AI jako operační systém

Během posledních dvou let se mnoho organizací experimentujících s umělou inteligencí setkalo se stejným vzorcem. Počáteční nasazení přináší působivé demonstrace – systémy, které dokážou odpovídat na otázky, shrnovat dokumenty a provádět uživatele procesy. Jakmile jsou však tyto systémy zavedeny do reálných provozních prostředí, rychle vyvstává praktičtější otázka: dokáže systém skutečně dokončit práci? Tato otázka odhaluje důležitý posun v tom, jak je umělá inteligence v organizacích začíná být chápána. Po většinu minulé dekády vstupovala AI do společností velmi specifickými dveřmi: konverzací. Chatboti, asistenti a v poslední době rozhraní velkých jazykových modelů slibovaly něco intuitivního i výkonného. Místo procházení složitých softwarových systémů mohli uživatelé popsat, co chtějí, v přirozeném jazyce a obdržet odpověď. Tento vývoj formoval to, jak dnes mnoho lidí přemýšlí o umělé inteligenci. AI je často rámována především jako komunikační rozhraní – konverzační vrstva umístěná nad stávajícími systémy, která usnadňuje přístup k těmto systémům. Existuje dobrý důvod pro toto vnímání. Jazyk je nejpřirozenější rozhraní, které lidé mají, a systémy, které dokážou interpretovat běžnou řeč, dramaticky snižují tření spojené s tradiční interakcí se softwarem. Jak se však organizace přesouvají od experimentování k reálnému provoznímu nasazení, omezení tohoto modelu se stávají stále viditelnějšími. Mnoho problémů, které organizace chtějí, aby umělá inteligence řešila, nejsou komunikační problémy, ale problémy provádění.

Omezení konverzační AI

Velké jazykové modely dosáhly pozoruhodného pokroku v porozumění a generování jazyka. Dokážou shrnovat dokumenty, vysvětlovat zásady a odpovídat na otázky s působivou plynulostí. Tyto schopnosti se ukázaly jako cenné v prostředí s vysokým obsahem znalostí, kde rychlé získávání a syntéza informací může zlepšit produktivitu. Jazyk však nedokončuje práci. Zvažte jednoduchý příklad. Pacient chce přesunout lékařské vyšetření. Konverzační AI systém může vysvětlit kroky potřebné k jeho přesunutí prostřednictvím online portálu a pokyny mohou být naprosto jasné. Samotný úkol však stále musí být proveden. Operační systém přistupuje ke stejné situaci odlišně. Identifikuje schůzku, zkontroluje dostupnost v rezervačním systému, aktualizuje rezervaci a potvrdí výsledek. Interakce může začít jazykem, ale hodnota systému spočívá v jeho schopnosti dokončit základní pracovní postup. Pro organizace spravující tisíce nebo miliony interakcí se rozdíl mezi vysvětlením a provedením rychle stává významným.

Automatizace probíhá na úrovni úkolů

Ekonomové studující automatizaci již dlouho pozorují, že technologie zřídka nahrazuje celé pracovní pozice, ale místo toho přetváří úkoly, které tyto pozice tvoří. Výzkum ekonoma MIT Davida Autora a dalších ukázal, že digitální technologie mají tendenci automatizovat specifické činnosti v rámci větších pracovních postupů, spíše než nahrazovat profese jako takové. Umělá inteligence začíná sledovat stejný vzorec. Většina současných nasazení AI funguje na informační vrstvě organizací. Získávají znalosti, shrnují dokumenty a odpovídají na otázky. Tyto schopnosti mohou zlepšit produktivitu, ale zůstávají do značné míry oddělené od operačních systémů, kde práce skutečně probíhá. Dokončení operačních úkolů vyžaduje integrovanější formu automatizace, která může přímo interagovat s těmito systémy. Dokončení úkolu může zahrnovat získávání informací z více systémů, ověřování dat, aplikaci obchodních pravidel, aktualizaci záznamů, spouštění dalších akcí a zajištění, že výsledek je řádně zdokumentován. Jinými slovy, smysluplná automatizace vyžaduje systémy schopné přímé účasti v provozních procesech.

