Come scalare gli agenti AI per le aziende

Quando si incontrano i leader aziendali, c'è entusiasmo per il potenziale di ciò che l'agentic AI può fare per un'organizzazione. Inoltre, è evidente la necessità di rispondere alla domanda su come i leader aziendali possono implementare l'agentic AI in modo efficace ed efficiente.

Una nuova ricerca dell'IBM Institute for Business Value mostra il consenso e l'entusiasmo dei leader aziendali: l'86% di quelli intervistati si aspetta che l'automazione dei processi e la reinvenzione del workflow siano più efficaci con gli agenti AI entro il 2027.

Gli strumenti tradizionali di AI o di automazione offrono utili incrementi di produttività, seppur ancora marginali, ma non stanno trasformando il processo sottostante. Con l'agentic AI, possiamo davvero iniziare a ottenere risultati aziendali più grandi e strategici che possono creare maggiore produttività ed efficienza in un'organizzazione.

Non vogliamo solo che l'AI ci dica cosa fare, ma anche che inizi ad agire. Dobbiamo andare oltre gli assistenti AI ed espandere ciò che è possibile con gli agenti AI in grado di eseguire e adattare i processi sotto la supervisione umana. Questo cambiamento richiede una vera reingegnerizzazione del modo in cui viene svolto il lavoro, sbloccando il tipo di valore che i dirigenti aziendali vogliono davvero ottenere.

Secondo l' IBM Institute for Business Value, già il 76% dei dirigenti intervistati afferma di gestire e fornire proof-of-concept che consentono l'automazione autonoma di workflow intelligenti tramite gli agenti AI.

Tutti i clienti con cui ho lavorato vogliono che abbiamo una profonda comprensione dell'agentic AI, un punto di vista credibile e un'esperienza di scalabilità dell'agentic AI. E per buone ragioni. L'agentic AI offre molte promesse e un immenso potenziale per trasformare le attività, ma con essa arrivano le esigenze tecniche e la necessità di un cambiamento culturale all'interno dell'organizzazione.

Dalla mia esperienza personale ho imparato che il "come" è diventato un aspetto fondamentale per clienti e organizzazioni. Sono ansiosi di vedere risultati incredibili in termini di riduzione dei costi, efficienza e produttività. Le seguenti sono le mie opinioni su come integrare questa tecnologia e scalarla per ottenere ottimi risultati.

Le aree specifiche in cui abbiamo visto operare l'agentic AI includono il servizio clienti, il procurement, la finanza e l'intero processo IT, ma ciò che stiamo vedendo specificamente nel servizio clienti è un'opportunità significativa.

In effetti, abbiamo trasformato i contact center che utilizzavano chatbot e strumenti di automazione tradizionali passando a un approccio agentico. Il nostro approccio agentico all'esperienza conversazionale introduce un team coordinato di agenti AI in grado di gestire una gamma più ampia e complessa di domande dei clienti, invece di un singolo assistente con script, come un chatbot. Questo aiuta a realizzare efficienze significative operando con una base di guardrail definiti per promuovere la conformità e la coerenza.

Ciò che rende l'agentic AI più efficace dei chatbot tradizionali è la sua capacità di operare in modo olistico, non solo seguendo gli script, ma coordinando dinamicamente le azioni, adattandosi alle eccezioni e apprendendo continuamente. Gli agenti non funzionano in una sequenza fissa. Collaborano tra loro e con gli esseri umani per determinare il modo più efficiente per risolvere compiti complessi in tempo reale.

Ci sono misure preventive e preparazioni che devono essere prese in considerazione per implementare l'agentic AI in modo efficace ed efficiente, prima che un'organizzazione possa scalare le soluzioni e vedere esiti migliori.

La prima cosa è identificare un'opportunità all'interno della tua attività. Ad esempio, supponiamo che io voglia rendere la mia funzione di procurement più efficiente e che voglia implementare una soluzione agentica. IBM ha sviluppato una metodologia per consentire ai clienti di valutare formalmente se una soluzione agentica fornisce valore aggiunto e migliora il workflow o il processo.

