Norint padidinti įmonės AI, reikia įveikti architektūrines klaidas, kurios dažnai sustabdo bandomuosius darbus prieš gamybą, o tai yra iššūkis, kuris gerokai viršija modelių pasirinkimą. Nors generatyvius AI prototipus lengva sukurti, paverčiant juos patikimu verslo turtu, reikia išspręsti sudėtingas duomenų inžinerijos ir valdymo problemas.
Prieš AI & Big Data Global 2026 Londone, „Salesforce“ AI architektų skyriaus EMEA vadovė Franny Hsiao aptarė, kodėl tiek daug iniciatyvų atsitrenkė į sieną ir kaip organizacijos gali sukurti sistemas, kurios iš tikrųjų išgyventų realiame pasaulyje.
„Sugadintos salos“ problema, susijusi su įmonės AI masteliu
Dauguma gedimų kyla dėl aplinkos, kurioje sukurtas AI. Pilotai dažnai pradeda dirbti kontroliuojamoje aplinkoje, kuri sukuria klaidingą saugumo jausmą, o tada, kai susiduria su įmonės mastu, žlunga.
„Vienintelė dažniausiai pasitaikanti architektūrinė priežiūra, neleidžianti dirbtinio intelekto pilotams keisti mastelio, yra nesugebėjimas sukurti gamybinio lygio duomenų infrastruktūros su integruotu valdymu nuo pat pradžių“, – aiškina Hsiao.
„Suprantama, kad pilotai dažnai pradeda „nesugadintose salose“ – naudojant mažus, kuruojamus duomenų rinkinius ir supaprastintas darbo eigas. Tačiau taip neatsižvelgiama į nepatogią įmonės duomenų tikrovę: sudėtingą integravimą, normalizavimą ir transformavimą, reikalingą realaus pasaulio apimtims ir kintamumui valdyti.
Kai įmonės bando išplėsti šiuos salose veikiančius bandomuosius projektus, neišspręsdamos pagrindinės duomenų netvarkos, sistemos sugenda. Hsiao perspėja, kad „dėl duomenų spragų ir našumo problemų, pvz., išvadų delsos, dirbtinio intelekto sistemos tampa netinkamos naudoti ir, dar svarbiau, nepatikimos“.
Hsiao teigia, kad įmonės, sėkmingai užpildančios šią atotrūkį, yra tos, kurios „per visą gyvavimo ciklą užtikrina visišką stebėjimą ir apsauginius turėklus“. Šis metodas suteikia „matomumą ir kontrolę, kaip efektyvios dirbtinio intelekto sistemos ir kaip vartotojai naudojasi nauja technologija“.
Inžinerija, skirta suvoktam reagavimui
Kai įmonės taiko didelius samprotavimo modelius, pvz., „Atlaso samprotavimo variklį“, jos susiduria su kompromisu tarp modelio „mąstymo“ gilumo ir vartotojo kantrybės. Sunkus skaičiavimas sukuria delsą.
Pasak Hsiao, „Salesforce“ tai sprendžia sutelkdama dėmesį į „jaučiamą reagavimą per Agentforce Streaming“.
„Tai leidžia mums laipsniškai pateikti AI generuojamus atsakymus, net kai samprotavimo variklis atlieka intensyvius skaičiavimus fone. Tai neįtikėtinai efektyvus būdas sumažinti suvokiamą delsą, dėl kurios dažnai stabdoma PG gamyba.”
Skaidrumas taip pat atlieka funkcinį vaidmenį valdant vartotojų lūkesčius, kai keičiamas įmonės AI. „Hsiao“ aiškina, kaip naudoti dizainą kaip pasitikėjimo mechanizmą: „Pateikdami pažangos rodiklius, rodančius samprotavimo veiksmus ar naudojamus įrankius, taip pat vaizdus, pvz., suktukus ir eigos juostas, vaizduojančias įkėlimo būsenas, ne tik įtraukiame vartotojus, bet ir pageriname suvokiamą reagavimą ir didiname pasitikėjimą.
„Šis matomumas kartu su strateginiu modelių pasirinkimu, pvz., mažesnių modelių pasirinkimu, kad būtų atlikta mažiau skaičiavimų, o tai reiškia, kad atsako laikas yra greitesnis, ir aiškiais ilgio apribojimais, užtikrina, kad sistema jaustųsi apgalvotai ir reaguotų.
Neprisijungus pasiekiama žvalgyba
Pramonės šakose, vykdančiose veiklą vietoje, pvz., komunalinių paslaugų ar logistikos, pasikliauti nuolatiniu debesų ryšiu nėra prasmės. „Daugeliui mūsų įmonės klientų didžiausias praktinis veiksnys yra neprisijungus pasiekiamos funkcijos“, – teigia Hsiao.
Hsiao pabrėžia perėjimą prie įrenginio žvalgybos, ypač lauko tarnybose, kur darbo eiga turi tęstis nepaisant signalo stiprumo.
„Technikas gali nufotografuoti sugedusią dalį, klaidos kodą arba serijos numerį, kai neprisijungęs. Tada įrenginyje esantis LLM gali nustatyti turtą arba klaidą ir nedelsiant pateikti trikčių šalinimo veiksmus iš talpyklos žinių bazės”, – aiškina Hsiao.
Duomenų sinchronizavimas įvyksta automatiškai, kai ryšys grįžta. „Kai ryšys atkuriamas, sistema susidoroja su „sunkiu krūviu“ sinchronizuojant tuos duomenis atgal į debesį, kad būtų išlaikytas vienas tiesos šaltinis. Taip užtikrinama, kad darbas bus atliktas net ir labiausiai atjungtoje aplinkoje.
