Những bước tiến vượt bậc của AI trong tự động hóa: Khám phá cách mà các tác nhân AI đang thay đổi cuộc sống!

Trong năm qua, cuộc đua tự động hóa đã trở nên gay gắt hơn, trong đó các tác nhân AI nổi lên như những nhân tố thay đổi cuộc chơi cuối cùng nhằm mang lại hiệu quả cho doanh nghiệp. Trong khi công cụ AI sáng tạo đã đạt được những bước tiến đáng kể trong ba năm qua — đóng vai trò là trợ lý đắc lực trong quy trình làm việc của doanh nghiệp — sự chú ý hiện đang chuyển sang các tác nhân AI có khả năng suy nghĩ, hành động và cộng tác một cách tự chủ. Đối với các doanh nghiệp đang chuẩn bị đón nhận làn sóng tự động hóa thông minh tiếp theo, việc hiểu được bước nhảy vọt từ chatbot đến ứng dụng thế hệ tăng cường truy xuất (RAG) đến AI đa tác nhân tự trị là rất quan trọng. Như Gartner đã lưu ý trong một cuộc khảo sát gần đây33% ứng dụng phần mềm doanh nghiệp sẽ bao gồm AI tác nhân vào năm 2028, tăng từ mức dưới 1% vào năm 2024.

Như người sáng lập Google Brain, Andrew Ng đã tuyên bố một cách khéo léo: “Tập hợp các nhiệm vụ mà AI có thể thực hiện sẽ mở rộng đáng kể nhờ quy trình làm việc tự động”. Điều này đánh dấu sự thay đổi mô hình trong cách các tổ chức nhìn nhận tiềm năng của tự động hóa, vượt ra ngoài các quy trình được xác định trước để chuyển sang quy trình làm việc năng động, thông minh.

Những hạn chế của tự động hóa truyền thống

Bất chấp lời hứa của họ, các công cụ tự động hóa truyền thống vẫn bị hạn chế bởi sự cứng nhắc và chi phí triển khai cao. Trong thập kỷ qua, các nền tảng tự động hóa quy trình bằng robot (RPA) như UiPath Và Tự động hóa mọi nơi đã phải vật lộn với quy trình làm việc thiếu quy trình rõ ràng hoặc dựa vào dữ liệu phi cấu trúc. Những công cụ này bắt chước hành động của con người nhưng thường dẫn đến hệ thống dễ hỏng, đòi hỏi sự can thiệp tốn kém của nhà cung cấp khi quy trình thay đổi.

Hiện hành công cụ AI thế hệchẳng hạn như ChatGPT và Claude, có khả năng suy luận và tạo nội dung nâng cao nhưng lại thiếu khả năng thực thi tự động. Sự phụ thuộc của họ vào đầu vào của con người đối với quy trình công việc phức tạp gây ra những tắc nghẽn, hạn chế mức tăng hiệu quả và khả năng mở rộng.

Sự xuất hiện của các tác nhân AI theo chiều dọc

Khi hệ sinh thái AI phát triển, một sự thay đổi đáng kể đang diễn ra đối với các tác nhân AI theo chiều dọc – các hệ thống AI chuyên môn cao được thiết kế cho các ngành hoặc trường hợp sử dụng cụ thể. Như người sáng lập Microsoft Bill Gates đã nói trong một bài đăng blog gần đây: “Các đại lý thông minh hơn. Họ chủ động – có khả năng đưa ra đề xuất trước khi bạn yêu cầu. Họ hoàn thành nhiệm vụ trên các ứng dụng. Chúng cải thiện theo thời gian vì chúng ghi nhớ các hoạt động của bạn và nhận ra mục đích cũng như khuôn mẫu trong hành vi của bạn. “

Không giống như các mô hình phần mềm dưới dạng dịch vụ (SaaS) truyền thống, tác nhân AI dọc làm nhiều hơn là tối ưu hóa quy trình công việc hiện có; họ hình dung lại chúng một cách hoàn toàn, mang đến những khả năng mới cho cuộc sống. Đây là điều khiến các tác nhân AI dọc trở thành tác nhân quan trọng tiếp theo trong tự động hóa doanh nghiệp:

• Loại bỏ chi phí hoạt động: Các tác nhân AI dọc thực hiện quy trình công việc một cách tự động, loại bỏ sự cần thiết của các nhóm vận hành. Đây không chỉ là tự động hóa; đó là sự thay thế hoàn toàn sự can thiệp của con người vào các lĩnh vực này.
• Mở khóa những khả năng mới: Không giống như SaaS vốn tối ưu hóa các quy trình hiện có, AI dọc về cơ bản hình dung lại quy trình công việc. Cách tiếp cận này mang đến những khả năng hoàn toàn mới chưa từng tồn tại trước đây, tạo cơ hội cho các trường hợp sử dụng sáng tạo nhằm xác định lại cách thức hoạt động của doanh nghiệp.
• Xây dựng lợi thế cạnh tranh mạnh mẽ: Khả năng thích ứng trong thời gian thực của các tác nhân AI khiến chúng có mức độ phù hợp cao trong môi trường thay đổi nhanh chóng ngày nay. Việc tuân thủ quy định, chẳng hạn như HIPAA, SOX, GDPR, CCPA và các quy định AI mới và sắp ra mắt có thể giúp các đại lý này tạo dựng niềm tin vào các thị trường có rủi ro cao. Ngoài ra, dữ liệu độc quyền được điều chỉnh cho phù hợp với các ngành cụ thể có thể tạo ra những con hào mạnh mẽ, có thể phòng thủ và lợi thế cạnh tranh.

