«Սև արկղ» (Black Box) օգտագործողի փորձառության դարաշրջանը հասել է շրջադարձային կետի: Վերջին երկու տարիների ընթացքում գեներատիվ արհեստական բանականության (Generative AI) շուրջ ձևավորված կորպորատիվ հռետորաբանությունը հիմնականում կենտրոնացած էր առաջատար մոդելների արագ թողարկման և արտադրողականության վերածննդի խոստումների վրա: Սակայն, նորության առաջնային ազդեցությունը մարելուն պես, ի հայտ է եկել տեսանելիության լուրջ բաց: Մենք գիտենք, որ աշխատակիցներն օգտագործում են ԱԲ-ն, սակայն հստակ պատկերացում չունենք, թե ինչպես են նրանք այդ գործիքները ներդնում իրենց առօրյա աշխատանքային գործընթացներում:

OpenAI-ի և Anthropic-ի նման առաջատար ԱԲ լաբորատորիաները հաճախ հրապարակում են վերլուծական հաշվետվություններ, սակայն այդ տվյալների բազաները հիմնականում ընտրովի են: Դրանք հաճախ շեշտադրում են հաջողակ «փորձառու օգտատերերի» (power users) հաջողված փորձը՝ ստվերում թողնելով այն իրական և բարդ խոչընդոտները, որոնք առաջանում են, երբ մոդելը բախվում է ավանդական կորպորատիվ միջավայրին: Բիզնես ղեկավարների համար սա լուրջ «կույր կետ» է: Եթե չեք կարողանում չափել, թե ինչպես է ԱԲ-ն իրականում ազդում մարդկային աշխատանքի արդյունավետության վրա, ապա չեք կարող այն օպտիմալացնել ներդրումների վերադարձի (ROI) կամ կազմակերպչական կայունության համար:

Ընդհանուր նշանակության ԱԲ-ի մասին առասպելը

Ներկայիս շուկան տարված է «ունիվերսալ» հավելվածներով՝ չաթ-բոտերով, որոնք կարող են ամեն ինչ անել՝ կոդ գրելուց մինչև էլեկտրոնային մարքեթինգային նամակների նախագծում: Այնուամենայնիվ, իրական օգտագործման տվյալները ցույց են տալիս, որ օգտատերերն արագորեն հասնում են այս լայն սպեկտրի գործիքների հնարավորությունների սահմանին: Երբ գործիքը փորձում է լինել «ամեն ինչ՝ բոլորի համար», այն հաճախ ոչինչ չի տալիս այնպիսի մասնագետին, որի աշխատանքը պահանջում է կոնկրետ սահմանափակումներ, անվտանգության արձանագրություններ կամ խորը ինտեգրում CRM համակարգերի հետ:

Մենք ականատես ենք լինում անցման՝ «ԱԲ-ի հետ զրուցելուց» դեպի «ԱԲ-ն աշխատանքային համակարգի մեջ ինտեգրելուն»: Այս էվոլյուցիան կարևոր է մի քանի պատճառով.

  • Համատեքստային կապակցում (Contextual Tethering): Աշխատակիցները հասկանում են, որ մոդելն արժեքավոր է այնքանով, որքանով այն հասանելիություն ունի տվյալներին: Ամենահաջողված ներդրումներն այն են, որոնք LLM-ը (լեզվական մեծ մոդել) ուղղակիորեն կապում են ներքին փաստաթղթերի, նախագծերի պատմական տվյալների կամ կենդանի տվյալների բազաների հետ:
  • Աշխատանքային գործընթացների ինտեգրում: Բրաուզերային ԱԲ ինտերֆեյսի և հիմնական ծրագրաշարի միջև անցում կատարելու փոխարեն, արդյունավետ թիմերը պահանջում են ԱԲ հնարավորություններ, որոնք ներդրված են իրենց առկա միջավայրում՝ լինի դա Salesforce, Slack, թե Jira:
  • Վստահության դեֆիցիտ: Աճում է «հալյուցինացիաներից հոգնածությունը»։ Երբ օգտատերերը հասկանում են, որ ԱԲ-ի արդյունքները ստուգելու համար պետք է ծախսեն նույնքան ժամանակ, որքան կծախսեին աշխատանքը ձեռքով կատարելու համար, դրա ներդրումը դանդաղում է:

Ղեկավարության համար սա նշանակում է, որ 2023 թվականի «ԱԲ-ն առաջին հերթին» ռազմավարությունը 2024 թվականին պետք է վերածվի «օգտակարությունը առաջին հերթին» ռազմավարության: ROI-ը չպետք է փնտրել ԱԲ գործիքի բաժանորդագրությունների քանակի մեջ, այլ բարձր հաճախականություն ունեցող բիզնես գործընթացներում ձեռքով կատարվող քայլերի չափելի կրճատման մեջ: Եթե ԱԲ-ն չի կրճատում հաճախորդի հարցումից մինչև գործարքի ավարտ ընկած ճանապարհը, ապա այն ակտիվ չէ, այլ՝ լրացուցիչ ծախս:

Չաթ-բոտերից դեպի ինքնավար գործակալներ

Թվային փոխակերպման հաջորդ փուլը կբնորոշվի պասիվ չաթ-բոտերից դեպի ակտիվ ԱԲ գործակալներ (AI Agents) անցումով: Ի տարբերություն ստանդարտ չաթ-բոտի, որը սպասում է հրահանգի, գործակալը նախատեսված է տարբեր հավելվածներում բազմափուլ առաջադրանքներ կատարելու համար: Հենց այստեղ է թաքնված ավտոմատացման իրական ներուժը, և հենց այստեղ է, որ շատ ընկերություններ դեռ չեն կարողանում հաջողություն գրանցել:

Բարդության տարբերությունը հսկայական է: Չաթ-բոտը զրույցի ինտերֆեյս է, իսկ գործակալը՝ ավտոմատացված աշխատակից: Գործակալներն արդյունավետ ներդնելու համար բիզնես ղեկավարները պետք է իրենց ուշադրությունը «հրահանգների ինժեներիայից» (prompt engineering) տեղափոխեն «գործընթացների ինժեներիայի» վրա: Դուք պետք է քարտեզագրեք ձեր ընթացիկ աշխատանքային հոսքերը նույն ճշգրտությամբ, որով ճարտարապետը նախագծում է շենքը: Ո՞ր քայլերն են որոշակի և կանոնների վրա հիմնված: Ո՞ր քայլերն են պահանջում մարդկային դատողություն:

Ընկերությունների համար, որոնք ցանկանում են ընդլայնվել, ներդրման միտումները մատնանշում են երեք առանձին սյուներ.

  1. Օրկեստրավորման շերտեր (Orchestration Layers): Middleware-ի օգտագործում՝ ապահովելու համար, որ ԱԲ մոդելները ճիշտ են հաղորդակցվում՝ կորպորատիվ մակարդակի անվտանգության և կառավարման պահանջներին համապատասխան:
  2. Մոդուլային ներդրում: «Մեծ պայթյունի» (մեկանգամյա համատարած) ներդրումից հրաժարում՝ հօգուտ փոքր, բարձր ազդեցություն ունեցող մոդուլների, որոնք լուծում են մատակարարման շղթայի, հաճախորդների սպասարկման կամ առաջնային հաճախորդների ներգրավման կոնկրետ խոչընդոտները:
  3. Human-in-the-Loop (HITL) ճարտարապետություն: Համակարգերի կառուցում, որտեղ ԱԲ-ն իրականացնում է տվյալների մշակումը և ծանր աշխատանքը, սակայն մարդկային վերահսկողությունը պահպանվում է որոշումների կայացման կարևոր հ