Enterprise KI ist auf die Autonomie auf dem Weg, sagt der KI -Chef von NTT Data

In einem kürzlich durchgeführten Interview mit Wendy Collins, Chief AI -Offizier bei NTT Data - einem Teil des globalen Konglomerat -NTT -Gruppengruppe und Innovators von IT und Business Services - stellte sie fest, dass dies ein Trend ist, dass wir immer mehr in der gesamten Unternehmensdienste sehen werden, und fügte hinzu, dass die Zukunft der AI im Unternehmen nicht nur um Intelligenz, sondern um Autonomie, sondern um Autonomie geht.

Collins ist der Ansicht, dass wir in eine neue Phase eintreten, in der KI eher wie ein Agent als ein Assistent als Assistent arbeitet und über die Entscheidung über die Initiierung hinausgeht. Und während der Hype in Genai und Copilots immer noch am lautesten ist, sickern diese autonomen KI -Systeme, die Maßnahmen ergreifen, in das Herz des KI -Gesprächs.

Was es für KI bedeutet, zu handeln

Agentic AI - ein Begriff, der immer noch seinen Fundament in der Branche findet - beschreibt Systeme, die nicht einfach Antworten, sondern auch vollständige Aufgaben zurückgeben. In Collins 'Worten ist es der Unterschied zwischen einer KI, die Ihnen eine Rückgaberechtsrichtlinie mitteilt und eine Rückgabegenehmigung ausstellen, im System des Datensatzes protokolliert und den Kunden benachrichtigt wird.

Anstatt ein einzelnes KI-Modell einzubeziehen, das nur Ergebnisse erzielt, indem sie Antworten aus einem riesigen Pool von vorbereiteten Datensätzen ziehen, hängen AI-Agenten von einem koordinierten Technologienstapel ab-einschließlich Sprachmodellen, Entscheidungsmotoren, integrierten Tools und Echtzeit-Datenzugriff-, um Aufgaben auszuführen.

"Agentic AI", sagte Collins zu mir, "ist größer als die generative KI." Es sitzt an der Schnittstelle mehrerer Fähigkeiten, und seine Stärke liegt in der Tat, nicht nur zu wissen.

Wo es funktioniert und wo es nicht tut

Collins war jedoch offen über die aktuellen Grenzen. In Branchen wie Versicherungs- und Finanzdienstleistungen senkt die Agent -KI bereits die Kosten und die Latenz in Callcentern und die Beschaffung. Diese Domänen funktionieren, weil die Prozesse vorhersehbar und gut dokumentiert sind. Wenn eine Aufgabe auf Regeln und Datenflüsse reduziert werden kann, kann sie an einen Agenten delegiert werden.

Wo es ins Stocken gerät-vorerst-befindet sich in hochkontexten Workflows wie Underwriting oder komplexer Fertigung, wo ein Großteil der Entscheidungsfindung noch in den Leitern erfahrener Mitarbeiter lebt. "Wir sehen, dass Agentic AI noch nicht in diesen Umgebungen einnimmt", sagte sie. "Weil das Wissen nicht erfasst wurde."

Das heißt aber nicht, dass diese Branchen vom Fortschritt ausgeschlossen sind. Dies bedeutet nur, dass sie sich derzeit darauf konzentrieren, Genai zu verwenden, um genau das Wissen zu sammeln und zu strukturieren, um Agentensysteme zu unterstützen.

Die unterschätzte Kraft der hybriden KI

Was Collins am optimistischsten ist, ist nicht allein. Es ist das, was passiert, wenn Genai mit herkömmlichen KI-Techniken wie Optimierung, Prognose und regelbasierten Systemen verschmolzen ist. Sie nannte es " hybride KI " und bemerkte, dass es derzeit der am meisten übersehene und unterdiskutierte Bereich der Enterprise-AI-Transformation ist.

"Genai ist ein Hammer", sagte sie. "Aber einige Probleme brauchen einen Schraubenschlüssel." Für viele geschäftliche Herausforderungen sind mehrere Tools, die zusammenarbeiten, den größten Wert. Und während Genai erzeugen, empfehlen und personalisieren kann, stützt es sich immer noch auf klassische KI, um Präzision, Konsistenz und Integration voranzutreiben.

Wechsel von Piloten zur Leistung

Viele Unternehmen stecken im Proof-of-Concept-Fegefeuer fest-wirken Dutzende von Piloten, aber keine eingesetzt. Laut Collins ist die Lücke zwischen POC und Produktion viel größer als die meisten Führer erwarten. "Es ist nicht linear", erklärte sie. "Es ist exponentiell."

