Gartner dự đoán rằng các đại lý AI sẽ biến đổi công việc, nhưng sự thất vọng đang tăng cao #SựKiệnNgàyHômNay. Tham gia các bản tin hàng ngày và hàng tuần của chúng tôi để cập nhật thông tin mới nhất và nội dung độc quyền về bảng tin AI hàng đầu của ngành. Tìm hiểu thêm.
Rất nhanh chóng, chủ đề về các đại lý AI đã di chuyển từ các khái niệm mơ hồ sang hiện thực. Các doanh nghiệp sẽ sớm có thể triển khai các đội ngũ công nhân AI để tự động hóa và bổ sung – và đôi khi thay thế – tài năng con người.
“Những đại lý tự động hóa là một trong những chủ đề nóng nhất và có lẽ là một trong những chủ đề được bao phủ nhiều nhất trong AI thế hệ hiện nay,” phát biểu của Gartner VP Analyst Arun Chandrasekaran tại Hội nghị / Xpo của Gartner tuần trước.
Tuy nhiên, trong khi các đại lý tự động hóa đang trở nên nổi trội trên chu kỳ hype AI tạo sinh mới của công ty tư vấn, ông nhấn mạnh rằng “chúng ta đang ở giai đoạn rất rất sớm của các đại lý. Đây là một trong những mục tiêu nghiên cứu quan trọng của các công ty và phòng thí nghiệm AI trong dài hạn.”
Các xu hướng hàng đầu trong chu kỳ hype AI của Gartner cho AI thế hệ mới, dựa trên Chu kỳ hype 2024 cho AI Tạo sinh, đang bước ra là bốn xu hướng chính xung quanh AI thế hệ mới – đại lý tự hành là một trong số chúng. Các đại lý trò chuyện hiện nay đã tiên tiến và linh hoạt, nhưng là “những hệ thống rất chủ động” cần sự khích lệ liên tục và can thiệp của con người, Chandrasekaran lưu ý. AI đại diện, ngược lại, sẽ chỉ cần hướng dẫn ở mức độ cao mà họ có thể chia nhỏ thành một loạt các bước thực thi.
“Để cho các đại lý tự động hóa phát triển, các mô hình phải tiến triển đáng kể,” Chandrasekaran nói. Họ cần lý do, bộ nhớ và “khả năng nhớ và bối cảnh hóa mọi thứ.” Một xu hướng quan trọng khác là đa dạng, Chandrasekaran nói. Nhiều mô hình bắt đầu với văn bản, và từ đó đã mở rộng vào mã, hình ảnh (dưới dạng cả thông tin đầu vào và đầu ra) và video.
Một thách thức trong điều này là “bởi tính cách cảm thấy đa dạng, chúng cũng đang trở nên lớn hơn,” Chandrasekaran nói. AI mã nguồn mở cũng đang gia tăng. Chandrasekaran chỉ ra rằng thị trường cho đến nay đã được thống trị bởi các mô hình mã nguồn đóng, nhưng mã nguồn mở cung cấp sự tùy chỉnh và linh hoạt triển khai – mô hình có thể chạy trong đám mây, trên-prem, tại ranh giới hoặc trên thiết bị di động. Cuối cùng, AI biên độ đang đến phía trước.
Các mô hình nhỏ hơn nhiều – giữa 1 tỷ đến 10 tỷ tham số – sẽ được sử dụng cho môi trường tài nguyên hạn chế. Những mẫu này có thể chạy trên PC hoặc thiết bị di động, cung cấp cho “độ chính xác chấp nhận được và hợp lý,” Chandrasekaran nói. Các mô hình “đang giảm cân và mở rộng từ đám mây vào các môi trường khác,” ông nói.
Đồng thời, một số lãnh đạo doanh nghiệp cho biết AI không đáp ứng được kỳ vọng. Gen AI đang bắt đầu trượt xuống thung lũng thất vọng (khi công nghệ không đáp ứng kỳ vọng), Chandrasekaran nói. Nhưng điều này “không thể tránh khỏi trong tương lai gần.” Có một số lý do cơ bản cho điều này, ông giải thích. Đầu tiên, các quỹ VC đã tài trợ “một lượng lớn các công ty khởi nghiệp” – nhưng họ vẫn đánh giá thấp sự cần đến số tiền các công ty khởi nghiệp cần để thành công.