„Hsiao“ tikisi ir toliau diegti pažangaus AI naujoves dėl tokių pranašumų kaip „ypač mažas delsimas, didesnis privatumas ir duomenų saugumas, energijos vartojimo efektyvumas ir sutaupytos išlaidos“.
Didelių statymų vartai
Autonominiai agentai nėra nustatyti ir pamiršti įrankiai. Didinant įmonės AI diegimą, valdymas reikalauja tiksliai apibrėžti, kada žmogus turi patikrinti veiksmą. Hsiao tai apibūdina ne kaip priklausomybę, o kaip „atsakomybės ir nuolatinio mokymosi architektūrą“.
„Salesforce“ įpareigoja „žmogų in-the-loop“ konkrečiose srityse, kurias Hsiao vadina „didelių statymų vartais“:
„Tai apima konkrečias veiksmų kategorijas, įskaitant bet kokius „CUD“ (kūrimas, įkėlimas arba ištrynimas) veiksmus, taip pat patikrintus kontaktinius ir klientų kontaktinius veiksmus“, – sako Hsiao. „Mes taip pat netaikome žmogaus patvirtinimo, kai priimame svarbius sprendimus arba atliekame bet kokius veiksmus, kurie gali būti išnaudoti greitai manipuliuojant.
Ši struktūra sukuria grįžtamąjį ryšį, kuriame „agentai mokosi iš žmogaus patirties“, sukuria „bendradarbiaujančio intelekto“ sistemą, o ne nekontroliuojamą automatizavimą.
Norint pasitikėti agentu, reikia matyti jo darbą. „Salesforce“ sukūrė „Seanso sekimo duomenų modelį (STDM)“, kad užtikrintų šį matomumą. Jis fiksuoja „nuoseklius žurnalus“, kurie suteikia išsamią įžvalgą apie agento logiką.
„Tai suteikia mums detalų nuoseklų matomumą, kuris fiksuoja kiekvieną sąveiką, įskaitant vartotojo klausimus, planuotojo veiksmus, įrankių iškvietimus, įvestis / išvestis, gautas dalis, atsakymus, laiką ir klaidas“, – sako Hsiao.
Šie duomenys leidžia organizacijoms paleisti „Agent Analytics“, skirtą pritaikymo metrikai, „Agento optimizavimą“, kad būtų galima įsigilinti į našumą, ir „Sveikatos stebėjimą“, skirtą veikimo laikui ir delsai stebėti.
„Agentforce stebėjimo funkcija yra viena visų jūsų Agentforce agentų užduočių valdymas, užtikrinantis vieningą matomumą, stebėjimą ir optimizavimą“, – apibendrina Hsiao.
Agento bendravimo standartizavimas
Kadangi įmonės diegia agentus iš skirtingų tiekėjų, šioms sistemoms bendradarbiauti reikalingas bendras protokolas. „Kad kelių agentų orkestruotė veiktų, agentai negali egzistuoti vakuume; jiems reikia bendros kalbos“, – tvirtina Hsiao.
Hsiao apibūdina du standartizacijos sluoksnius: orkestravimą ir prasmę. Orkestravimui „Salesforce“ taiko atvirojo kodo standartus, tokius kaip MCP (Model Context Protocol) ir A2A (Agent to Agent Protocol).
„Manome, kad atvirojo kodo standartai yra nediskutuotini; jie neleidžia pardavėjams užsiblokuoti, užtikrina sąveiką ir pagreitina naujoves.
Tačiau bendravimas yra nenaudingas, jei agentai duomenis interpretuoja skirtingai. Siekdama išspręsti suskaidytus duomenis, „Salesforce“ bendrai įkūrė OSI (Open Semantic Interchange), siekdama suvienodinti semantiką, kad agentas vienoje sistemoje „iš tikrųjų suprastų agento tikslą kitoje sistemoje“.
Ateities įmonės AI mastelio keitimo kliūtis: agentams paruošti duomenys
Žvelgiant į ateitį, iššūkis pereis nuo modelio galimybių prie duomenų prieinamumo. Daugelis organizacijų vis dar kovoja su sena, suskaidyta infrastruktūra, kurioje vis dar sunku „paieškoti ir pakartotinai naudoti“.
Hsiao prognozuoja, kad kita didelė kliūtis – ir sprendimas – bus padaryti įmonės duomenis „paruoštus agentams“, naudojant paieškai tinkamas, kontekstą atitinkančias architektūras, kurios pakeičia tradicinius standžius ETL vamzdynus. Šis pokytis yra būtinas norint įgalinti „hiperasmenintą ir pakeistą vartotojo patirtį, nes agentai visada gali pasiekti reikiamą kontekstą“.
„Galų gale, kiti metai nėra susiję su lenktynėmis dėl didesnių, naujesnių modelių, o apie orkestravimo ir duomenų infrastruktūros kūrimą, leidžiančią klestėti gamybos lygio agentų sistemoms“, – apibendrina Hsiao.
„Salesforce“ yra pagrindinis šių metų rėmėjas AI ir „Big Data Global“. Londone ir renginio metu savo įžvalgomis dalinsis įvairūs pranešėjai, įskaitant Franny Hsiao. Būtinai užsukite į „Salesforce“ stendą 163 stende, kad sužinotumėte daugiau iš bendrovės ekspertų.
Taip pat žiūrėkite: Databricks: Enterprise AI pritaikymas pereina prie agentinių sistemų
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.
