Šiandienos technologijų lyderių prioritetu tebėra pagrindinis finansinių darbų eigos pasitikėjimo agentiniu AI didinimas.
Per pastaruosius dvejus metus įmonės suskubo įtraukti automatizuotus agentus į realias darbo eigas, apimančias klientų aptarnavimą ir biuro operacijas. Šios priemonės puikiai išgauna informaciją, tačiau dažnai joms sunku pateikti nuoseklų ir paaiškinamą samprotavimą kelių etapų scenarijuose.
Automatikos neskaidrumo problemos sprendimas
Finansų institucijos ypač pasikliauja didžiuliais nestruktūrizuotų duomenų kiekiais, siekdamos informuoti apie investicinius pranešimus, atlikti pagrindinių priežasčių tyrimus ir atitikties patikras. Kai agentai atlieka šias užduotis, bet koks tikslios logikos nesugebėjimas gali sukelti griežtas reguliavimo baudas arba prastą turto paskirstymą. Technologijų vadovai dažnai pastebi, kad pridėjus daugiau agentų sukuriama daugiau sudėtingumo nei vertė be geresnio orkestravimo.
Atvirojo kodo AI laboratorija „Sentient“ šiandien pristatė „Arena“, kuri sukurta kaip tiesioginė ir gamybinio lygio testavimo nepalankiausiomis sąlygomis aplinka, leidžianti kūrėjams įvertinti konkuruojančius skaičiavimo metodus, atsižvelgiant į sudėtingas pažinimo problemas.
Sentient sistema atkartoja įmonės darbo eigos realybę, sąmoningai tiekdama agentams nepilną informaciją, dviprasmiškas instrukcijas ir prieštaraujančius šaltinius. Užuot vertinusi, ar įrankis sugeneravo teisingą išvestį, platforma įrašo visą samprotavimo pėdsaką, kad padėtų inžinierių komandoms laikui bėgant derinti gedimus.
Patikimų agentinių AI sistemų kūrimas finansams
Šių galimybių įvertinimas prieš diegiant gamybą nesulaukė institucinio susidomėjimo. „Sentient“ bendradarbiauja su grupe, įskaitant „Founders Fund“, „Pantera“ ir turto valdymo milžiną „Franklin Templeton“, kuri prižiūri daugiau nei 1,5 trilijono USD. Kiti pradinio etapo dalyviai yra „alphaXiv“, „Fireworks“, „Openhands“ ir „OpenRouter“.
„Franklin Templeton Digital Assets“ vadovaujantis direktorius Julianas Love’as sakė: „Kadangi įmonės siekia taikyti AI agentus atliekant tyrimus, operacijas ir su klientais susijusias darbo eigas, nebekyla klausimas, ar šios sistemos yra galingos, ar gali duoti atsakymą, bet ar jos patikimos realiose darbo eigose.
„Smėlio dėžės aplinka, tokia kaip „Arena“, kurioje agentai išbandomi naudojant realias sudėtingas darbo eigas ir galima patikrinti jų samprotavimus, padės ekosistemai atskirti perspektyvias idėjas nuo gamybai paruoštų galimybių ir sustiprins pasitikėjimą šios technologijos integravimu ir masteliu.
Himanshu Tyagi, „Sentient“ įkūrėjas, pridūrė: „AI agentai nebėra eksperimentas įmonės viduje; jie įtraukiami į darbo eigą, kuri liečia klientus, pinigus ir veiklos rezultatus.
„Šis poslinkis keičia tai, kas svarbu. Nepakanka, kad sistema būtų įspūdinga demonstracinėje versijoje. Įmonės turi žinoti, ar agentai gali patikimai samprotauti gamyboje, kur gedimai yra brangūs, o pasitikėjimas trapus.”
Tokios jautrios pramonės šakos kaip finansai organizacijoms reikalauja pakartojamumo, palyginamumo ir metodo, leidžiančio stebėti patikimumo patobulinimus, neatsižvelgiant į pagrindinius modelius, kuriuos jos naudoja agentiniam AI. Įtraukus tokias platformas kaip „Arena“, inžinierių direktoriai gali sukurti atsparius duomenų perdavimo kanalus ir pritaikyti atvirojo kodo agento galimybes prie savo privačių vidinių duomenų.
Integracijos kliūčių įveikimas
Apklausos duomenys išryškina atotrūkį tarp ambicijų ir realybės. Nors 85 procentai įmonių nori veikti kaip agentų įmonės – ir beveik trys ketvirtadaliai planuoja dislokuoti savarankiškus agentus – mažiau nei ketvirtadalis įmonių turi brandžias valdymo sistemas.
Daugeliui sunku pereiti nuo bandomojo etapo iki visiško masto. Taip atsitinka todėl, kad dabartinėje įmonės aplinkoje vidutiniškai veikia dvylika atskirų agentų, dažnai bunkeriuose.
Atvirojo kodo kūrimo modeliai siūlo kelią į priekį, suteikdami infrastruktūrą, kuri leidžia greičiau eksperimentuoti. „Sentient“ pati veikia kaip tokių sistemų, kaip ROMA ir Dobby atvirojo kodo modelis, architektas, padedantis koordinuoti šias pastangas.
Dėmesys skaičiavimo skaidrumui užtikrina, kad kai automatizuotas procesas pateikia rekomendaciją dėl portfelio, auditoriai gali tiksliai sekti, kaip buvo padaryta tokia išvada.
Teikdami pirmenybę aplinkoms, kuriose įrašomi visi loginiai pėdsakai, o ne pavieniai teisingi atsakymai, technologijų lyderiai, integruojantys agentinį AI tokioms operacijoms kaip finansai, gali užtikrinti geresnę IG ir išlaikyti normų laikymąsi visame savo versle.
Taip pat žiūrėkite: „Goldman Sachs“ ir „Deutsche Bank“ išbando agentinį AI prekybos stebėjimui
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
