ბოლო დროს ბიზნესსამყაროში სულ უფრო ხშირად ისმის ახალი ტერმინი – „ავტონომიურ AI აგენტებს“. ესენი არიან ხელოვნური ინტელექტის სისტემები, რომლებსაც კონტექსტის გააზრება, დამოუკიდებელი გადაწყვეტილებების მიღება და საკმაოდ კომპლექსური დავალებების შესრულება შეუძლიათ. დღეს ისინი სხვადასხვა ინდუსტრიაში ადამიანების გვერდით, ჩვეულებრივი თანამშრომლებივით ოპერირებენ. დეველოპერები მათ კოდის საწერად და ტესტირებისთვის იყენებენ, ქოლ-ცენტრებში მომხმარებელთა მოთხოვნებს ახარისხებენ, ხოლო მიწოდების ჯაჭვის მართვაში – მთლიან ინვენტარსა და ლოგისტიკას აკონტროლებენ.
საქმე იქამდეც მივიდა, რომ ბიზნესლიდერები მათ გუნდის სრულუფლებიან წევრებად თვლიან. მაგალითად, McKinsey-ში ღიად ამბობენ, რომ მათი 60-ათასიანი გუნდის თითქმის მესამედს – 20 ათასს – სწორედ ხელოვნური ინტელექტის აგენტები შეადგენენ, რაც ბოლო წელიწადნახევარში უზარმაზარი ნახტომია. Nvidia-ს ხელმძღვანელი ჯენსენ ჰუანგი კი უფრო შორს მიდის და პროგნოზირებს, რომ მომავალში კომპანიის ყოველ სტრუქტურულ ჯგუფში მილიონობით ციფრული ასისტენტი დასაქმდება.
თუმცა, თუ ბიზნესი ამ ციფრული ასისტენტების მრავალფეროვნებაზე არ იზრუნებს, დიდი ალბათობით, პროდუქტიულობისა და კრეატიულობის მოლოდინი საერთოდ ჩაიფუშება. უახლესი კვლევები აჩვენებს, რომ მრავალფეროვნების პრინციპით შერჩეული AI გუნდები 25%-ით უკეთ წყვეტენ საინჟინრო პრობლემებს, ვიდრე ცალკეული აგენტები. მიზეზი მარტივია – მათში განსხვავებული ცოდნა და უნარები ერთიანდება. მეტიც, აღმოჩნდა, რომ ორ სხვადასხვანაირად მომზადებულ აგენტს შეუძლია იმაზე უკეთესი შედეგი აჩვენოს, ვიდრე 16 აბსოლუტურად ერთნაირად მომართულ სისტემას. ზუსტად ისე, როგორც ადამიანების შემთხვევაში, მრავალფეროვნება ხელოვნურ ინტელექტშიც პირდაპირ აისახება ბიზნესის ეფექტურობაზე.
რისკები
მიუხედავად აშკარა უპირატესობისა, კომპანიების უმრავლესობა ამ გამოწვევისთვის მზად არ არის და აქცენტს მხოლოდ ტექნიკურ მხარეზე აკეთებს. ხელოვნური ინტელექტის სფეროს ექსპერტები ამჩნევენ, რომ როდესაც კლიენტები AI აგენტების მრავალფეროვნებაზე საუბრობენ, ძირითადად მათ ხასიათს ან ვიზუალურ პერსონას გულისხმობენ. თუმცა, რეალური პრობლემა ისაა, რომ ფინანსებში, რიტეილსა თუ ავტოინდუსტრიაში თითქმის ყველანი ერთსა და იმავე ბაზისურ მოდელებსა და მონაცემთა ბაზებს იყენებენ. როდესაც ქვედა ტექნოლოგიური შრე იდენტურია, აგენტებისთვის სხვადასხვა ხასიათის მინიჭება მხოლოდ ფასადურია – ტანსაცმლის გამოცვლა აზროვნებას ვერ ცვლის. კვლევებიც ადასტურებს, რომ წამყვანი მოდელების პასუხები ხშირად მხოლოდ დასავლური, განათლებული და მდიდარი საზოგადოების ღირებულებებს ასახავს, რაც სხვა კულტურების უნიკალურობას სრულად გამორიცხავს.
