre – melyek a legnagyobb súrlódásai, és mi befolyásolja leginkább az eredményt? Ez lehet az ügyfélmegtartás, az ügyfél élettartamra vetített értéke vagy a magas ügyfélszerzési költség. Mindig van egy üzleti mutató" – mondja Hamilton. "Akkor gondolja át: "Rendben, hogyan tudok erre ügynököt alkalmazni?"

2. Határozza meg a célokat.

Ezután válassza ki a fájdalompontot, amelyet meg szeretne oldani, és válasszon egy célt. "Kezdje kicsiben. Ez nagyon kis használati eset lehet" – tanácsolja Hamilton. Világosan vázolja fel azokat a feladatokat és célokat, amelyeket az ügynöknek el szeretne érni, és lehetőség szerint tegye ezeket számszerűsíthetővé. Íme néhány példa:

• A potenciális ügyfelek azonosítása és minősítése az online viselkedés alapján
• Csökkentse a csalárd tranzakciókat
• A szoftverhibák önálló azonosítása és javítása
• Növelje az átlagos rendelési értéket

3. Válassza ki a megfelelő eszközöket.

Válassza ki a megfelelő mesterséges intelligencia-eszközöket és -platformokat, például a Breeze AI by HubSpotot , amelyek támogatják ügynöke fejlesztését. Építhet egyet házon belül, alkalmazottak vagy szerződéses munkaerő felhasználásával, vagy licencelhet egy meglévőt, például a parcelLab-ot .

Bár sok mesterséges intelligencia-eszköz be van építve az Ön által már használt eszközökbe, vagy azokkal van integrálva, bizonyos esetekben az AI-eszközök elég robusztusak ahhoz, hogy helyettesítsenek egyes eszközöket.

"Gondoljon az ügynökre, mint egy sajátfajta technológiai halomra. Kihasználja a különböző eszközeinket, például a kommunikációs eszközöket, de többé nem kell 10 vagy 12 különböző technológiával rendelkeznünk ahhoz, hogy válaszoljunk az ügyfeleknek – ez izgalmas" – mondja Hamilton.

4. Fejleszteni és tesztelni.

Ahogy elkezdi kódolni és felépíteni a modellt, használjon gépi tanulási algoritmusokat az ügynök fejlesztéséhez, és tesztelje képességeit valós helyzetekben.

"Az ügynökök mindenki adatait felhasználják majd, így az összes csapatnak, keresztfunkcionálisan, reagálnia kell. Kezdje tehát kicsiben, A/B tesztet, és tanuljon. Folyamatosan frissítse" – javasolja Hamilton.

5. Integráció a meglévő rendszerekkel és adatokkal.

Az autonóm ügynök felépítése és tesztelése során rendkívül fontos, hogy az adatok tiszták legyenek, és a rendszerek zökkenőmentesen működjenek együtt. Ehhez erős vezetésre és részlegek közötti együttműködésre lesz szükség ahhoz, hogy minden rendszer jól működjön együtt.

"Az ügynök csak olyan hatékonyan kezeli az Ön adatait, mint Ön. Tehát ha kihívások vannak az adatokkal kapcsolatban, és azok nem pontosak, természetesen az ügynök csak azt fogja kiköpni, amit Ön ad neki" – figyelmeztet Hamilton.

6. Készítse fel és fejlessze csapatát.

Ne becsülje alá annak szükségességét, hogy a sikeres integrációhoz oktassák és erősítsék csapatát. Amikor az alkalmazottak először hallanak az ügynöki MI-ről, megérzésük lehet a félelem. Aggódhatnak amiatt, hogy elveszítik az állásukat a mesterséges intelligencia miatt, vagy egy teljesen új készségkészletet kell megtanulniuk.

Amire szüksége van, az a hatékony változáskezelés .

„Megbízható ez a szkepticizmus? – Hogyan fog ez működni? és „Hogyan reagálnak majd rá ügyfeleink?” – mondja Hamilton.

"Azt mondanám a szervezeteknek, hogy az, hogy miként vezetsz ezzel a szkepticizmussal, meghatározza, hogyan reagálnak az alkalmazottak. Koncentrálj arra, hogyan szabadítja meg az AI az alkalmazottakat az alacsony értékű feladatoktól, hogy okosabban és gyorsabban dolgozhassanak, ahelyett, hogy lecserélnék őket."

Az is okos, ha felveszi, betanítja és továbbfejleszti a dolgozóit a mesterséges intelligencia készségeinek és a gyors mérnöki készségeknek, hogy kapacitást építsen ki az öt év múlva szükséges munkaerő számára.

7. Figyelje és optimalizálja.

Az autonóm ügynök bevezetésekor ügyeljen arra, hogy hozzon létre egy megfigyelő rendszert, amely képes dokumentálni az ügynök által hozott műveleteket és döntéseket. Korán ellenőrizze a döntéseket, hogy felismerhesse a problémákat és módosíthassa. A megfigyelés lehetővé teszi a KPI-k és az autonóm ügynökök késleltetett hatásának mérését is, így mérheti az értéket és folytathatja a befektetést.

8. Nagyítás.

Egy sikeres mesterségesintelligencia-pilóta futtatása után a tanultakat felhasználhatja a növekedéshez és a méretezéshez.

„Ha már szervezetként magabiztosnak érzi magát, akkor lehet, hogy az adott ügynök vállaljon nagyobb feladatot, vagy vezessen be egy másik ügynököt, aki más célokra összpontosít” – javasolja Hamilton.

Autonóm ügynökök dolgoznak Ön helyett

Mindabból, amit tanultam, úgy gondolom, hogy az autonóm ügynökök nem csupán egy újabb mesterséges intelligencia-trend – ők jelentik a márkákkal való kapcsolatunk jövőjét. Az alapvető AI-asszisztenseken túl az autonóm ügynökök elemezhetik az adatokat, és tanulhatnak az interakciókból, hogy javítsák az ügyfelek élményét és javítsák a hatékonyságot.

Tehát nem az a kérdés, hogy érdemes-e felfedezni az autonóm ügynököket, hanem az, hogy milyen hamar kezdheti el. Közelítse meg a kihívást a változásmenedzsment szemüvegén keresztül, és egy újradefiniált, erősebb csapattal lép ki.