🧰 IBM pristato „Enterprise Advantage“, skirtą padėti įmonėms plėsti agentinį dirbtinį intelektą ↗
IBM siūlo labiau į platformas orientuotą agentinio dirbtinio intelekto diegimo didelėse organizacijose kelią – mažiau mokslinės fantastikos demonstracijų, daugiau kontroliuojamo vandentiekio. Idėja – pakartotinai panaudoti išteklius, standartizuoti komandų kūrimą ir neleisti kiekvienam skyriui kurti savo mažytės dirbtinio intelekto karalystės.
Jie taip pat tvirtai laikosi principo „pritaikyti prie to, ką jau veikiate“, o ne reikalauti visiško pertvarkymo, kas skamba raminamai, kol nesusiduriate su pasenusia sistema. Vis dėlto tikslas aiškus: agentų diegimus padaryti kartojamus, o ne individualius.
🧭 „e&“ ir IBM integruoja agentinį dirbtinį intelektą į valdymo ir atitikties darbo eigas ↗
Šį kartą mažiau „pokalbio su robotu“ ir daugiau „dirbtinio intelekto, gyvenančio jūsų rizikos ir atitikties mechanizme“ – nepatrauklios vietos, kur klaidos greitai ir brangiai kainuoja. Pasiūlymas – agentinis automatizavimas, kuriame nuo pat pradžių įpinti apsauginiai barjerai ir atsekamumas.
Jie tai apibrėžia kaip perėjimą nuo asistentų, kurie atsakinėja į klausimus, prie agentų, kurie vykdo veiksmus griežtai kontroliuojant. Tai galinga – ir kartu ta dalis, kuri priverčia žmones šiek tiek tiesiau sėdėti.
📈 IBM tyrimas rodo, kad dirbtinis intelektas iki 2030 m. skatins išmanesnį verslo augimą ↗
IBM vadovų apklausa iš esmės teigia: įmonės tikisi, kad dirbtinis intelektas ne tik padidins efektyvumą, bet ir sukurs realų augimą, tačiau daugelis vadovų vis dar neturi aiškaus plano, kur pasiekiama vertė. Šis prieštaravimas keistai guodžia – taip yra ne tik jums.
Svarbi tema – integracija: „dirbtinis intelektas iš šono“ nedaug ką keičia. Taip pat pastebimas tylesnis poslinkis link kelių modelių strategijų ir mažesnių modelių, atliekančių daugiau darbo, o tai skamba kaip pragmatiškas žingsnis tolstant nuo gryno mastelio bet kokia kaina... arba bent jau taip atrodo.
🎓 Paskelbta pirmoji pasaulyje Mančesterio universiteto ir „Microsoft“ dirbtinio intelekto partnerystė ↗
Mančesteris teigia, kad tai taps universalu: prieiga prie „Microsoft 365 Copilot“ ir mokymai visiems darbuotojams ir studentams. Šis modelis remiasi įgūdžiais, lygybe ir atsakingu naudojimu – ne tik „produktyvumas pirmyn“.
Praktiškai tai galėtų reikšti mažiau fragmentiškų situacijų, kai „kai kurie žmonės žino įrankius, kiti ne“. Arba tai galėtų reikšti daug politikos, daug diskusijų ir galiausiai – nuoseklesnę bazinę liniją visame universiteto miestelyje.
🧑💼 Ar dirbtinis intelektas pakeis darbo vietas? Antropologinė ataskaita rodo, kad atsakymas nėra toks paprastas ↗
„Anthropic“ darbas šiuo klausimu (atsižvelgiant į tai, kaip žmonės praktiškai naudoja Claude'ą) rodo, kad dirbtinis intelektas šiuo metu labiau padeda atlikti užduotis, o ne šalinti darbus. Žmonės perleidžia dalis darbo, o ne perduoda ištisas pareigas.
Įdomu tai, kad poveikis labai skiriasi priklausomai nuo profesijos ir to, kurią darbo dalį galima automatizuoti. Tai tas pats, kas bandyti numatyti audrą stebint vieną debesį – galima pamatyti kažką, bet ne visą orų sistemą.
🧪 Bendri ES ir JAV dirbtinio intelekto principai vaistų pramonei ↗
ES ir JAV vaistų reguliavimo institucijos suderino savo principus dėl „gero dirbtinio intelekto valdymo“ gyvybės mokslų srityje – pagalvokite apie priežiūrą, rizikos valdymą ir aiškesnę atskaitomybę. Tai ne demonstratyvu, bet tai yra toks dalykas, kuris tyliai formuoja tai, kas kuriama.