Ngoài ra, nhiều công ty khởi nghiệp có “bờ vững rất yếu”, về cơ bản chỉ phục vụ như một lớp bọc trên một mô hình không cung cấp nhiều phân biệt. Ngoài ra, “cuộc chiến cho tài năng là thực sự lớn” – xem mô hình acqui-hiring – và doanh nghiệp đánh giá thấp mức độ quản lý thay đổi. Người mua cũng ngày càng nâng cao câu hỏi về giá trị kinh doanh (và cách theo dõi nó). Cũng có lo ngại về ảo giác và khả năng giải thích, và cần làm thêm nhiều để làm cho mô hình trở nên đáng tin cậy và dự đoán được.
“Chúng ta không sống trong một bong bóng công nghệ ngày hôm nay,” Chandrasekaran nói. “Các công nghệ đang tiến triển đủ. Nhưng chúng không tiến triển đủ nhanh để theo kịp những kỳ vọng cao cả của lãnh đạo doanh nghiệp ngày hôm nay.”
Đáng ngạc nhiên thay, chi phí xây dựng và sử dụng AI là một rào cản lớn khác. Trong một khảo sát của Gartner, hơn 90% CIO cho biết quản lý chi phí giới hạn khả năng thu được giá trị từ AI. Ví dụ, chi phí chuẩn bị dữ liệu và chi phí dự đoán thường được ước lượng sai lầm rất lớn, giải thích Hung LeHong, một VP Analyst kiệt xuất tại Gartner. Ngoài ra, các nhà cung cấp phần mềm đang tăng giá của họ lên đến 30% vì AI đang ngày càng được nhúng vào đường ống sản xuất của họ. “Đó không chỉ là chi phí của AI, mà còn là chi phí của các ứng dụng họ đã chạy trong kinh doanh của họ,” LeHong giải thích.
Các trường hợp sử dụng AI cốt lõi Tuy nhiên, các lãnh đạo doanh nghiệp hiểu được tầm quan trọng của AI sẽ là điều quan trọng trong tương lai. Ba phần tư CEO được khảo sát bởi Gartner cho biết AI là công nghệ sẽ ảnh hưởng nhiều nhất đến ngành công nghiệp của họ, một bước nhảy đáng kể từ 21% chỉ vào năm 2023, LeHong chỉ ra. Phần trăm đó đã “đang đi lên và lên mỗi năm,” ông nói.
Hiện tại, tập trung vào các chức năng dịch vụ khách hàng nội bộ nơi con người vẫn “còn trong tay lái,” Chandrasekaran lưu ý. “Chúng tôi không thấy nhiều trường hợp sử dụng hướng tới khách hàng với gen AI.” LeHong chỉ ra rằng một lượng đáng kể các sáng kiến AI thế hệ mới của doanh nghiệp đang tập trung vào việc bổ sung nhân viên để tăng năng suất. “Họ muốn sử dụng gen AI ở cấp độ nhân viên cá nhân.”
Chandrasekaran chỉ ra ba chức năng doanh nghiệp nổi bật trong việc áp dụng: IT, an ninh và tiếp thị. Trong IT, một số ứng dụng cho AI bao gồm sinh mã, phân tích và tài liệu. Trong an ninh, công nghệ có thể được sử dụng để bổ sung SOCs khi đến với các lĩnh vực như dự báo, sự cố và quản lý mối đe doạ và phân tích nguyên nhân.
Trong tiếp thị, ngược lại, AI có thể được sử dụng để cung cấp phân tích tâm trạng dựa trên bài đăng trên mạng xã hội và tạo nội dung cá nhân hóa hơn. “Tôi nghĩ tiếp thị và gen AI được làm cho nhau,” Chandrasekaran nói. “Những mô hình này khá sáng tạo.”
Ông chỉ ra một số trường hợp sử dụng chung trên các chức năng doanh nghiệp này: tạo nội dung và bổ sung; tóm tắt dữ liệu và cung cấp cái nhìn; tự động hóa quy trình và luồng công việc; dự báo và lập kế hoạch tình huống; hỗ trợ khách hàng; và mã hóa phần mềm và hàng xây dựng cùng.
