Mākslīgais intelekts (MI) sper kvalitatīvu lēcienu. Vairs nav runa tikai par tērzēšanas robotiem, kas atbild uz jautājumiem, vai sistēmām, kas automatizē atkārtotus uzdevumus. Tā sauktais aģentu MI iet soli tālāk: tie ir aģenti, kas spēj autonomi plānot, izpildīt un pielāgot darbības, vienmēr organizācijas noteiktajās robežās. Šī paradigmas maiņa pārveido uzņēmumu darbības veidu, sākot no klientu apkalpošanas līdz cilvēkresursu pārvaldībai.
Spānijā un Eiropā vairāki uzņēmumi jau gūst labumu no šīs tehnoloģijas. Sākot ar enerģētikas gigantu E.ON un beidzot ar tādiem jaunuzņēmumiem kā HappyRobot un Orbio AI, veiksmes stāsti vairojas. Taču ne viss notiek gludi: aģentūru mākslīgā intelekta ieviešanai nepieciešama rūpīga sagatavošanās, īpaši attiecībā uz datiem, pārvaldību un komandas apmācību. Tālāk mēs apskatām galvenos aspektus un ievērojamākos piemērus.
Kas ir aģentūriskā mākslīgā intelekta (AI) tehnoloģija un kāpēc tā maina spēles noteikumus?
Aģentu mākslīgais intelekts atšķiras no tradicionālā mākslīgā intelekta ar to, ka tas neaprobežojas tikai ar reaģēšanu uz stimuliem. Šie aģenti var pieņemt lēmumus, koordinēt citas sistēmas un sadarboties ar darbiniekiem, lai risinātu problēmas to saknē. Saskaņā ar McKinsey analīzi, uzņēmumi, kas ir ieviesuši šo modeli plašā mērogā, jau redz izmaksu samazinājumu par 30% līdz 50% un klientu apmierinātības uzlabojumus līdz pat 20%. Nav brīnums, ka aģentu mākslīgā intelekta tirgus vērtība ir aptuveni 10.000 miljardi ASV dolāru un tas pieaug ar ātrumu, kas pārsniedz 40% gadā.
Tomēr šis ceļš nav bez šķēršļiem. Gartner lēš, ka vairāk nekā 40% aģentūru mākslīgā intelekta projektu varētu tikt atcelti pirms 2027. gada uztvertās vērtības trūkuma vai ieviešanas problēmu dēļ. Galvenais ir izvairīties no tukšiem solījumiem: vienkārši nodrošināt darbiniekiem piekļuvi ChatGPT nav pietiekami ; aģenti ir jāintegrē reālās darbplūsmās un jāizmēra to ietekme.
Veiksmes stāsti: no E.ON Next līdz Spānijas jaunuzņēmumiem
Viens no visbiežāk minētajiem piemēriem ir E.ON Next, britu enerģētikas uzņēmums, kas gadā saņēma vairāk nekā septiņus miljonus zvanu. Tas ieviesa balss analīzes platformu ar aģentu mākslīgo intelektu, lai automātiski klasificētu katra zvana iemeslu un noteiktu problēmas. Rezultāts: ienākošo zvanu skaita samazinājums par gandrīz 50% un klientu apmierinātības pieaugums par sešiem punktiem. Komunālo pakalpojumu nozarē McKinsey identificē četras prioritārās jomas: rēķinu izrakstīšana, elektroenerģijas padeves pārtraukumu pārvaldība, lauka pakalpojumi un nemaksājumu pārvaldība. Visās šajās jomās aģentu mākslīgais intelekts var samazināt izmaksas un uzlabot klientu pieredzi.
Spānijā inženiera Pablo Palafox dibinātais jaunuzņēmums HappyRobot tikai divu gadu laikā ir sasniedzis 1.200 miljardu dolāru vērtējumu. Tā platforma izmanto balss aģentus, kas automatizē procesus loģistikā , enerģētikā un telekomunikācijās . Tādi klienti kā DHL un Naturgy jau izmanto tā aģentus: Naturgy aģenti ir paaugstinājuši klientu apmierinātības vērtējumu līdz 9,4 no 10, risinot problēmas tūkstoš reižu ātrāk un par 25% no iepriekšējām izmaksām. Vēl viens Spānijas jaunuzņēmums Orbio AI tikko ir noslēdzis 21 miljona dolāru A sērijas finansējuma kārtu, lai piemērotu aģentu mākslīgo intelektu cilvēkresursu jomā. Tā tehnoloģija apstrādā vairāk nekā miljonu kandidātu gadā, samazinot pieņemšanas darbā laiku par 60% un sākotnējo kadru mainību par 20%.
Pieci faktori, kas nosaka aģentu mākslīgā intelekta panākumus
SoftwareOne, globāls programmatūras un mākoņrisinājumu nodrošinātājs, ir identificējis piecus būtiskus faktorus aģentu mākslīgā intelekta potenciāla maksimālai izmantošanai. Pirmais ir datu sagatavošana: informācijas kvalitāte, pieejamība un drošība ir jebkuras mākslīgā intelekta sistēmas pamatā . Bez tīriem un atjauninātiem datiem aģenti pieņem kļūdainus lēmumus. Otrais faktors ir drošība, atbilstība un pārvaldība jau no paša sākuma. Ir svarīgi definēt, ko aģents var un ko nevar darīt, un izveidot izsekojamības un kontroles mehānismus.
Trešais faktors ir procesu pārskatīšana pirms automatizācijas. Neefektīva procesa automatizācija tikai saasina problēmas. Ceturtais ir cilvēku sagatavošana: komandām ir jāiemācās strādāt ar digitālajiem aģentiem, jāsaprot viņu ierobežojumi un jāzina, kad iejaukties. Visbeidzot, ir svarīgi izmērīt ietekmi, izmaksas un ieguldījumu atdevi. Mākslīgā intelekta ieviešana nav saistīta ar tendences sekošanu, bet gan ar ilgtspējīgas vērtības radīšanu.
Pārvaldība — lielais izaicinājums finanšu sektoram
Finanšu sektors ir viens no tiem, kas visaktīvāk pārdomā aģentūru mākslīgā intelekta pārvaldību . Saskaņā ar Kembridžas Universitātes 2026. gada globālo mākslīgā intelekta finanšu pakalpojumu ziņojumu 81 % finanšu iestāžu jau izmanto mākslīgo intelektu, bet tikai 14 % uzskata, ka tas ir sasniegis ievērojamas pārmaiņas. Plaisa nav pašā tehnoloģijā, bet gan spējā pārvaldīt aģentu autonomiju. Tādi jēdzieni kā “cilvēka programmatūra” — politikas, atbildības un uzraudzības mehānismu kopums, kas aptver mākslīgo intelektu — kļūst būtiski. Uzticībai ir nepieciešama arhitektūra : ir jādefinē, kas ir atbildīgs, ja algoritms pieļauj kļūdu, un kādos apstākļos aģents var rīkoties bez cilvēka uzraudzības.
Īsāk sakot, aģentūru mākslīgais intelekts nav pārejoša modes lieta. Uzņēmumi, kas to pieņem ar skaidru stratēģiju, ieguldot datos, pārvaldībā un apmācībā, iegūst ievērojamas konkurences priekšrocības. Tie, kas vienkārši eksperimentē bez plāna, riskē atpalikt. Darba nākotne nebūs ne tikai cilvēciska, ne tikai autonoma: tā būs abu apvienojums, kur inteliģenti aģenti pārņems atkārtotus uzdevumus un cilvēki koncentrēsies uz radošumu, stratēģiju un kritisku lēmumu pieņemšanu.
