QwenWork ei myy vain tokeneita – Alibaba rakentaa tekoälyagentteja yritysten työnkulkuihin

QwenWork on Alibaban yrityksille suunnattu tekoälyagenttialusta, jonka tavoite on viedä tekoäly pois pelkästä keskusteluikkunasta varsinaiseen työhön. Se yhdistää kolme aiempaa tuotetta – QoderWorkin, MuleRunin ja Wukongin – yhdeksi kerrokseksi, joka voi toimia työpöydällä, pilvipalveluissa, yhteistyötyökaluissa, tiedostoissa ja yritysjärjestelmissä. 13

Ajatus on yksinkertainen: yritystekoälyn arvo ei synny siitä, kuinka paljon kukin työntekijä saa käyttää mallin tokeneita, vaan siitä, pystyykö agentti toteuttamaan oikeilla tiedoilla, käyttöoikeuksilla ja valvonnalla toistettavia työnkulkuja.

Mikä QwenWork on – ja miksi kolme tuotetta yhdistettiin

Alibaba avasi QwenWorkin julkiseen betatestaukseen yhtenäisenä työpaikan tekoälyagenttialustana. Se kokoaa QoderWorkin, MuleRunin ja Wukongin kyvyt yhteen: työpöytäagentit, pilviagentit ja yritysyhteistyöhön tarkoitetut agentit toimivat samassa käyttöliittymässä. 13

Yhdistämiselle on käytännön peruste. Yrityksen työprosessi ei yleensä sijaitse yhdessä sovelluksessa: työntekijä voi joutua tarkistamaan paikallisia tiedostoja, hakemaan tietoa liiketoimintajärjestelmästä, keskustelemaan sisäisessä viestipalvelussa, laatimaan asiakirjan ja sopimaan jatkotoimista. QwenWorkin tarkoitus on ottaa vastaan luonnollisella kielellä annettu tavoite ja koordinoida monivaiheista työtä näissä ympäristöissä. 26

Alibaba ei siis asemoi QwenWorkia vain avustajaksi, jolta kysytään kysymyksiä. Tarkoituksena on toteutuskerros: käyttäjä kuvaa halutun lopputuloksen, seuraa työn etenemistä, tarkistaa tuloksen ja voi tallentaa tai ajastaa toistuvat tehtävät. 2

Näin QwenWorkin kokonaisuus rakentuu

QwenWork ei ole yksi kielimalli eikä yksi sovellus. Sen lupaus perustuu usean kerroksen yhteispeliin.

Qwen-mallit hoitavat päättelyn

QwenWork hyödyntää Alibaban Qwen-malliperhettä esimerkiksi suunnittelussa, sisällöntuotannossa, ohjelmoinnissa ja yhteistyötehtävissä. Qwen3.8 julkaistiin QwenWorkin yhteydessä, ja Alibaba esitteli ne yhdessä yrityksille suunnattuna tekoälytarjontana. 79

Ero on olennainen: malli tuottaa päättely- ja generointikyvyn, kun taas QwenWorkin tehtävä on koordinoida työn toteutusta tiedostojen, työkalujen, datan ja hyväksyttyjen liiketoimintaprosessien ympärillä. Kyvykäs malli voi kirjoittaa vastauksen, mutta agenttialusta pyrkii käyttämään samaa kykyä hallitusti varsinaisessa työssä.

Alibaba Cloud tarjoaa työtilat ja toimintaympäristön

QwenWorkin ohjeistuksen mukaan käyttäjä yhdistää QwenWork-tilin Alibaba Cloud -tiliin, siirtyy henkilökohtaiseen tai organisaation työtilaan ja valitsee tarvittaessa malleja, lisää tiedostoja sekä ottaa käyttöön Skills-ohjeita tai liittimiä. 2

Tämän vuoksi kyse ei ole vain työpöytächatbotista. Alibaban mallissa työ voidaan organisoida yhteisten ympäristöjen ja uudelleenkäytettävien resurssien ympärille niin yksittäisille käyttäjille kuin tiimeillekin.

DingTalk tuo agentit yhteistyön yhteyteen

Alibaba kertoi, että QwenWork tulee saataville DingTalkin työpöytä- ja mobiiliversioihin upotettuna agenttina. 1 DingTalk on Alibaban yritysyhteistyöalusta. Integraatio on keskeinen osa tarjontaa, sillä työntekijöiden pitäisi voida käyttää tekoälyä siinä ympäristössä, jossa keskustelut, dokumentit, kokoukset, viestit ja hyväksynnät jo tapahtuvat.