Il nostro approccio tramite agentic AI di valutazione della preparazione all'AI si basa su:

• Una valutazione strutturata eseguita attraverso una combinazione di process mining e analisi di processo basata su LLM
• Un progetto per identificare i processi aziendali più adatti all'agentic AI e alla trasformazione autonoma
• Cinque pilastri per valutare quanto bene un processo può essere riprogettato utilizzando l'AI

La seconda parte del "come" considera le funzionalità sottostanti dell'architettura aziendale e identifica il modo in cui le architetture potrebbero dover evolversi. Ciò può significare andare oltre i tradizionali livelli di integrazione e stabilire un'architettura moderna progettata per workflow autonomi e basati sull'AI. Alcune delle funzionalità necessarie includono:

• Orchestrazione multiagente e integrazione basata su eventi
• Catalogo centralizzato degli agenti e gestione del ciclo di vita
• Memoria dell'agente e memorizzazione del contesto a lungo termine
• Prodotti di dati modulari e predisposti per l'AI
• Livelli di governance, osservabilità e sicurezza su misura per gli agenti AI

I dati rimangono fondamentali per il successo dell'implementazione dell'AI e sono una parte fondamentale della conversazione all'inizio. Noi di IBM riteniamo che questa applicazione di agentic AI possa generare valore solo se si combinano esperienza, processi e dati.

Gestire dati strutturati e non strutturati, garantire la qualità dei dati e proteggere la privacy dei dati sono sfide continue. Tuttavia, con le giuste strategie in atto, le aziende possono sfruttare la potenza dell'AI per guidare la trasformazione e la crescita futura.

Ci sono tre sfide fondamentali da considerare quando si prepara un'azienda alla trasformazione dell'AI.

• Accesso ai dati: si stima che nel 2022 il 90% dei dati* generati dalle imprese non fosse strutturato. Le organizzazioni devono accedere a tali dati ovunque risiedano e unificarli per il loro caso d'uso.
• Dati intelligenti e di qualità per analytics e AI in tempo reale: l'AI è valida solo quanto lo sono i dati che gli fornisci. Puoi fidarti di questi dati per i tuoi modelli AI? Sono di qualità sufficiente e come valuti obiettivamente la qualità dei tuoi dati? Rispondi a queste domande prima di implementare l'AI.
• Sicurezza dei dati: che sia on-premise o multicloud, la sicurezza dei dati deve estendersi all'intero landscape. Considera tutti i dati, indipendentemente da dove si trovino e dal fatto che siano dati strutturati o dati non strutturati.

Un altro fattore chiave che i clienti devono considerare è una solida gestione del cambiamento. In particolare, i clienti devono considerare le persone che devono adottare l'AI come parte del loro lavoro quotidiano.

Un esempio tangibile è dal punto di vista della trasformazione delle risorse umane, un caso d'uso in cui dobbiamo davvero ripensare i ruoli delle persone e considerare dove l'AI potrebbe apportare più valore. Molti dei nostri clienti nel settore delle risorse umane pensano di migliorare e riqualificare i dipendenti i cui ruoli vengono ripensati.

La gestione del cambiamento dovrebbe essere parte integrante di qualsiasi trasformazione dell'AI. Non si tratta solo di un'implementazione tecnica; è un processo olistico che richiede al cliente di considerare l'intero ecosistema che fa funzionare l'azienda senza intoppi, inclusi tecnologia, processi e persone.

Questo cambiamento con l'agentic AI non rappresenta solo un cambiamento per i dipendenti e una riconfigurazione delle funzioni lavorative. Ad esempio, in IBM, reinventare i processi per creare flussi di lavoro in cui l'AI possa essere integrata per creare un'ottimizzazione senza interruzioni è ciò che rende possibile una trasformazione e ha contribuito a consentire a IBM di aumentare la produttività di 3,5 miliardi.

Abbiamo gli strumenti e le competenze per consigliare ai nostri clienti la strategia e il metodo giusti per introdurre l'agentic AI nella loro attività.

Una volta stabilito il "come" e un cliente capisce come scalare agentic AI con successo, la parte successiva del processo consiste nell'integrare l'agentic AI nell'attività.

