Agentowa AI wychodzi poza pilotaże wolniej, niż sugeruje hype

Wiele dużych firm ma już za sobą pierwsze testy agentowej AI, lecz wdrożenie jej jako standardowej zdolności całej organizacji nadal należy do wyjątków. Z badania UiPath, obejmującego 590 członków najwyższej kadry zarządzającej i praktyków IT z prywatnych firm o rocznych przychodach co najmniej 1 mld dolarów w USA, Wielkiej Brytanii, Francji, Niemczech, Indiach i Singapurze, wynika, że problemem nie jest samo stworzenie pojedynczego agenta. Trudniejsze okazuje się prowadzenie powiązanych, nadzorowanych procesów w złożonym przedsiębiorstwie. 34

Wdrożenia są realne, ale zwykle fragmentaryczne

Tylko 31% respondentów stwierdziło, że AI jest w pełni osadzona w ich działalności. Kolejne 35% wskazało na ograniczone wykorzystanie w wybranych zespołach, a 11% nadal prowadziło ograniczone eksperymenty. 37

To typowa luka między udanym pilotażem a produkcyjnym wdrożeniem na dużą skalę. Zespół może szybko zweryfikować wartość agenta w zamkniętym przypadku użycia. Później agent musi jednak niezawodnie współpracować z firmowymi danymi, aplikacjami, istniejącymi procedurami oraz pracownikami, którzy przejmują sprawy wymagające wyjątku lub decyzji.

Trzy główne blokady skalowania

Respondenci najczęściej wskazywali trzy ograniczenia utrudniające optymalizację wdrożeń agentowej AI:

• jakość i gotowość danych — 38%,
• integrację z istniejącymi procesami i systemami — 37%,
• zarządzanie oraz zgodność z wymogami — 33%. 14

To przede wszystkim problemy operacyjne i architektoniczne. Model AI może potrafić interpretować informacje albo rekomendować działanie, ale proces produkcyjny potrzebuje też wiarygodnych danych wejściowych, właściwych uprawnień, połączeń między systemami, jasno określonej odpowiedzialności i ścieżki obsługi spraw, których nie da się zautomatyzować.

Szczególne znaczenie ma integracja w firmach opartych na starszych aplikacjach i procesach przebiegających przez wiele działów. Agent, który sprawdza się w jednym systemie lub zespole, nie staje się automatycznie elementem procesu od początku do końca — z wieloma przekazaniami, systemami i etapami zatwierdzania.

Orkiestracja procesów: warstwa koordynacji

UiPath używa pojęcia orkiestracji biznesowej na określenie warstwy łączącej dane, systemy, przepływy pracy, ludzi i agentów AI. W praktyce ma ona koordynować pracę w całym procesie: kierować zadania do odpowiedniej automatyzacji, agenta lub pracownika, śledzić postęp, stosować mechanizmy kontroli i przekazywać wyjątki tam, gdzie potrzebny jest ludzki osąd. 4

Pełne wdrożenie orkiestracji w całej organizacji zadeklarowało zaledwie 29% badanych. W tej grupie 89% respondentów podało, że ich wdrożenia agentowej AI spełniły lub przekroczyły oczekiwania dotyczące zwrotu z inwestycji (ROI). 315

Wynik jest istotny, ale nie dowodzi, że sama orkiestracja powoduje wyższy ROI. Badanie było finansowane przez dostawcę technologii i opierało się na deklaracjach respondentów. Firmy zdolne do pełnego wdrożenia orkiestracji mogą już dysponować lepszymi danymi, sprawniejszą integracją, większą dyscypliną procesową i silniejszym wsparciem kierownictwa. 15

Hybrydowe procesy dają agentom pole do działania

Badanie wskazuje także na znaczenie procesów hybrydowych, czyli łączących stałe, powtarzalne czynności z pracą dynamiczną i zależną od kontekstu. Ich obecność w codziennej działalności zgłosiło 52% ankietowanych liderów. 10

W takim układzie agenci nie muszą zastępować automatyzacji deterministycznej, czyli opartej na precyzyjnych regułach. Reguły mogą obsługiwać ustrukturyzowane, powtarzalne działania, a agent może pomagać przy nieuporządkowanych informacjach, zmiennym kontekście i zadaniach wymagających oceny. Warunkiem skalowania tej kombinacji pozostają jednak dobrze zaprojektowane procesy i mechanizmy kontroli.

Jakich korzyści oczekują przedsiębiorstwa

Najczęściej wymieniane korzyści z orkiestracji były bardzo praktyczne:

• uwolnienie pracowników do zadań o większej wartości — 51%,
• lepsza integracja aplikacji — 47%,
• skuteczniejszy nadzór nad przepływami pracy — 44%. 4

To wzmacnia główny wniosek badania: przedsiębiorstwa nie szukają wyłącznie bardziej autonomicznego oprogramowania. Potrzebują niezawodnego sposobu koordynowania ludzi, aplikacji, automatyzacji i AI w procesach, które można obserwować, mierzyć i nadzorować.

Co to oznacza dla zespołów wdrażających AI

Pojedynczy pilotaż można rozpocząć stosunkowo łatwo. Znacznie trudniej stworzyć powtarzalne wdrożenie obejmujące całą firmę. Wyjście poza etap testów wymaga nie tylko wyboru modelu AI lub uruchomienia samodzielnego agenta, ale też fundamentów: wiarygodnych danych, interoperacyjności aplikacji, właścicieli procesów, zasad nadzoru, monitorowania i ścieżek eskalacji do człowieka.

Dlatego kluczowe pytanie dla liderów nie brzmi jedynie: gdzie agent może pomóc? Równie ważne jest: jak ma działać bezpiecznie i w sposób mierzalny w całym procesie? Organizacje, które rozwiążą ten problem koordynacji, mają lepszą pozycję, by zamienić obiecujące eksperymenty działowe w międzyfunkcyjne możliwości biznesowe. 4