MyContext kokoaa yrityksen kontekstin

Alibaba on raporttien mukaan avannut lähdekoodina MyContext-infrastruktuurin, jonka tarkoitus on muuttaa pikaviesteihin, dokumentteihin, hyväksyntöihin ja sähköpostiin hajautunut tieto agenttien hyödynnettäväksi kontekstiksi. Erään ulkopuolisen raportin mukaan projekti oli saanut raportointihetkellä yli 3 000 GitHub-tähteä. 5

Tämä on arkkitehtuurissa merkittävä väite. Yritystyön ongelma ei usein ole se, etteikö malli osaisi kirjoittaa, vaan se, että toimintaan tarvittava tieto on hajallaan eri järjestelmissä ja käyttöoikeuksien takana. MyContextin tarkoitus on tuoda organisaation tietoa agentin saataville ilman, että työntekijän täytyy rakentaa sama tausta uudelleen jokaiseen kehotteeseen.

CRM- ja ERP-yhteydet voivat tehdä ehdotuksista toiminnallisia

Alibabaan liittyvässä raportoinnissa kuvataan agenttia, joka voi hakea luonnollisella kielellä annetun pyynnön perusteella asiakas-, varasto- ja muuta tietoa CRM- ja ERP-järjestelmistä sekä antaa ehdotuksia. 5

Yrityksen näkökulmasta tässä on ero tiedon tiivistämisen ja tiettyä operatiivista työnkulkua tukevan tekoälyn välillä. Hyöty kuitenkin riippuu datan oikeellisuudesta, huolellisesti suunnitelluista käyttöoikeuksista, auditointimahdollisuuksista ja ihmisen tekemästä tarkastuksesta – ei vain integraatioiden määrästä.

Skills tekee toimintatavasta uudelleenkäytettävän

QwenWorkin Skill on etukäteen kirjoitettu työohje: se määrittelee tietyn tyyppisen tehtävän vaiheet, odotetun tulosmuodon ja huomioitavat yksityiskohdat. Kun ohje on määritelty, QwenWork voi tunnistaa ja soveltaa sitä myöhemmissä keskusteluissa. 17

Skills on tärkeä, koska se voi tehdä yksittäisen asiantuntijan toimintatavasta siirrettävää osaamista. Sen sijaan että tulos olisi yhden henkilön kehotetaitojen varassa, tiimi voi kuvata prosessin ja käyttää sitä johdonmukaisemmin uudelleen.

Varhaiset käyttöluvut ja avoimen lähdekoodin merkkipaalu

Alibaba ilmoitti QwenWorkin ylittäneen 30 miljoonan käyttäjän rajan kuukaudessa sen jälkeen, kun Kiinan beta avattiin. Yhtiön mukaan yli puolet käyttäjistä oli yritystilejä, ja käyttöönottoa oli muun muassa auto-, rahoituspalvelu-, logistiikka-, ruumiillistuneen älyn ja tieteellisen tutkimuksen aloilla. 3

QwenWorkin kansainvälinen versio avattiin myös julkiseen betaan. Alibaba kohdistaa sitä muun muassa Aasian, Latinalaisen Amerikan ja Lähi-idän markkinoille. 46

MyContextin avaaminen lähdekoodina ja raportoitu GitHub-tähtien määrä kertovat kehittäjäkiinnostuksesta, mutta niitä ei pidä tulkita todisteeksi pysyvästä yritysarvosta. Tähdet, betarekisteröinnit ja tuotejulkaisut mittaavat kiinnostusta ja vauhtia – eivät yksinään tietoturvaa, luotettavuutta tai pitkän aikavälin sijoitetun pääoman tuottoa. 5

Miksi tämä haastaa token-kiintiöajattelun

Termillä ”Token Maxxing” tarkoitetaan tässä yritysten tapaa hankkia työntekijöilleen suuria tekoälyn token-kiintiöitä ilman selkeää yhteyttä liiketoimintahyötyyn. Suuremmasta kapasiteetista voi olla hyötyä, mutta tokenien kulutus on panos, ei tuottavuuden tai laadun mittari.

QwenWork tarjoaa toisenlaisen mallin:

• Yhteinen konteksti: agentit voidaan ankkuroida organisaation tietoon yksittäisen työntekijän kertaluonteisen kehotteen sijaan. 5
• Yhdistetty toteutus: tekoäly voi toimia yhteistyö- ja liiketoimintajärjestelmien rinnalla sen sijaan, että se pysähtyisi tuotettuun vastaukseen. 15
• Uudelleenkäytettävä osaaminen: Skills-ohjeeseen voidaan kuvata prosessi kerran ja soveltaa sitä samanlaisissa tehtävissä myöhemmin. 17
• Tuloksiin perustuva mittaus: tiimit voivat arvioida säästettyä aikaa, virheiden vähenemistä, läpimenoa, tarkastustyön määrää ja palvelun laatua tokenien kulutuksen sijaan.

Kyse on uskottavasta yritystekoälyn teesistä, mutta arkkitehtuuri ei yksin todista sitä oikeaksi. Järjestelmien yhdistäminen korostaa käyttöoikeuksien hallinnan, datan hallintamallin, virhetilanteiden käsittelyn ja valvonnan merkitystä. Työnkulkuagentti luo kestävää arvoa vain, jos taustalla oleva prosessi on luotettava ja tuotoksiin on turvallista nojata.