Ihr Rat ist, dass Geschäftsführer „aufhören müssen, den Ozean zu kochen“. Stattdessen müssen sie mit einem oder zwei hochwertigen internen Anwendungsfällen beginnen. Konzentrieren Sie sich auf Workflows, bei denen die KI leise und schnell erfolgreich sein kann, nicht auf kundenorientierte Experimente, die das Eigenkapital des Markens riskieren, bevor die Technologie fertig ist.

Und vielleicht am wichtigsten war, was Collins über das Aufbau von Messungen sagte. "Der ROI muss von Anfang an geplant werden, nicht am Ende nachgerüstet", bemerkte sie.

KI -Bereitschaft beginnt mit Menschen

Die vielleicht am meisten unterschätzte Variable in jeder KI -Bereitstellung sind Menschen. Collins betonte die Bedeutung der Unternehmens-KI-Alphabetisierung, insbesondere unter den Führungsteams von Enterprise. "Unternehmen, die in die Alphabetisierung von Executive AI investiert haben, haben ihre Kollegen finanziell um 40%übertroffen", sagte sie unter Berufung auf die jüngsten Forschungsergebnisse.

Während Collins die genaue Forschung, die sie zitierte, nicht erwähnte, ist dies eine Behauptung, die einige andere Studien unterstützen. Zum Beispiel ergab eine MIT -CISR

Für Collins geht es bei der Einführung von AI mehr um Komfort, Selbstvertrauen und Kontext, als um einen hohen Wunsch, die Infrastruktur aufzubauen. Während es zunehmend von KI -Müdigkeit gesprochen wird, glaubt Collins, dass ein Großteil dieser Müdigkeit auf den unterweilenden Ergebnissen hervorgeht, wie KI verwendet wird. Wenn KI keine Transformation liefert - wenn sie nur Sekunden von einer Aufgabe rasieren -, verlieren Teams das Interesse. Das bedeutet, dass die Versprechen von AI zu spüren sind und nicht nur vermarktet werden müssen.

Die Straße voraus: Autonomie mit Leitplanken

Da KI mehr in der Lage ist, Entscheidungen zu treffen, benötigen Unternehmen stärkere Governance -Modelle, die übereinstimmen. Die Bedenken hinsichtlich der KI-Sicherheit sind bereits auf einem Allzeithoch, wobei das Weltwirtschaftsforum feststellt, dass „die zunehmende Autonomie von AI-Agenten sowohl immense Chancen als auch erhebliche Risiken einführt . Ohne ordnungsgemäße Aufsicht können sich solche Systeme auf unerwartete Weise oder sogar die beabsichtigten Ziele verhalten.“ Der Richtlinienbericht von OECD AI Observatory 2024 gibt auch fest, wie autonome KI -Systeme bestehende Governance -Frameworks in Frage stellen und die Dringlichkeit für Risikominderungsstrategien erhöhen, insbesondere wenn diese Systeme unabhängig voneinander arbeiten.

Während sich einige oft als KI -Governance als einen Innovationsblocker betrachten, beschrieb Collins es als „strategische Enabler“. Ihr Team von NTT Data entwickelte auch eine „Auszahlungsmatrix“, um Kunden zu ermitteln, wo sie beginnen sollen, wie der Wert auf die Machbarkeit ausgerichtet ist und wo die größten Fallen liegen.

"Es geht nicht darum, zu warten, bis alle Ihre Daten perfekt sind", sagte Collins. "Es geht darum zu wissen, welche Teile Ihrer Daten gut genug sind, um jetzt Wert zu erfassen - und den Rest aufzubauen."

Die Zukunft

Aus allen Anzeichen wird die Zukunft der Enterprise KI von der nächsten viralen Chatbot -Demo oder der glänzenden neuen App nicht entschieden. Es wird sich leise entfalten - in Workflows hinter Dashboards -, in denen KI aufhört, auf Anweisungen zu warten und wirklich alleine zu arbeiten.

Collins fordert auch Vorsicht vor und bemerkt, dass wenn jemand sagt, dass er weiß, wie KI in fünf Jahren aussehen wird, entweder Sie anlügen oder versuchen, Ihnen etwas zu verkaufen. Trotzdem bleibt sie klare Augen darüber, wohin wir gehen: „Jede neue inkrementelle Entwicklung wird neue Probleme auf die gleiche Weise freischalten, wie sie neue Möglichkeiten freischaltet.“ Das ist die zukünftige Enterprise -KI scheint sich dem zu nähern.

Das obige ist der detaillierte Inhalt vonEnterprise KI ist auf die Autonomie auf dem Weg, sagt der KI -Chef von NTT Data. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!