
В последние годы предприятия рассматривали искусственный интеллект (ИИ) как набор отдельных экспериментов. Однако с тем, как ИИ-агенты начинают внедряться в рабочие процессы, поддерживающие бизнес, такая модель становится недостаточной. Организации, переходящие от изолированных пилотных проектов к ИИ-агентам и автономным рабочим потокам, сталкиваются с более глубокими вызовами: необходимо переосмыслить, как данные, бизнес-процессы, управление и люди сочетаются друг с другом, превращая ИИ из набора инструментов в часть операционной модели предприятия.
ИИ как платформа для бизнеса
По словам Торстена Лейдука, старшего вице-президента и глобального руководителя экосистемы SAP Business AI Platform, этот переход начинается с того, что ИИ следует рассматривать как платформу для бизнеса, а не как набор разрозненных проектов. "ИИ абсолютно зависит от данных", — утверждает он, подчеркивая, что компаниям необходим связанный, семантически богатый слой данных, который отражает их бизнес, прежде чем они смогут надежно внедрять ИИ в процессы.
Важность точности и масштабируемости
С переходом ИИ в критически важные рабочие процессы меняются и ставки. Для некоторых повседневных приложений "80% может быть достаточно", но в таких областях, как цепочки поставок или финансовая отчетность, такой уровень точности является "очень плохим результатом". Эта основа также определяет, какие ИИ-приложения стоит развивать. Сатиндер Пал Сингх, заместитель вице-президента по Северной Америке в SAP BAIP и SAP AI Strategy в Infosys, описывает ИИ-агентов как "цифровых коллег" и рекомендует оценивать потенциальные случаи использования через три призмы: влияние, осуществимость и масштабируемость. Компании должны определить, где агент может повлиять на значимые бизнес-метрики, выяснить, поддерживают ли их данные и таланты данный случай использования, а затем установить, могут ли успешные приложения быть воспроизведены. "Пилот, который не может масштабироваться, — это всего лишь эксперимент", — говорит он.
Управление и доверие к ИИ
Масштабирование также делает управление более актуальным. Четкие политики, контроль доступа, мониторинг и надзор необходимы для обеспечения доверия к агентам и их соответствия бизнес-требованиям. "Отсутствие управления не ускоряет принятие ИИ", — утверждает Сингх. "Это создает риск-накопление", которое в конечном итоге может привести к более разрушительной остановке и аудиту. Эти соображения станут более важными по мере того, как ИИ-агенты возьмут на себя больше обязанностей в качестве цифровых коллег.
Будущее ИИ в бизнесе
Оба руководителя видят будущее, в котором агентные системы координируют работу между приложениями, в то время как специфические для клиента графы знаний и управляемые данные становятся критически важными активами предприятия. Для Сингха долгосрочная возможность заключается в переходе от ИИ как инструмента повышения производительности к "ИИ как партнеру по принятию решений", который помогает руководителям понять, что происходит, предвидеть, что произойдет дальше, и определить, как реагировать.
Переход к интеграции ИИ
Развитие и демократизация инструментов ИИ могут изменить способ работы предприятий. Однако, когда приложения масштабируются из начальной фазы экспериментов, старшие руководители все еще сталкиваются с вопросами о ценности ИИ, рисках и сложности, которую он добавляет. Ясно, что, в отличие от прошлых способов автоматизации, ИИ требует серьезного изменения мышления. Проще говоря, эту технологию нельзя просто добавить в существующий инструментарий предприятия; необходимо полностью переосмыслить, что внутри и как это используется.
Стратегия внедрения ИИ
Для успешного внедрения ИИ в организацию необходимо учитывать, что это не только технологический проект, но и изменение модели управления. Руководителям следует начинать с четко определенного, возможно, небольшого набора высокоценностных случаев использования с заранее определенными показателями успеха. Например, такие как сокращение времени цикла, повышение точности или снижение затрат на транзакцию. Затем можно масштабировать то, что работает. Эти случаи использования могут быть связаны с определенными областями бизнеса или отраслевыми сценариями.
Платформа SAP Business AI
SAP Business AI Platform является основой для автономной бизнес-структуры SAP, которая включает в себя единый пользовательский интерфейс и служит агентной оркестрационной системой. Платформа организована вокруг трех основных столпов: создание, контекстуализация и управление. Первый столп включает инструменты разработки, позволяющие клиентам и партнерам создавать и развивать агентов и приложения. Второй столп касается создания семантически богатого слоя данных, который может использоваться для любых сценариев ИИ по всему предприятию. Третий столп включает в себя управление, что является критически важным для обеспечения надежности и соответствия ИИ-агентов.
Примеры успешного внедрения
В качестве примера успешного использования SAP Business AI Platform можно привести случай с глобальным производителем, который столкнулся с проблемами в процессе закрытия месяца. С помощью платформы были развернуты агенты, которые самостоятельно обрабатывали более 300 инцидентов в месяц без человеческого вмешательства, что позволило команде сосредоточиться на более важных задачах. Другой пример касается трансформации в области S/4HANA, где использование ИИ значительно сократило время на разработку функциональных спецификаций.
Заключение
Внедрение ИИ в бизнес-процессы требует комплексного подхода, который включает в себя управление данными, точность, масштабируемость и надежность. Компании, которые смогут интегрировать ИИ в свою операционную модель, получат значительные преимущества на рынке. Важно помнить, что ИИ — это не просто инструмент, а партнер по принятию решений, который может помочь организациям принимать более обоснованные решения и адаптироваться к меняющимся условиям.
Комментарии (0)