One year of agentic AI: Six lessons from the people doing the work (by McKinsey)
1. Дело не в ИИ-агентах, а в ваших рабочих процессах
Не зацикливайтесь на создании «впечатляющих» ИИ-агентов. Переосмыслите рабочие процессы и думайте о Системе в целом, а не о забавных корпоративных ИИ-игрушках.
2. AI North Star Metric и AI Journey Map
Полярная звезда ИИ должна определять, как организация будет создавать ценность и конкурентное преимущество с помощью ИИ, и каково её влияние на жизненный цикл продукта и бизнеса.
Например, компания может начать с развертывания ИИ-агентов, выполняющих отдельные задачи, а затем перейти к развертыванию групп агентов, способных достигать комплексных бизнес-результатов.
При таком подходе, некоторые подразделения могут стать минимально жизнеспособными организациями (MVO), где рои ИИ-агентов контролируют большую часть работы, а для проверки результатов задействовано малое количество людей.
Другие подразделения компании могут сохранять большее количество сотрудников, наделённых незаменяемыми ИИ навыками.
При проектировании AI North Star Metric понимайте, какие подразделения компании подходят для каждого типа задач.
Например, функции, требующие высокой степени взаимодействия с клиентами, останутся в большей степени управляемыми человеком, а бэк-офисные операции станут MVO.
3. Отслеживайте каждый шаг, а не только результаты
Масштабирование ИИ-агентов без прозрачности — это путь к скрытым сбоям.
Думайте о мониторинге каждого этапа рабочего процесса. Это позволит командам своевременно выявлять ошибки, быстро совершенствовать логику и избегать масштабных сбоев.
Когда ошибки случаются (а они обязательно произойдут), вы сможете отследить, где именно и почему что-то пошло не так.
4. Используйте ИИ-агентов повторно, когда это возможно
Многие компании тратят время на создание отдельных агентов для каждой задачи. Более разумный подход — создавать модульные компоненты агентов (приём, извлечение, проверка, анализ), которые можно повторно использовать в других рабочих процессах.
Централизация проверенных инструментов и промптов сокращает 30–50% избыточной работы как сотрудников, так и ИИ-агентов.
5. Избегайте «недоделанности ИИ»
Сосредоточьтесь на долгосрочном развитии агентов также, как и на развитии сотрудников.
ИИ-агентам следует предоставить чёткие должностные инструкции, проводить адаптацию и получать обратную связь для регулярного совершенствования, усиливая их контрольные показатели.
6. Агенты не всегда являются решением
Не для каждого рабочего процесса нужна многоагентная система. Низкодисперсные, предсказуемые задачи лучше всего решать с помощью ML правил или машинного обучения.
Главные преимущества ИИ-агентов заключаются в высокодисперсных, запутанных процессах (например, извлечение сложной финансовой информации).
7. Люди по-прежнему остаются важными, но в новых ролях
ИИ-агенты могут анализировать, автоматизировать и масштабировать. Но люди обеспечивают суждение, обработку крайних случаев и креативное решение проблем.
Будущее – это не ИИ-агент vs. Человек, а ИИ-агент + Человек
Подписывайтесь на Telegram Product Management & AI.