Ngoài ra, doanh nghiệp muốn có khả năng truy vấn và lấy dữ liệu từ nguồn dữ liệu của riêng họ. “Tìm kiếm doanh nghiệp là một lĩnh vực mà AI sẽ ảnh hưởng đến mức quan trọng,” Chandrasekaran nói. “Mọi người muốn có cái ChatGPT của riêng họ.”
AI đang di chuyển nhanh. Ngoài ra, Gartner dự báo rằng: Đến 2025, 30% doanh nghiệp sẽ đã triển khai một chiến lược thử nghiệm được tăng cường bởi AI, tăng từ 5% vào năm 2021. Đến năm 2026, hơn 100 triệu con người sẽ tương tác với đồng nghiệp ảo hoặc tổng hợp và gần 80% khuyến nghị sẽ được bán tự động hóa. “Các mô hình sẽ ngày càng được cải thiện hơn trong việc phân tích bối cảnh,” Chandrasekaran nói. Đến năm 2027, hơn 50% doanh nghiệp sẽ đã triển khai chương trình quản lý AI có trách nhiệm, và số lượng các công ty sử dụng AI mã nguồn mở sẽ tăng gấp mười lần.
Với AI hiện đang “đến từ mọi nơi,” các doanh nghiệp cũng đang tìm cách bổ sung các lãnh đạo cụ thể cho nó, LeHong giải thích: Hiện tại, 60% CIO được giao nhiệm vụ dẫn dắt các chiến lược AI. Trước gen AI, các nhà khoa học dữ liệu là “thầy của lĩnh vực đó,” LeHong nói.
Cuối cùng, “hầu hết khách hàng của chúng tôi vẫn đang vứt bí ẩn để xem chúng dính vào tường không.” “Bây giờ họ biết rằng họ nên quăng nó vào tường nào. Trước khi họ có bốn tường và có lẽ là một trần nhà để quăng nó vào, giờ họ có một bức tường tiếp thị, một bức tường IT, một bức tường an ninh.”
VB Hàng Ngày Hãy biết thêm chi tiết! Nhận tin tức mới nhất trong hộp thư đến hàng ngày Cám ơn bạn đã đăng ký. Đọc thêm các bản tin của VB ở đây.Đã xảy ra lỗi.
Nguồn: https://venturebeat.com/ai/gartner-predicts-ai-agents-will-transform-work-but-disillusionment-is-growing/
Join our daily and weekly newsletters for the latest updates and exclusive content on industry-leading AI coverage. Learn More
Very quickly, the topic of AI agents has moved from ambiguous concepts to reality. Enterprises will soon be able to deploy fleets of AI workers to automate and supplement — and yes, in some cases supplant — human talent.
“Autonomous agents are one of the hottest topics and perhaps one of the most hyped topics in gen AI today,” Gartner distinguished VP analyst Arun Chandrasekaran said at the Gartner Symposium/Xpo this past week.
However, while autonomous agents are trending on the consulting firm’s new generative AI hype cycle, he emphasized that “we’re in the super super early stage of agents. It’s one of the key research goals of AI companies and research labs in the long run.”
Top trends in Gartner’s AI Hype Cycle for gen AI
Based on Gartner’s 2024 Hype Cycle for Generative AI, four key trends are emerging around gen AI — autonomous agents chief among them. Today’s conversational agents are advanced and versatile, but are “very passive systems” that need constant prompting and human intervention, Chandrasekaran noted. Agentic AI, by contrast, will only need high-level instruction that they can break out into a series of execution steps.
“For autonomous agents to flourish, models have to significantly evolve,” said Chandrasekaran. They need reasoning, memory and “the ability to remember and contextualize things.”
Another key trend is multimodality, said Chandrasekaran. Many models began with text, and have since expanded into code, images (as both input and output) and video. A challenge in this is that “by the very aspect of getting multimodal, they’re also getting larger,” said Chandrasekaran.
Open-source AI is also on the rise. Chandrasekaran pointed out that the market has so far been dominated by closed-source models, but open source provides customization and deployment flexibility — models can run in the cloud, on-prem, at the edge or on mobile devices.
Finally, edge AI is coming to the fore. Much smaller models — between 1B to 10B parameters — will be used for resource-constrained environments. These can run on PCs or mobile devices, providing for “acceptable and reasonable accuracy,” said Chandrasekaran.
