В ближайшие 5-7 лет эксперты ожидают переход от одиночных ИИ-моделей к координированным мультиагентным системам для решения сложных задач. Появится возможность переноса ИИ-агентов на маломощные устройства и локальные вычислительные узлы. Произойдет существенное улучшение понимания контекста задач: ИИ-агенты будут не только принимать решения, но и описывать логику их принятия и предоставлять необходимые метрики. Об этом было заявлено на конференции «MLечный путь».
Эмоционально-адаптивный ИИ
Компания Axenix в рамках конференции «MLечный путь», организованной Selectel, представило исследование «ИИ-агенты в действии». В частности, по мнению авторов исследования, в ближайшие 5-7 лет агенты на основе искусственного интеллекта (ИИ) станут более автономными - масштаб решаемых ими задач будет сопоставим с уровнем Seniority. Такой уровень сопоставим с позицией технического руководителя и наставника команды. Эксперты прогнозируют появление эмоционально-адаптивных интерфейсов, существенное улучшение понимания контекста задач, истории взаимодействий и предпочтений пользователей, а эволюцию технологий рассуждений (reasoning). В этой связи ИИ-агент будет не только принимать решения, но и описывать логику их принятия и предоставлять необходимые метрики.
Кроме того, как указывают авторы исследования, появятся мобильные ИИ-агенты, edge-вычисления и IoT-интеграция, это позволит переносить такие агенты на маломощные устройства и локальные вычислительные узлы. Также ожидается заметное повышение адаптивности к изменению условий, данных и к отраслевым задачам. К примеру, на рынке будут выведены специализированные индустриальные модели. Это позволит развивать гибридные команды с целью построения синергитических систем автономных агентов и людей для критичных процессов.
Плюс ожидается развитие MCP-серверов - сервисов, которые предоставляют ИИ-моделям доступ к внешним данным и инструментам через стандартизированный протокол.
Глобальный рост
Глобальный рынок ИИ-агентов активно растет. Наиболее высокие темпы роста эксперты ожидают в Азиатско-Тихоокеанском регионе - чуть меньше 50% ежегодно. Самый высокий объем рынка в этом направлении занимает США (29,7%), на втором месте - Германия и Китай с отставанием от североамериканского лидера почти в 4 раза. Германия демонстрирует преимущество за счет сочетания нескольких факторов: активная интеграция ИИ в промышленное производство (умные фабрики, предиктивное обслуживание оборудования, автономные производственные решения), сильная академическая база и прикладные исследования в инженерных и производственных областях, а также госпрограммы поддержки промышленного ИИ.
Рынок Китая активно формируется и имеет огромный потенциал развития с точки зрения мощности и скорости – по прогнозам темпы роста могут составлять до 72%. Объем российского рынка ИИ-агентов по итогам 2024 года составляет приблизительно 2% от общего объема мирового рынка.
Ключевые игроки предлагают в том числе интеграционные экосистемы: инструменты для обработки естественного языка и управление контекстом, а также безопасную работу в корпоративной среде, включая соответствие требованиям по конфиденциальности и защите данных. Клиентские компоненты чаще всего включают гибкую настройку задач, интеграцию с ERP/CRM-системами и инфраструктуру для обучения и обслуживания агентов в продакшене.
О выгоде и затратах
Как пояснил ведущий исследователь Axenix Андрей Мальков, чем выше уровень цифровой зрелости бизнеса, тем выше будут эффекты от внедрения агентов; чем больше процессов будут автоматизированы и переданы на аутсорс агентской экосистеме, тем выше будет эффект.
В частности, прямые выгоды от применения ИИ-агентов можно разделить на три категории. Первая - это экономия на фонде оплаты труда: для решения большего количества задач не требуется больше людей. Вторая категория - ускорение процессов. Третья - снижение ошибок, хотя, по словам Андрея Малькова, на первом этапе ошибок, наоборот, может стать больше. При этом есть не только прямые экономические (важные для обоснования проектов), но и косвенные, нематериальные.
«Например, в банковской индустрии условия продуктов (вклады, кредиты) по характеристикам похожи, но банки инвестируют в клиентский опыт приложений. Есть известный крупный банк, который изначально сделал ставку на удобство, сервисы и увеличение lifetime value пользователя. Он смог перераспределить рынок в свою пользу за счёт отличного клиентского опыта. Аналогичные процессы будут происходить и дальше. В реальном секторе экономики уже научились встраивать LLM-модели в головы роботов, происходит их удешевление. Эти технологии также будут активно выходить в реальный сектор», - сказал Андрей Мальков.
К примеру, в случае внедрения ИИ-агентов в промышленности ставка будет сделана на автоматизацию контроля качества, предиктивное обслуживание, управление материальными потоками, работой сотрудников. Такие агенты часто превосходят людей по скорости анализа и воспроизводимости; у них более высокая точность при обработке больших объемов данных. ИИ-агенты зачастую превосходят традиционный ИИ за счет адаптивности, способности к самообучению и интеграции данных различной модальности.
В ритейле ИИ-агенты будут более активно использоваться для скоринга клиентов, в том числе потенциальных, а также в продуктовой аналитике, включая отслеживание трендов и мониторинг конкурентов. Плюс им предстоит более плотно взаимодействовать с клиентами. ИИ-агент способен превосходить людей в масштабе персонализации и скорости обслуживания, он увеличивает важные показатели и метрики воронки продаж, например, конверсию лидов и удержание клиентов.
Преимущества агентов по сравнению с традиционным ИИ заключаются в обработке больших данных, адаптивности и гибкости моделирования спроса. Исследование ссылается на пример компании Walmart, которая автоматизировала заказы, поддержку сотрудников, разработчиков и покупателей. В компании Amazon персонализированные агенты предлагают дополнительные продукты, а также прогнозируют и предлагают наборы товаров для повторного заказа.
«Почему у многих есть разочарование от искусственного интеллекта? Провели пилот, дали людям генеративные модели, но не внедрили практики отслеживания эффективности. В корпорациях появляется проблематика безопасности данных: нужны модули маскирования, отслеживания, например, какой процент сгенерированного кода попал в итоговый репозиторий. Многие недооценивают барьер сопротивления людей - это вопрос обучения персонала. Изменения нужны на всех уровнях. Недостаточно просто дать людям инструмент - нужно убедиться, что они его приняли, организовать обмен лучшими практиками», - подчеркнул Андрей Мальков.
Напомним, ИИ-агенты - это автономные системы, использующие ИИ для самостоятельного выполнения задач и принятия решений. Они получают данные из окружающей среды, анализируют их и реагируют без постоянного вмешательства человека для достижения определенной цели. Их преимущества над людьми заключаются в сочетании гибкости, масштабируемости и способности работать с большими объемами данных без перерыва.
Фото: TelecomDaily.