AI-agenter: det næste store skridt for forretningsinnovation
AI-agenter er et omdiskuteret emne på tværs af teknologibranchen. I nyhedsartikler, blogindlæg og diskussioner kaldes de ofte for det næste skridt i udviklingen af AI. Konceptet er ganske vist ikke noget nyt – vi har tidligere set lignende funktionalitet med andre navne – men den aktuelle fremdrift udgør et væsentligt skifte. I dette blogindlæg kigger vores CTO, Tero Tapanainen, nærmere på, hvor AI-agenter er på vej hen.
Udviklingen af LLM og forretningsintegration
Store sprogmodeller (LLM'er, Large Language Models) vandt først frem i form af grundlæggende chatfunktionalitet og andre anvendelsesformål, der lettede arbejdet med personlige opgaver i det daglige. Da den indledende begejstring over chatfunktioner havde lagt sig, blev fokus flyttet mod integration af LLM-funktioner til forretningsmæssige anvendelsesformål.
Blandt pionererne er Microsoft Copilot, der kombinerer LLM-teknologi med kontorarbejde. Den gør det lettere at opdage, generere og opsummere virksomhedsviden ved at benytte data i Microsoft Graph, primært knyttet til filer i Teams og SharePoint. "Det er dog i forretningssystemer som Microsoft Dynamics, SAP og IFS, hvor vi ser det virkelig akutte behov for AI-agenter", bemærker Tero.
Agenter: hjørnestenen i automatisering af forretningsprocesser
AI-agenter er nu indlejret som vigtige komponenter i LLM-domænet, hvor de forbedrer og automatiserer forretningsprocesser. En agent kan defineres som en funktion til at afvikle specifikke opgaver, og som enten udføres af en person eller autonomt, dvs. uafhængigt af nogen personer. Agenter er mest effektive, når de er fokuserede på en enkelt opgave, så det er nødvendigt at køre flere agenter i en specifik sekvens for at udføre mere komplekse opgaver.
Det er her, hvor orkestrering er vigtig. Tero understreger: "Orkestrering er et nødvendigt trin til at indfri agenters fulde potentiale. Agenter registreres som funktioner i orkestratoren. Når du stiller orkestratoren en opgave via chat eller en aktivitet, oversætter den dine anmodninger til handlinger, knytter handlingerne til agenternes funktionsevner og starter kørslen."
Tero giver os et eksempel fra produktionen:
Du er i gang med at arbejde, da en maskine i nærheden pludselig udsender et signal om, at der er en fejlfunktion. Du går hen til maskinen, tager et par billeder af den (og fejlkoden) med din telefon, og du beder din AI-forretningsagent om hjælp. AI-agenten identificerer hurtigt den specifikke maskine ud fra dine billeder, og ud fra en undersøgelse af al den relevante tekniske dokumentation diagnosticerer den problemet og fastslår, hvilke dele der evt. skal bruges til reparation. Den tager dernæst bestik af lagerstatussen hos og transporttiden fra kendte leverandører, og beder dig om at godkende bestillingen af reservedelene.
Han fortsætter: "Der findes mange eksempler på enkelte agenter, der håndterer individuelle dele af processer eller opgaver. Det kan i sig selv være effektivt, men for virkelig at udnytte agenter, er det nødvendigt at kombinere mange af dem. Jo flere funktioner, der 'registreres' i orkestreringen, desto større muligheder har din virksomhed."
Agenter som kommunikationsformidlere mellem virksomheder
Tero fremhæver en anden dimension af AI-agenter, der går ud over intern virksomhedsdrift: deres potentiale til at fungere som API'er eller kontrakter til udveksling af data og handlinger mellem virksomheder. "AI transformerer allerede brugerflader, og kommer utvivlsomt til at transformere forretningsdriften. I fremtiden benytter din virksomhed muligvis agenter, der er forbundet med millioner af andre agenter via globale orkestreringer."
Han illustrerer dette med en vision for fremtiden:
Forestil dig, at du sidder i din bil, og du gerne vil bestille nogle nye jeans fra dit yndlingsmærke. Du kunne blot sige til din bil: "Bestil et nyt par jeans, der er magen til dem, jeg har på." Din personlige agent – der f.eks. kører på din telefon – kunne identificere de jeans, du har på i øjeblikket. Agenten ville derefter kontakte en kommerciel orkestrator, der dækker over alle større forhandlere af jeans i dit område, og som finder den bedste pris, og sender oplysningerne tilbage til dine personlige agenter. Det eneste, du behøver at gøre, er at bekræfte.
Fremtiden rummer et utal af muligheder, og agenter står allerforrest i udviklingen.
Med Fellowmind kan du blive klar til fremtidens AI-agenter
Potentialet for innovation og effektivitet vokser eksplosivt i takt med at AI-agenter revolutionerer forretningsprocesser. Hos Fellowmind gør vi alt, hvad vi kan for at hjælpe virksomheder med at udnytte AI-agenter til at skabe transformation og succes. Tag med os på denne spændende rejse, integrer AI i din drift, og få adgang til nye muligheder for vækst og samarbejde. Kontakt os i dag for at finde ud af, hvordan vi kan hjælpe dig på din digitale transformationsrejse.