Esmė iš esmės tokia: žinoma, naudokite dirbtinį intelektą, bet padarykite jį nuobodžiai audituojamą ir skaidrų, kur jis tinka, kam naudojamas ir kas atsakingas, kai jis nukrypsta nuo normos.
DUK
Kas yra IBM „Enterprise Advantage“ paslauga agentiniam dirbtiniam intelektui?
IBM „Enterprise Advantage“ pristatomas kaip platforminis agentinio dirbtinio intelekto diegimo būdas didelėse organizacijose, nelaikant kiekvieno diegimo individualia, vienkartine iniciatyva. Dėmesys skiriamas bendrinamų išteklių pakartotiniam naudojimui, agentų kūrimo komandų standartizavimui ir fragmentacijos „skyrius po skyriaus“ vengimui. Taip pat pabrėžiama, kad diegimas turi būti pritaikytas prie esamų aplinkų, o ne reikalaujamas visiškas pertvarkymas, siekiant, kad diegimai būtų kartojami, valdomi ir lengviau pritaikomi.
Kuo agentinis dirbtinis intelektas skiriasi nuo pokalbių roboto ar dirbtinio intelekto asistento, pavyzdžiui, „Copilot“?
Agentinis dirbtinis intelektas apibrėžiamas ne tiek kaip „klausimų atsakymas“, kiek kaip „veiksmų vykdymas“ darbo eigoje. Užuot apsistojęs ties pasiūlymais, agentas gali atlikti veiksmus pagal apibrėžtas taisykles. Šis pokytis padidina statymus, todėl pranešimų siuntimas labai remiasi apsauginiais barjerais, atsekamumu ir kontrole, ypač kai agentai veikia verslui svarbiuose procesuose.
Ką reiškia „pirmiausia platforma“, kai keičiamas agentinio dirbtinio intelekto pritaikymas skirtingose komandose?
Platforminis požiūris reiškia bendrų pamatų – įrankių, šablonų, valdymo ir pakartotinai naudojamų komponentų – kūrimą, kad komandos nereikėtų atskirai atkurti tų pačių agentų galimybių. Tikslas – sumažinti individualiai pritaikytų kompiliacijų skaičių ir išlaikyti nuoseklų diegimą visuose skyriuose. Praktiškai būtent „valdomas vandentiekis“ padeda plėsti agentų diegimą, nerenkant kiekvienai grupei atskiro dirbtinio intelekto rinkinio.
Kaip valdymo ir atitikties apsaugos priemonės įtraukiamos į agentų dirbtinio intelekto darbo eigas?
Čia daugiausia dėmesio skiriama agentinei automatizacijai rizikos ir atitikties mechanizme, kur klaidos gali būti brangios. Pateiktame pasiūlyme pabrėžiami apsauginiai barjerai ir atsekamumas nuo pat pradžių, kad veiksmai liktų kontroliuojami ir audituojami, o ne ad hoc. Tai atitinka platesnį reguliavimo institucijų, tokių kaip ES ir JAV vaistų reguliavimo institucijos, siekį aiškesnės atskaitomybės, priežiūros ir rizikos valdymo dirbtinio intelekto srityje didelės rizikos aplinkoje.
Ką IBM tyrimas parodė apie dirbtinio intelekto įtaką verslo augimui iki 2030 m.?
Apklausos tema – lyderiai tikisi, kad dirbtinis intelektas (DI) ne tik padidins efektyvumą, bet ir duos realių augimo rezultatų, tačiau daugelis vis dar neturi aiškaus plano, kur bus pasiekta vertė. Pabrėžiama integracija: „DI kaip papildoma priemonė“ daug nepasikeis, jei nebus integruota į darbo atlikimo būdą. Taip pat užsimenama apie kelių modelių strategijas, kai pragmatiškuose diegimuose mažesni modeliai prisiima daugiau darbo.
Ar dirbtinis intelektas pakeis darbus, ar automatizuos tik dalį jų?
Remiantis tuo, kaip žmonės praktiškai naudoja Claude'ą (kaip aprašyta „Anthropic“ ir čia), poveikis šiuo metu labiau panašus į pagalbą užduočių lygmeniu, o ne į viso darbo pakeitimą. Žmonės perleidžia dalis darbo, o ne ištisas pareigas nuo pradžios iki galo. Poveikis labai skiriasi priklausomai nuo profesijos ir to, kurios darbo dalys yra automatizuojamos, todėl rezultatai yra nevienodi ir labai priklausomi nuo konteksto.