Membangun dan meluncurkan sistem berbasis AI bisa tampak seperti tugas besar dan menakutkan, serta penuh risiko. Namun, metode penyampaian lain kini muncul: asisten AI.
AI Generatif telah menambah bobot dan kemampuan baru pada agen yang seringkali sulit diterapkan dan dikelola. Penelitian baru menunjukkan bahwa tugas-tugas yang mudah diterapkan ini akan menarik perhatian para profesional teknologi dan pemimpin bisnis mereka.
Juga: 6 Cara AI Dapat Membantu Memulai Bisnis Anda Berikutnya
Agen AI mewakili “garis depan berikutnya” AI, menurut laporan dari konsultan McKinsey. Laporan tersebut memperkirakan pengaruh sistem agen – yang didefinisikan sebagai “mesin digital yang dapat berinteraksi secara independen dalam dunia yang dinamis” – akan meningkat.
Meskipun sistem keagenan telah ada sejak lama, “keterampilan bahasa alami gen AI akan mengungkap kemungkinan-kemungkinan baru, mendukung sistem yang dapat merencanakan tindakan mereka, menggunakan alat online untuk menyelesaikan tugas, berkolaborasi dengan agen dan orang lain, dan belajar untuk berubah. pekerjaan mereka,” kata tim penulis McKinsey, yang dipimpin oleh Lareina Yee.
Juga: 8 kasus AI terbesar tahun ini
Fase pengembangan AI selanjutnya kemungkinan besar akan bersifat “revolusioner”, kata Yee dan rekan-rekannya. “Kami memulai evolusi dari alat berbasis pengetahuan yang didukung gen-AI – misalnya, chatbots yang menjawab pertanyaan dan membuat konten – menjadi agen gen AI yang menggunakan model dasar untuk melakukan tugas-tugas yang semakin kompleks di seluruh dunia. . Singkatnya , teknologi berpindah dari ide ke produk.”
Mayoritas dari 1.100 eksekutif teknologi (82%) yang menanggapi survei terbaru dari konsultan Capgemini mengindikasikan bahwa mereka ingin mengintegrasikan AI ke dalam organisasi mereka dalam tiga tahun ke depan – naik dari 10% dan para asistennya saat ini bekerja.
Laporan tersebut menemukan bahwa tujuh dari sepuluh responden (70%) akan memercayai asisten AI untuk menganalisis dan memproses data, dan 50% akan memercayai asisten AI untuk mengirim email profesional atas nama mereka. Hampir tiga pertiga dari mereka yang disurvei (75%) mengatakan mereka ingin menerapkan AI untuk tugas-tugas seperti desain dan kontrol berulang. Tugas lain yang mungkin dilakukan asisten termasuk membuat dan mengedit laporan organisasi (70%) dan konten situs web (68%), serta membuat email, menyalin, dan menganalisis data.
Agen yang didukung AI dapat melakukan berbagai tugas. “Misalnya, penyedia layanan dapat mengatur dan memesan alur kerja yang sederhana dan individual, mengelola sumber daya di berbagai platform,” kata McKinsey. “Dengan menggunakan bahasa sehari-hari, seorang insinyur dapat menjelaskan sebuah program baru kepada seorang programmer, yang dapat menulis, menguji, mengulangi, dan menggunakan alat yang membantu pembuatannya.”
Contoh lain, vendornya, Qventus, menawarkan layanan AI yang berhubungan dengan pelanggan yang disebut Patient Concierge, yang menelepon pasien dan mengingatkan mereka tentang janji temu, mengulangi instruksi sebelum dan sesudah, dan menjawab pertanyaan tentang perawatan.
Juga: Kapan waktu terbaik untuk berinvestasi di AI? 4 cara untuk membantu Anda memutuskan
Ada enam tingkat asisten AI, masing-masing menawarkan tingkat fungsionalitas berbeda, seperti yang tercantum pelatihan AWS:
- Refleks sederhana: Ini semudah mengatur ulang kata sandi Anda. “Ini beroperasi secara ketat berdasarkan aturan yang telah ditentukan sebelumnya dan kejadian terkini. Ia tidak dapat menanggapi kejadian di luar urutan tindakan.”
- Agen refleks berbasis model: Seperti agen refleks sederhana, namun “alih-alih mengikuti aturan tertentu, mereka mengevaluasi kemungkinan hasil dan konsekuensi sebelum mengambil keputusan. Mereka menciptakan model internal dari dunia yang mereka lihat dan menggunakannya untuk mendukung keputusan mereka.”
- Agen berbasis tujuan/berbasis aturan: Mereka memiliki kemampuan berpikir yang lebih baik dibandingkan agen, sehingga cocok untuk “tugas yang lebih kompleks seperti pemrosesan bahasa alami dan robotika”. Tujuan/agen hukum “membandingkan berbagai cara untuk membantu mencapai hasil yang diinginkan, dan selalu memilih cara terbaik”.
- Sumber daya yang bermanfaat: “Membandingkan penawaran berbeda berdasarkan nilai atau nilainya” — seperti membantu pelanggan menelusuri penawaran maskapai penerbangan terbaik. “Mereka menggunakan konsep algoritma yang kompleks untuk membantu pengguna mengoptimalkan hasil pencarian mereka.”
- Sponsor kursus: “Dia terus belajar dari pengalaman masa lalu untuk meningkatkan hasil. Dengan menggunakan metode analitis dan deskriptif, asisten mengadaptasi apa yang dia pelajari dari waktu ke waktu untuk memenuhi standar tertentu. Selain itu, dia menggunakan generator masalah untuk membuat tugas baru untuk dipelajari sendiri dari pengumpulan data dan hasil masa lalu.”
- Agen hierarki: Hal ini menempatkan agen untuk bertanggung jawab atas agen lainnya. “Asisten atasan mengatur tugas-tugas kompleks menjadi lebih kecil dan mendelegasikannya kepada bawahan. Setiap asisten mengelola dirinya sendiri dan melaporkan kemajuannya kepada asistennya. Manajer senior mengumpulkan hasil dan mengoordinasikan bawahan untuk memastikan bahwa mereka bekerja sama untuk mencapai tujuan.”
Hingga saat ini, asisten perangkat lunak “sulit digunakan, memerlukan upaya, kepatuhan, atau pelatihan khusus untuk model pembelajaran mesin,” kata tim McKinsey. Namun, perubahan signifikan sedang berlangsung.
“Gen AI berubah. Ketika perilaku agen dibangun menggunakan model dasar – yang telah dilatih berdasarkan serangkaian variabel yang besar dan beragam – alih-alih aturan yang telah diprogram sebelumnya, mereka dapat beradaptasi dengan situasi berbeda dengan cara yang sama seperti LLM. Mereka dapat merespons dengan lebih jelas terhadap informasi yang belum dilatih dengan baik.”
Juga: 4 cara untuk membantu tim Anda mengatasi tantangan AI
Penggunaan AI dalam pemrosesan bahasa alami juga mengubah persamaan tersebut. “Saat ini untuk melaksanakannya harus dijabarkan terlebih dahulu menjadi aturan dan prosedur yang bisa dilaksanakan,” kata tim McKinsey.
“Langkah-langkah ini biasanya diterjemahkan ke dalam komputer dan diintegrasikan ke dalam program perangkat lunak – sebuah proses yang seringkali mahal dan rumit serta memerlukan keahlian teknis tingkat tinggi. Karena sistem agen menggunakan bahasa alami sebagai metode pelatihan, bahkan tugas yang rumit pun dapat dicetak dengan cepat dan Selain itu, pekerjaan tersebut dapat dilakukan oleh non-profesional, bukan programmer.”