Mitä Changan Automobilen käyttötapaukset kertovat

Alibaba kertoo Changan Automobilen ottaneen QwenWorkin käyttöön tutkimuksessa ja tuotekehityksessä, valmistuksessa, toimitusketjussa, myynnissä ja palvelussa. 3 Esimerkit ovat kiinnostavia, koska ne koskevat konkreettisia prosesseja yleisluonteisen tekoälyn käytön sijaan.

Tuotekehitys: johtosarjojen laskenta

Alibaban mukaan Changanin insinöörit rakensivat johtosarjalaskennan työkalun, joka lyhensi tehtävän kahdesta päivästä noin viiteen minuuttiin. Yhtiö raportoi myös valaistussuunnittelun yhteensovitustehtävän lyhentyneen viikoista yhteen kokoukseen. 3

Olennaisempaa kuin näyttävä nopeutusluku on mekanismi: insinöörit muuttivat erikoistuneita laskentasääntöjä suoritettavaksi työnkuluksi. Se on esimerkki siitä, miten toimialakohtaista osaamista voidaan tehdä uudelleenkäytettäväksi sisäiseksi työkaluksi.

Tuotanto: ajoneuvoasiakirjojen tarkastus

Alibaba raportoi ajoneuvoasiakirjojen tarkistussovelluksen lyhentäneen yhden auton tarkastusajan yli kymmenestä minuutista alle kahteen minuuttiin. 3

Tämä sopii työnkulkuagentille hyvin: se voi verrata rakenteisia tietoja, tunnistaa poikkeamia ja ohjata epäselvät tapaukset ihmisen vahvistettaviksi. Säännellyissä tai laadun kannalta herkissä ympäristöissä tärkeää ei ole vain nopeus, vaan myös tarkistusten luotettavuus ja auditointikelpoisuus.

Toimitusketju: toimittaja-arviointien automatisointi

Alibaba kertoo automatisoitujen toimittaja-arviointien vähentäneen työmäärää 90 prosenttia. 3 Changanin pakkausarviointiprosessia koskevissa kuvauksissa satojen toimittajien ja tuhansien osien kokonaisuus pilkottiin automatisoiduiksi skripteiksi tiedonkeruuta, tilanneraportointia ja viivehälytyksiä varten. 3

Tämä on lähempänä yritysagentin lupausta kuin pelkkä tekstin generointi. Tekoälystä on hyötyä vain, jos se pystyy hyödyntämään relevantteja prosessisääntöjä ja tietolähteitä, tuottamaan käyttökelpoisen tilannekuvan ja jättämään poikkeukset näkyville niille ihmisille, jotka vastaavat lopputuloksesta.

Myynti ja palvelu: palautteen nopeampi analyysi

Alibaba raportoi myös, että kymmenientuhansien kyselyvastausten automatisoitu käsittely lyhensi käyttäjäymmärryksen analysoinnin päivistä puoleen päivään. 3

Yhdessä nämä esimerkit viittaavat siihen, missä QwenWork voi olla vahvimmillaan: toistettavissa, tietovaltaisissa tehtävissä, joissa syötteet ovat selkeitä, tarkastusvaiheet jäsenneltyjä ja liiketoimintavastuu nimetty.

Näytöllä on myös rajansa

Alibaba nimeää QwenWorkin käyttäjiksi myös esimerkiksi Huifu Worldin, Transfar Groupin ja Laoxiangjin. 3 Saatavilla oleva aineisto ei kuitenkaan esitä yhtä yksityiskohtaisia ja riippumattomasti varmennettuja tuloksia kaikista väitetyistä käyttötapauksista esimerkiksi logistiikassa, tutkimuksessa, hankinnassa, aikataulutuksessa, seurannassa tai taloudellisissa tarkistuksissa.

Changanista julkaistut mittarit ovat hyödyllisiä signaaleja operatiivisista vaikutuksista, mutta ne ovat pääosin yhtiöiden omia ja hyvin varhaisia raportteja. Niitä on luettava tapaustutkimusväitteinä, ei riippumattomana näyttönä siitä, että QwenWork päihittäisi jokaisen muun yritystekoälyn toteutustavan.

Ydinajatus

QwenWorkin vahvin lupaus ei ole suurempi token-budjetti. Se on mahdollisuus muuttaa organisaation konteksti, järjestelmäpääsy ja asiantuntijoiden toimintatavat hallituiksi työnkuluiksi, joita työntekijät voivat käyttää uudelleen.

Alibaban varhaiset käyttöluvut ja Changanin tapausesimerkit tekevät alustasta seurattavan. Organisaatioiden, jotka arvioivat QwenWorkin kaltaisia ratkaisuja, kannattaa silti testata itse vaikeimmat kysymykset: mihin dataan agentti pääsee käsiksi, miten toiminnot hyväksytään, miten tuotoksia auditoidaan, miltä virhetilanteet näyttävät ja säilyvätkö parannukset tuotantokäytössä. Yritystekoälyn voittaja ei ole alusta, joka tuottaa eniten tokeneita, vaan se, joka parantaa oikeaa työtä luotettavasti.