Sự phát triển từ RPA đến AI đa tác nhân

Sự thay đổi sâu sắc nhất trong bối cảnh tự động hóa là quá trình chuyển đổi từ RPA sang hệ thống AI đa tác nhân có khả năng tự động ra quyết định và cộng tác. Theo một khảo sát gần đây của Gartnersự thay đổi này sẽ cho phép 15% quyết định công việc hàng ngày được đưa ra một cách tự chủ vào năm 2028. Những tác nhân này đang phát triển từ những công cụ đơn giản thành những cộng tác viên thực sự, chuyển đổi quy trình làm việc và hệ thống của doanh nghiệp. Sự tái tưởng tượng này đang diễn ra ở nhiều cấp độ:

• Hệ thống hồ sơ: Đặc vụ AI như Lutra AI Và AI liên quan tích hợp các nguồn dữ liệu đa dạng để tạo ra các hệ thống hồ sơ đa phương thức. Tận dụng cơ sở dữ liệu vectơ như Pinecone, các tác nhân này phân tích dữ liệu phi cấu trúc như văn bản, hình ảnh và âm thanh, cho phép các tổ chức trích xuất thông tin chi tiết hữu ích từ dữ liệu riêng biệt một cách liền mạch.
• Quy trình làm việc: Hệ thống đa tác nhân tự động hóa quy trình công việc từ đầu đến cuối bằng cách chia các tác vụ phức tạp thành các thành phần có thể quản lý được. Ví dụ: Các công ty khởi nghiệp như nhận thức tự động hóa quy trình phát triển phần mềm, hợp lý hóa mã hóa, thử nghiệm và triển khai, đồng thời Quan sát.AI xử lý các yêu cầu của khách hàng bằng cách giao nhiệm vụ cho đại lý phù hợp nhất và chuyển lên cấp trên khi cần thiết.
  • Nghiên cứu trường hợp thực tế: Trong một cuộc phỏng vấn gần đâyLinda Yao của Lenovo cho biết: “Với các nhân viên AI thế hệ của chúng tôi giúp hỗ trợ dịch vụ khách hàng, chúng tôi nhận thấy năng suất tăng gấp đôi về thời gian xử lý cuộc gọi. Và chúng tôi cũng đang thấy những lợi ích đáng kinh ngạc ở những nơi khác. Ví dụ: chúng tôi nhận thấy rằng các nhóm tiếp thị đang cắt giảm 90% thời gian cần thiết để tạo ra một cuốn sách quảng cáo chiêu hàng tuyệt vời và cũng tiết kiệm được phí đại lý.”
• Kiến trúc được mô phỏng lại và các công cụ dành cho nhà phát triển: Việc quản lý các tác nhân AI đòi hỏi phải có sự thay đổi mô hình về công cụ. Nền tảng như Xưởng đặc vụ AI từ Tự động hóa mọi nơi cho phép các nhà phát triển thiết kế và giám sát các tác nhân với các tính năng tuân thủ và quan sát được tích hợp sẵn. Những công cụ này cung cấp khả năng bảo vệ, quản lý bộ nhớ và gỡ lỗi, đảm bảo các tác nhân hoạt động an toàn trong môi trường doanh nghiệp.
• Đồng nghiệp được tưởng tượng lại: Các tác nhân AI không chỉ là công cụ – họ đang trở thành những cộng tác viên hợp tác. Ví dụ: Sierra tận dụng AI để tự động hóa các tình huống hỗ trợ khách hàng phức tạp, giúp nhân viên rảnh tay để tập trung vào các sáng kiến ​​chiến lược. Các công ty khởi nghiệp như Yurts AI tối ưu hóa quy trình ra quyết định giữa các nhóm, thúc đẩy sự hợp tác giữa con người và tác nhân. Theo McKinsey“60 đến 70% số giờ làm việc trong nền kinh tế toàn cầu ngày nay về mặt lý thuyết có thể được tự động hóa bằng cách áp dụng nhiều khả năng công nghệ hiện có, bao gồm cả gen AI.”

Triển vọng tương lai: Khi các tác nhân có được trí nhớ tốt hơn, khả năng điều phối nâng cao và lý luận nâng cao, chúng sẽ quản lý liền mạch các quy trình làm việc phức tạp với sự can thiệp tối thiểu của con người, xác định lại quá trình tự động hóa doanh nghiệp.

