Агентные рабочие процессы – это автоматизированные процессы, в которых агенты искусственного интеллекта анализируют проблемы, используют различные приложения и принимают решения автономно. Это важно, потому что традиционные инструменты, такие как чат-боты, реализуют лишь функции помощников. Агентные рабочие процессы фактически достигают целей самостоятельно. Это превращает ИИ из пассивного помощника в активного участника принятия решений в операциях компаний. В отчете «Agents Robots and Us Skill Partnerships in the Age of Ai» консалтинговой компании McKinsey говорится о том, что агентные технологии могут автоматизировать до 44% текущих рабочих часов, если бизнес-процессы перестроены под людей и агентов.
Рабочие процессы, основанные на агентном подходе, помогают создавать системы искусственного интеллекта, способные самостоятельно проходить полный цикл принятия решений: выявлять изменения в данных, взвешивать варианты на основе правил, предпринимать действия в рамках систем и учиться на полученных результатах. Цель создания агентных рабочих процессов состоит не в том, чтобы заменить собственное суждение сотрудника, а в том, чтобы обрабатывать рутинные решения, отнимающие время, оставаясь при этом верными принципам принятия решений на основе данных. Невозможно одновременно отслеживать все показатели или принимать тысячи микрорешений ежедневно. Искусственный интеллект способен обрабатывать огромные объемы данных за секунды и мгновенно реагировать на меняющиеся условия. Это делает его идеальным для сценариев с большим объемом данных, таких как динамическое ценообразование, обнаружение мошенничества или оптимизация цепочки поставок. Способность ИИ оптимизировать процесс принятия решений – это нечто большее, чем просто скорость. В контексте технологической и информационной инфраструктуры компании ИИ коренным образом меняет то, как организация реагирует на бизнес-условия.
О ключевых компонентах процесса принятия решений с использованием ИИ-агентов рассказывает доцент кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянова Наталия Юрьевна:
Для безопасного принятия автономных решений ИИ-агентам необходимы структурированные системы. Эти системы представляют собой логические архитектуры, которые реализуются в рамках существующих платформ ИИ (например, таких как Microsoft Copilot Studio или Google Vertex AI). Они определяют, какие решения могут принимать ИИ-агенты, каким правилам они должны следовать и когда им необходимо сделать паузу для получения одобрения человека. Отдельно следует отметить графы решений ИИ-агентов. Это визуальная карта, которая помогает разрабатывать процессы принятия решений, соответствующие рабочим процессам компании, и одновременно предоставляет ИИ-агенту четкие указания относительно того, что он может и чего не может делать. Прежде чем рекомендовать какие-либо действия, ИИ-агент собирает свое рода «пакет доказательств», содержащий всю необходимую информацию. Например, это могут быть текущий уровень запасов, прогнозы продаж, сроки поставки от поставщиков и исторические данные о производительности и т.д. Пакет подтверждающих документов гарантирует, что каждая рекомендация ИИ-агентов основана на фактах. Когда ИИ-агент предлагает переместить товар между складами, можно точно увидеть, какие данные подтверждают это решение. В графах принятия решений предусмотрены встроенные «контрольные точки», на которых ИИ должен сделать паузу и запросить одобрение человека. Эти контрольные точки активируются в зависимости от различных факторов, например, пороговые значения расходов, уровень влияния на клиентов, нормативные требования и т.д., Например, можно разрешить агенту автоматически утверждать отчеты о расходах на сумму менее 5000 рублей, но требовать проверки для отчетов на более крупные суммы. Такой подход позволяет контролировать важные решения, автоматизируя при этом рутинные.
Вопросы безопасности внедрения ИИ-агентов в процессы принятия решений комментирует профессор кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянов Виталий Александрович:
Автономные ИИ-агенты создают новые проблемы безопасности, требующие упреждающего управления. Это и задачи многофакторной аутентификация для принятия важных решений и строгий контроль доступа на основе ролей для различных функций агента и отслеживание всех действий и решений агентов в режиме реального времени. Регулярные проверки безопасности помогают выявлять потенциальные уязвимости до того, как они смогут причинить ущерб. Компаниям следует разрабатывать и усовершенствовать модели и системы обнаружения мошенничества и кибератак. Например, на Факультете информационных технологий и анализа больших данных Финансового университета при Правительстве РФ разработаны интеллектуальные модели и методы проактивной защиты и обнаружения кибератак на объекты критической информационной инфраструктуры финансового сектора.
Предоставление ИИ возможности действовать от имени компании требует надежных мер защиты. Необходимо с самого начала внедрить в систему такие механизмы управления, которые обеспечат соответствие каждого решения требованиям и его соответствие ценностям компании
