ИИ агенты — это лишь на 10% ИИ. Еще 50% — это скрупулёзная, слаженная и иногда весьма скучная работа целого ряда технологий и команд.
- Строительство и настройка железа под «жирные» ИИ-модели в основе каждого агента
- Создание ИТ-инфраструктуры
- Работа с хранением данных (БД)
- Настройка потоков данных (ETL)
- Протоколы взаимодействия агентов — в каком формате они вообще разговаривают друг с другом и с инструментами
- Оркестрация агентов — добиться слаженного взаимодействия агентов — это одна из самых затруднительных задач
- Логирование и мониторинг — чтобы знать, если агент накосячил
- Авторизация — чтобы агенты не ломились туда, куда не надо
- Грамотный UX/UI — без них все предыдущие пункты могут кануть в лету.
💡Но самое важное — помнить про оставшиеся 40% — ИИ агента нужно онбордить в бизнес процессы.
Ведь за списком выше еще стоит целый список того, что нужно сделать с бизнесом, чтобы ИИ агент начал приносить пользу:
- Определение точки приложения ИИ агента (куда и зачем его применить)
- Интеграция ИИ агента в существующие бизнес-процессы (как его применить)
- Автоматизация его работы (с какой регулярностье его применять не задумываясь)
- Обучение персонала по работе с ним (что ожидать от агента и как с ним взаимодействовать, чтобы он был полезен)
- Создание бизнес-процессов по реагированию на косяки агента.
Так что, когда ИИ агент с чем-то не справляется, не спешите всё валить просто на LLM, которая им управляет. Ведь если самый мощный мозг посадить в консервную банку, а банку с ним закинуть в стиральную машину — вы максимум получите банку, которая может умно разговаривать об отрывках того, что она видит через окошко стиралки 🧺
Так же и с ИИ агентами, попавшими в неподготовленную среду.
*Гифка авторства Suleiman Najim
⸻
Подписывайся, у меня полезное про ИИ агентов без инфошума.
Заместители