ამგვარ ერთგვაროვნებას ბიზნესისთვის სერიოზული რისკები მოაქვს. თუ მთელი სექტორი, მაგალითად სადაზღვევო ან საგადახდო სისტემები, ერთსა და იმავე მოდელებზე მუშაობს, შეცდომებიც სინქრონული ხდება – თაღლითობის იდენტურ შემთხვევებს მთელი ინდუსტრია ერთდროულად გამოტოვებს, რაც უკვე სისტემური რისკია და არა კონკრეტული ვენდორის ხარვეზი. რიტეილში კი ფასწარმოქმნის სისტემები საბოლოოდ ერთნაირ ციფრებამდე მიდიან, რაც კონკურენტულ უპირატესობას აქრობს და ბაზარზე გარკვეული ბრენდების მიმართ აშკარა ფავორიტიზმს აჩენს. გარდა ამისა, მოდელების მსგავსება ბიზნესს უმალავს ბაზრის უნიკალურ ტენდენციებსა და მომხმარებელთა ქცევის ცვლილებებს, რისი დროული შემჩნევაც მრავალფეროვანი AI გუნდების პირობებში ბევრად მარტივია.
როგორ უნდა შევქმნათ მრავალფეროვანი AI გუნდები?
ამ გამოწვევების თავიდან ასაცილებლად, აუცილებელია რამდენიმე სტრატეგიული ნაბიჯის გადადგმა. პირველ რიგში, ეს თავად ტექნოლოგიური შრის დივერსიფიკაციას გულისხმობს, სადაც სხვადასხვა ლაბორატორიის მოდელები კომბინირებულად იმუშავებენ. მაგალითად, ლოგიკური მსჯელობისთვის შეგვიძლია Anthropic-ის Claude გამოვიყენოთ, შეფასებისთვის – Google-ის Gemini, ხოლო ტექსტის გენერირებისთვის – OpenAI-ის GPT. ასეთი კონფიგურაციით, მათი შეცდომების თანხვედრის ალბათობა მინიმუმამდე მცირდება, რადგან სხვადასხვა საწყის მონაცემებზეა ბაზირებული. გარდა ამისა, მნიშვნელოვანია სასწავლო მონაცემების გამდიდრება გლობალური კულტურული და ფსიქომეტრიული კვლევების ბაზებით.
მსხვილ ტრანსნაციონალურ კომპანიებს აქვთ შესაძლებლობა, მოდელების დასახვეწად საკუთარი შიდა მონაცემები, თანამშრომელთა გამოკითხვები და HR სისტემები გამოიყენონ. AI აგენტებს გუნდური მუშაობის სტილი ადამიანებზე დაკვირვებითაც შეუძლიათ ისწავლონ – ელექტრონული მიმოწერებისა თუ შეხვედრების ანალიზით, რაც მათ მოლაპარაკებებისა და კონსენსუსის მიღწევის ხელოვნებას აზიარებს.
ბიზნესის მართვის დონეზე კი აუცილებელია მოდელების პორტფელის მართვის მკაფიო პოლიტიკის დანერგვა, სადაც კომპანიის დირექტორთა საბჭო დააწესებს ლიმიტს, რომ კრიტიკული გადაწყვეტილებების გარკვეულ პროცენტზე მეტი მხოლოდ ერთ კონკრეტულ ტექნოლოგიურ მომწოდებელზე არ იყოს დამოკიდებული. უსაფრთხოების ტესტირებისთვის კულტურული საექსპერტო ჯგუფების ჩართვა და მომავალში ციფრული ტალანტების სპეციალური პლატფორმების შექმნა, სადაც სხვადასხვა უნარისა და კულტურული ბეგრაუნდის მქონე აგენტების „დაქირავება“ იქნება შესაძლებელი, ბიზნესს სრულიად ახალ კრეატიულ და კომერციულ შესაძლებლობებს გაუხსნის.
წყარო: HBR