Tính chính xác bắt buộc và cân nhắc về mặt kinh tế

Khi các tác nhân AI chuyển từ xử lý nhiệm vụ sang quản lý quy trình làm việc và toàn bộ công việc, họ phải đối mặt với thách thức phức tạp về độ chính xác. Mỗi bước bổ sung sẽ gây ra các lỗi tiềm ẩn, làm tăng và giảm hiệu suất tổng thể. Geoffrey Hinton, một nhân vật hàng đầu trong lĩnh vực học sâu, cảnh báo: “Chúng ta không nên sợ máy móc suy nghĩ; chúng ta nên sợ máy móc hành động mà không suy nghĩ.” Điều này nhấn mạnh nhu cầu quan trọng đối với các khung đánh giá mạnh mẽ để đảm bảo độ chính xác cao trong các quy trình tự động.

Trường hợp cụ thể: Một tác nhân AI có độ chính xác 85% khi thực hiện một nhiệm vụ chỉ đạt được độ chính xác tổng thể 72% khi thực hiện hai nhiệm vụ (0,85 × 0,85). Khi các nhiệm vụ kết hợp thành quy trình công việc và công việc, độ chính xác sẽ giảm hơn nữa. Điều này dẫn đến một câu hỏi quan trọng: Liệu việc triển khai một giải pháp AI chỉ đúng 72% trong sản xuất có được chấp nhận không? Điều gì xảy ra khi độ chính xác giảm khi có nhiều nhiệm vụ được thêm vào?

Giải quyết thách thức về độ chính xác

Việc tối ưu hóa các ứng dụng AI để đạt độ chính xác từ 90 đến 100% là điều cần thiết. Doanh nghiệp không thể mua được các giải pháp kém chất lượng. Để đạt được độ chính xác cao, tổ chức phải đầu tư vào:

• Khung đánh giá mạnh mẽ: Xác định tiêu chí thành công rõ ràng và tiến hành thử nghiệm kỹ lưỡng bằng dữ liệu thực và tổng hợp.
• Vòng lặp giám sát và phản hồi liên tục: Giám sát hiệu suất AI trong quá trình sản xuất và sử dụng phản hồi của người dùng để cải tiến.
• Công cụ tối ưu hóa tự động: Sử dụng các công cụ tự động tối ưu hóa tác nhân AI mà không chỉ dựa vào các điều chỉnh thủ công.

Nếu không có sự đánh giá, khả năng quan sát và phản hồi mạnh mẽ, đặc vụ AI có nguy cơ hoạt động kém hiệu quả và tụt hậu so với các đối thủ cạnh tranh ưu tiên các khía cạnh này.

Bài học kinh nghiệm cho đến nay

Khi các tổ chức cập nhật lộ trình AI của mình, một số bài học đã xuất hiện:

• Hãy nhanh nhẹn: Sự phát triển nhanh chóng của AI khiến lộ trình dài hạn trở nên đầy thách thức. Các chiến lược và hệ thống phải có khả năng thích ứng để giảm sự phụ thuộc quá mức vào bất kỳ mô hình đơn lẻ nào.
• Tập trung vào khả năng quan sát và đánh giá: Thiết lập các tiêu chí thành công rõ ràng. Xác định ý nghĩa của độ chính xác đối với trường hợp sử dụng của bạn và xác định các ngưỡng có thể chấp nhận được để triển khai.
• Dự kiến ​​giảm chi phí: Chi phí triển khai AI dự kiến ​​sẽ giảm đáng kể. Một nghiên cứu gần đây của a16Z nhận thấy rằng chi phí suy luận LLM đã giảm theo hệ số 1.000 trong ba năm; chi phí đang giảm 10 lần mỗi năm. Lập kế hoạch cho việc cắt giảm này sẽ mở ra cánh cửa cho các dự án đầy tham vọng mà trước đây rất tốn kém.
• Thử nghiệm và lặp lại nhanh chóng: Áp dụng tư duy ưu tiên AI. Triển khai các quy trình để thử nghiệm, phản hồi và lặp lại nhanh chóng, nhằm đạt được chu kỳ phát hành thường xuyên.

Phần kết luận

Các đặc vụ AI ở đây với tư cách là đồng nghiệp của chúng tôi. Từ RAG tác nhân đến các hệ thống tự động hoàn toàn, các tác nhân này sẵn sàng xác định lại hoạt động của doanh nghiệp. Các tổ chức chấp nhận sự thay đổi mô hình này sẽ đạt được hiệu quả và sự đổi mới vượt trội. Bây giờ là lúc để hành động. Bạn đã sẵn sàng dẫn đầu cuộc tấn công vào tương lai chưa?

Rohan Sharma là đồng sáng lập và CEO của Zenolabs.AI.