Když se AI přesune dovnitř pracovního postupu

Když se umělá inteligence stane součástí provozních prostředí, její role se zásadně mění. Místo toho, aby fungovala čistě jako konverzační rozhraní, AI se stává součástí infrastruktury, která provádí práci. Přijde požadavek, systém určí relevantní kontext, interaguje s připojenými aplikacemi, provede požadované akce a zaznamená výsledek. Tento posun mění způsob, jakým organizace hodnotí systémy AI. Konverzační systémy jsou často hodnoceny podle kvality interakce: jak přirozeně dialog působí nebo jak užitečné se odpovědi zdají. Operační systémy jsou hodnoceny podle jiných kritérií. Spolehlivost, sledovatelnost, správa a integrace se stávají ústředními úvahami. Organizace musí být schopny pochopit, jaké akce byly podniknuty, proč byly podniknuty a jak tyto akce odpovídají interním zásadám a regulačním požadavkům. Tyto obavy jsou obzvláště viditelné v regulovaných odvětvích, jako je zdravotnictví, pojišťovnictví, telekomunikace a veřejná správa, kde automatizované procesy musí zůstat auditovatelné a v souladu se stávajícími právními rámci. Jak se umělá inteligence přibližuje k provozní infrastruktuře, spolehlivost provádění se stává důležitější než plynulost konverzace.

Od systémů záznamů k systémům provádění

Z širší perspektivy tento přechod odráží delší vývoj v podnikových technologiích. Po desetiletí se organizace spoléhaly především na systémy záznamů – databáze navržené pro ukládání a organizaci informací. Postupem času se mnoho aplikací vyvinulo v systémy zapojení, které zlepšily způsob, jakým lidé interagovali s těmito záznamy. Umělá inteligence přináší možnost něčeho jiného. Systémy AI mohou začít fungovat jako systémy provádění – platformy schopné koordinovat akce napříč více aplikacemi a dovést provozní pracovní postupy do úspěšného dokončení. Konverzace zůstává důležitá, protože přirozený jazyk poskytuje intuitivní vstupní bod pro požadavky a interakce. Skutečná hodnota se však objeví, když lze tyto požadavky přeložit přímo do provedené práce napříč provozními systémy organizace.

Vznik operační vrstvy AI

Tento posun začíná produkovat novou třídu technologických platforem. Místo toho, aby se tyto platformy zaměřovaly pouze na konverzační interakci, jsou navrženy tak, aby orchestraly akce napříč systémy. Interpretují požadavky, koordinují procesy, aplikují pravidla správy a zajišťují, že úkoly jsou správně provedeny v rámci stávajících provozních prostředí. V podstatě se začínají podobat formě operační vrstvy pro umělou inteligenci – něčemu bližšímu operačnímu systému AI pro pracovní postupy než tradičnímu rozhraní chatbota. Úlohou takových platforem není pouze odpovídat na otázky, ale koordinovat provádění práce napříč digitální infrastrukturou organizace.

Elba a operační model AI

Tato perspektiva formovala vývoj Elby v Kolsetu. Místo toho, aby byla umělá inteligence primárně prezentována jako konverzační asistent, Elba byla navržena jako agentní, omnichannel operační AI platforma. Požadavky mohou přicházet prostřednictvím hlasu, zpráv nebo jiných interakčních kanálů, ale základní rolí systému je přeložit tyto požadavky do proveditelných pracovních postupů napříč aplikacemi, na které se organizace již spoléhají. Jakmile je záměr pochopen, platforma může získat kontext, interagovat s připojenými systémy, aplikovat obchodní logiku a dokončit definované provozní procesy v rámci hranic správy stanovených organizací. Konverzační rozhraní zůstává pro uživatele viditelné, ale skutečná hodnota spočívá v operační vrstvě za ním. V praxi to znamená, že systémy AI dělají více než jen provádějí uživatele procesy. Mohou tyto procesy dovést do úspěšného dokončení a koordinovat akce napříč systémy způsobem, který připomíná vznikající formu provozní infrastruktury řízené AI.

Závěr

Umělá inteligence je často diskutována jako nové rozhraní pro interakci s digitálními systémy. Konverzační technologie skutečně usnadnily přístup k softwaru a jeho pochopení. Samotná komunikace však zřídka transformuje operace. Významnější posun nastává, když se umělá inteligence stane součástí pracovních postupů, na které se organizace spoléhají při provozování svých služeb. V tomto kontextu umělá inteligence již nefunguje pouze jako konverzační rozhraní, ale jako systém schopný získávat informace, aplikovat pravidla, interagovat s infrastrukturou a provádět provozní procesy. Jak se organizace přesouvají od experimentování k reálnému nasazení, rozdíl mezi systémy, které vysvětlují práci, a systémy, které ji vykonávají, se pravděpodobně stane stále důležitějším. Budoucnost AI v organizacích může být nakonec definována méně tím, jak přesvědčivě stroje komunikují, a více tím, jak spolehlivě pomáhají organizacím dokončit práci.