1. Riprogettazione per l'agentic: l'agentic AI richiede un cambiamento nel modo in cui il lavoro viene progettato ed eseguito.
   Suggerimento: ripensa i workflow con gli agenti. Delega le attività di routine all'intelligenza artificiale, elevando al contempo i ruoli umani per la supervisione, l'escalation e il giudizio a valore aggiunto.
2. Garantisci la scalabilità: la scalabilità degli agenti su sistemi e funzioni richiede una solida orchestrazione.
   Suggerimento: implementa un forte livello di orchestrazione degli agenti che consenta agli agenti di lavorare in modo sicuro tra le piattaforme, di coordinare i compiti e di rispettare i confini dei processi e i livelli di controllo.
3. Prepara i tuoi dati: gli agenti devono accedere a dati mirati, di alta qualità e attuabili.
   Suggerimento: crea prodotti di dati specifici per i casi d'uso che siano resi accurati, governati e accessibili tramite API per garantire che gli agenti dispongano degli input strutturati di cui hanno bisogno per agire in tempo reale e nel contesto.
4. Ottimizza le prestazioni: bilanciare velocità, affidabilità e costo è critico su larga scala.
   Suggerimento: prepara la tua piattaforma per indirizzare le attività degli agenti agli LLM e agli strumenti giusti in base alla complessità e ai costi. Usa la cache, i modelli di riserva intelligenti e i controlli di utilizzo per massimizzare il ROI.
5. Test per l'affidabilità: prima dell'implementazione, gli agenti devono essere monitorati per la correttezza e la spiegabilità.
   Suggerimento: integra la valutazione degli agenti nel tuo ciclo di vita di AgentOps. Automatizza i test per l'accuratezza, la parzialità, la robustezza e la conformità etica, sia prima dell'implementazione che durante la produzione.
6. Stabilisci la governance: il controllo operativo e la visibilità sono essenziali per un'esecuzione affidabile dell'AI.
   Suggerimento: crea un framework di governance che includa osservabilità, controlli interattivi, monitoraggio dei KPI e audit trail per monitorare il comportamento degli agenti e l'impatto sul business.
7. Promuovi una rapida implementazione: ottieni valore rapidamente e crea slancio.
   Suggerimento: inizia con casi d'uso ristretti e di alto valore, che dimostrino rapidamente l'impatto. Utilizza modelli di agenti riutilizzabili e architetture modulari per espanderti orizzontalmente tra le funzioni.
8. Monitora il valore aziendale: l'impatto deve essere tangibile e misurabile.
    Suggerimento: definisci KPI come la convergenza del workflow, i tassi di handoff umano e il miglioramento dei risultati aziendali. Usali per guidare l'iterazione, l'adozione e il buy-in dei dirigenti.

Per integrare l'agentic AI nella tua attività, ecco tre consigli:

• Reinventa i processi: non limitarti a correggere i processi interrotti; ripensali completamente utilizzando un approccio aumentato.
• Pensa oltre gli agenti: considera l'intero processo aziendale end-to-end, inclusa l'esperienza utente, l'orchestrazione dei processi e i prodotti di dati necessari. Pensa all'esperienza complessiva che stai cercando di offrire.

Piano per la scalabilità: progetta la tua architettura AI per scalare rapidamente, partendo da una governance solida fin dall'inizio e da dati di qualità su cui lavorare adesso e in futuro.

L'agentic AI è già al centro dell'innovazione aziendale. Le piattaforme SaaS tradizionali si stanno evolvendo in marketplace, in cui le app possono reperire, richiamare e orchestrare agenti AI su più sistemi per eseguire workflow completi.

Invece di affidarsi ad applicazioni monolitiche per eseguire attività rigide, le aziende inizieranno a distribuire sistemi multiagente che coordinano dinamicamente il lavoro, si adattano al contesto e riducono la necessità di interventi manuali.

Questa trasformazione segna l'inizio di una nuova architettura per le operazioni digitali, costruita per l'autonomia, la velocità e l'ottimizzazione continua.

* White paper di DC: The untapped value of unstructured data