Models are “slimming down and extending from the cloud into other environments,” he said.
Heading for the trough
At the same time, some enterprise leaders say AI hasn’t lived up to the hype. Gen AI is beginning to slide into the trough of disillusionment (when technology fails to meet expectations), said Chandrasekaran. But this is “inevitable in the near term.”
There are a few fundamental reasons for this, he explained. First, VCs have funded “an enormous amount of startups” — but they have still grossly underestimated the amount of money startups need to be successful. Also, many startups have “very flimsy competitive moats,” essentially serving as a wrapper on top of a model that doesn’t offer much differentiation.
Also, “the fight for talent is real” — consider the acqui-hiring models — and enterprises underestimate the amount of change management. Buyers are also increasingly raising questions about business value (and how to track it).
There are also concerns about hallucination and explainability, and there’s more to be done to make models more reliable and predictable. “We are not living in a technology bubble today,” said Chandrasekaran. “The technologies are sufficiently advancing. But they’re not advancing fast enough to keep up with the lofty expectations enterprise leaders have today.”
Not surprisingly, the cost of building and using AI is another significant hurdle. In a survey by Gartner, more than 90% of CIOS said that managing cost limits their ability to get value from AI. For instance, data preparation and inferencing costs are often greatly underestimated, explained Hung LeHong, a distinguished VP analyst at Gartner.
Also, software vendors are raising their prices by up to 30% because AI is increasingly embedded into their product pipelines. “It’s not just the cost of AI, it’s the cost of applications they’re already running in their business,” said LeHong.
Core AI use cases
Still, enterprise leaders understand how instrumental AI will be going forward. Three-quarters of CEOs surveyed by Gartner say AI is the technology that will be most impactful to their industry, a significant leap from 21% just in 2023, LeHong pointed out.
That percentage has been “going up and up and up every year,” he said.
Right now, the focus is on internal customer service functions where humans are “still in the driver’s seat,” Chandrasekaran pointed out. “We’re not seeing a lot of customer-facing use cases yet with gen AI.”
LeHong pointed out that a significant amount of enterprise-gen AI initiatives are focused on augmenting employees to increase productivity. “They want to use gen AI at individual employee level.”
Chandrasekaran pointed to three business functions that stand out in adoption: IT, security and marketing. In IT, some uses for AI include code generation, analysis and documentation. In security, the technology can be used to augment SOCs when it comes to areas such as forecasting, incident and threat management and root cause analysis.
In marketing, meanwhile, AI can be used to provide sentiment analysis based on social media posts and to create more personalized content. “I think marketing and gen AI are made for each other,” said Chandrasekaran. “These models are quite creative.”
He pointed to some common use cases across these business functions: content creation and augmentation; data summarization and insights; process and workflow automation; forecasting and scenario planning; customer assistance; and software coding and co-pilots.
Also, enterprises want the ability to query and retrieve from their own data sources. “Enterprise search is an area where AI is going to have a significant impact,” said Chandrasekaran. “Everyone wants their own ChatGPT.”
AI is moving fast
Additionally, Gartner forecasts that:
- By 2025, 30% of enterprises will have implemented an AI-augmented and testing strategy, up from 5% in 2021.
- By 2026, more than 100 million humans will engage with robo or synthetic virtual colleagues and nearly 80% of prompting will be semi-automated. “Models are going to get increasingly better at parsing context,” said Chandrasekaran.
- By 2027, more than 50% of enterprises will have implemented a responsible AI governance program, and the number of companies using open-source AI will increase tenfold.
With AI now “coming from everywhere,” enterprises are also looking to put specific leaders in charge of it, LeHong explained: Right now, 60% of CIOs are tasked with leading AI strategies. Whereas before gen AI, data scientists were “the masters of that domain,” said LeHong.
Ultimately, “most of our clients are still throwing things to see if they stick to the wall,” he said. “Now they know which wall to throw it at. Before they had four walls and maybe a ceiling to throw it at, now they have a marketing wall, an IT wall, a security wall.”
VB Daily
Stay in the know! Get the latest news in your inbox daily
By subscribing, you agree to VentureBeat’s Terms of Service.
Thanks for subscribing. Check out more VB newsletters here.
An error occured.
