Norint pradėti naudoti dirbtinio intelekto agentus produkcijoje, pirmiausia reikia užtikrinti įmonės duomenų valdymą. Duomenų kokybė, prieigos kontrolė ir agentų išvesčių registravimas yra kritiškai svarbūs sėkmingam ir pagrįstam dirbtinio intelekto taikymui.
Vadovai praleidžia daug laiko svarstydami, ar dirbtinio intelekto agentai yra pasirengę produkcijai, tačiau pradžios taškas yra ne čia. Mat agentai neveikia tuštumoje. Jų sprendimų kokybė iš esmės priklauso nuo naudojamų duomenų kokybės.
Modelio saugumas ir našumas, žinoma, yra svarbūs, tačiau jie negali kompensuoti silpnos informacijos, prieinamos agentui, kontrolės. Prieš paleisdama agentą į produkciją, organizacija turi turėti valdomus įvesties duomenis, tinkamą prieigą ir patikimą agento sukuriamų dalykų įrašą.
Jei agentui pateiksite pasenusią klientų informaciją, pasikartojančius įrašus ar tinkamai nesuklasifikuotą medžiagą, jis dirbs su tuo, ką turi, ir per tūkstančius operacijų greitai priims sprendimus, pagrįstus nepakankama informacija.
Deja, atotrūkis tarp diegimo ir valdymo sparčiai didėja. Skubėdamos diegti dirbtinį intelektą, daugelis organizacijų paleidžia agentus į produkciją neišsprendusios pagrindinės duomenų problemos. Todėl neturėtų stebinti, kad didžioji dauguma dirbtinio intelekto projektų rodo nulinę investicijų grąžą.
Be to, dirbtinio intelekto agentų valdymas neapsiriboja duomenimis, prie kurių agentas gali prieiti. Jis taip pat apima agento sukuriamus duomenis: sprendimus, duotas instrukcijas ir sukurtus dokumentus. Kadangi dirbtinis intelektas vis labiau prisideda prie įmonės sprendimų, dirbtinio intelekto atsekamumas ir pagrįstumas tampa kritiniais gebėjimais.
Organizacijos, sukūrusios tvirtą duomenų pagrindą, pereidamos nuo bandomojo etapo prie produkcijos gali veikti užtikrintai, kad agentai blogai valdomų duomenų nepavergs visos įmonės krize.
Pirmiausia iškyla duomenų problema
Duomenų valdymo problema, žinoma, nėra nauja. Dauguma didelių organizacijų metų metus sprendė informacijos, išsibarsčiusios po operacines platformas, failų saugyklas, archyvus ir seniai nebenaudojamas programas, problemą. Tačiau agentais pagrįstas dirbtinis intelektas šiuos trūkumus gali greitai aktyvuoti dideliu mastu, todėl ši tema tapo dar aktualesnė.
Prieš suteikiant agentui prieigą prie duomenų, IT skyrius turi nustatyti jautrią ir reglamentuojamą informaciją, nuosekliai taikyti klasifikavimo ir saugojimo politiką bei nustatyti, kurie šaltiniai yra aktualūs ir patikimi. Seni duomenys reikalauja ypatingo dėmesio.
Nebenaudojamos programos dažnai turi vertingos verslo istorijos, tačiau taip pat kaupia pasikartojančius įrašus, negaliojančią informaciją ir duomenis, kuriems taikomi teisiniai saugojimo ar išlaikymo reikalavimai.
Organizacijos taip pat turi išsaugoti kontekstą ir ryšius, suteikiančius prasmę seniems duomenims, o tada pateikti atrinktus, politikos kontroliuojamus duomenų rinkinius. Dirbtinis intelektas neveikia duomenų tuštumoje, o be aplinkinio konteksto agentai arba negali atlikti užduočių, arba, dar blogiau, priima ir įgyvendina klaidingus sprendimus.
Prieiga yra verslo sprendimas
Kita organizacijų daroma klaida – suteikti savo agentams prieigą prie daugiau duomenų, nei jiems reikia. Iš tikrųjų agentai turėtų prieiti tik prie duomenų, reikalingų jiems pavestoms užduotims atlikti. Tai, kad sistema gali prisijungti prie agento, nereiškia, kad ji turėtų prisijungti.
Vertinkite agentus kaip darbuotojus ir laikykitės mažiausių privilegijų principo. Pavyzdžiui, klientų aptarnavimo agentui gali reikėti aktualios sąskaitos ir operacijų informacijos, tačiau jam greičiausiai nereikia teisinių bylų ar buvusių darbuotojų įrašų. Prieiga turėtų glaudžiai atitikti apibrėžtą agento paskirtį.
Šaltinio kilmė taip pat svarbi. Agentas neturėtų vienodai vertinti dabartinės įrašų sistemos ir dešimtmečių senumo archyvo. Agentai turi žinoti, iš kur informacija atėjo, kada ji buvo atnaujinta ir kokia politika galioja. Vėlgi, kontekstas yra svarbus. Be tinkamo konteksto agentai daro brangiai kainuojančias klaidas.
Registruokite, ką agentas daro
Valdymas nesibaigia po to, kai agentas gauna patvirtintus duomenis. Su dirbtiniu intelektu susiję duomenys sparčiai tampa svarbūs bylose, atitikties tyrimuose ir klientų skunduose. Kad būtų pasirengusi, organizacija turi galėti parodyti, ko agento buvo paprašyta, prie kokios informacijos jis prieigo, kokia politika buvo taikyta ir kas atsitiko vėliau.
Užklausos, gautas turinys, išvestys ir galutiniai sprendimai turi būti saugomi kaip verslo įrašas. Peržiūrintysis turi galėti atkurti dirbtinio intelekto sprendimą ir atsekti tiek iki šaltinio duomenų, tiek iki asmens ar padalinio, įgaliojusio veiklą.
Galiausiai, atskaitomybė negali priklausyti tik technologijų komandai. Saugumo, duomenų, privatumo, teisės ir atitikties vadovai visi vaidina savo vaidmenį, tačiau turi būti paskirtas verslo savininkas, atsakingas už rezultatą. Automatizavimas gali atlikti veiksmą, bet negali prisiimti už jį atsakomybės.
Duomenų paruošimas nėra antrinis darbo srautas, kuriuo bus imamasi po sėkmingo dirbtinio intelekto bandomojo projekto. Tai yra sprendimo perkelti bandomąjį projektą į produkciją dalis. Jei organizacija negali pasitikėti informacija, negali kontroliuoti prieigos ir negali aiškiai paaiškinti priimtų sprendimų, agentas nėra pasirengęs didesnei autonomijai.
