En 2024, menos del 1% de las aplicaciones de software empresarial incorporaron la IA Agentic, pero, según Gartner, se retraso que ese número envergadura el 33% para 2028. Comprensiblemente, las empresas industriales han mostrado un creciente interés en la IA agente, con la esperanza de beneficiarse esta tecnología transformadora para aplicaciones comerciales del mundo existente.
Si adecuadamente están ansiosos por adoptar la próxima grado de innovación de IA, muchos enfrentan un temido “POC) Purgatorio”, sin esquilar sus herramientas de IA más allá de las etapas piloto.
Para la mayoría, la pregunta central no es si la IA de agente puede mejorar sus operaciones, sino qué tan rápido ofrecerá un valía tangible, y POC Purgatory los retiene.
Exploremos algunas de las razones esencia para este cuello de botella, las barreras para desbloquear el potencial y las estrategias de AI de AI de Agente para superarlos.
Caux bob
Navegación de enlaces sociales
¿Por qué las empresas industriales se atascan en el POC Purgatory?
La transición de los pilotos POC al despliegue a gran escalera no es un delirio directo. La apadrinamiento de AI de agente es diferente a cualquier otra apadrinamiento tecnológica ayer, y es probable que surjan varios desafíos a medida que las empresas industriales trabajan para dar el sucesivo paso alrededor de la implementación escalable, que incluyen:
1. Preocupaciones de trámite del cambio : Las empresas industriales a menudo son reacias a adoptar cambios significativos, especialmente al adoptar tecnologías que alteran drásticamente sus operaciones. Este miedo se deriva de las preocupaciones sobre la pérdida de control sobre los procesos comerciales esencia y la incertidumbre de cómo estos cambios podrían afectar sus flujos de trabajo. Como resultado, pueden retrasar o desentenderse las iniciativas conveniente a la aprensión vinculada a desafíos desconocidos y posibles interrupciones que conlleva renunciar al control a sistemas automatizados como los agentes.
2. Equivocación de métricas claras de éxito : Sin métricos de éxito adecuadamente definidos, es difícil para las empresas evaluar la efectividad de las herramientas emergentes. Determinar cómo la IA agente afectará los resultados comerciales esencia, como la productividad, la reducción de costos o la eficiencia operativa, no es una tarea simple. Esta errata de claridad puede afectar la toma de decisiones y retrasar los esfuerzos de implementación.
3. Evaluación de casos de uso apropiado : Identificar los casos de uso correctos para tecnologías impulsadas por agentes y comprender qué procesos complejos pueden diligenciar efectivamente presenta un desafío significativo. Para hacer esto, las empresas necesitan un conocimiento profundo de dominio y una clara comprensión de sus operaciones internas. Sin esta idea, corren el peligro de quedarse atascados en una grado de prueba, donde solo se prueban escenarios simples y no representativos, lo que finalmente obstaculiza el potencial de beneficiarse a los agentes para tareas más impactantes y complejas.
4. La falta de un situación de datos robusto : Si adecuadamente el 86% de las organizaciones reconocen la preparación de datos como crucial para el éxito de la IA, solo el 23% ha creado la cojín necesaria para que esto suceda. Para las empresas industriales, el desafío es aún maduro, ya que la tecnología obsoleta, los datos fragmentados y los sistemas heredados complican la implementación de la IA, y la escalera de los agentes solo complica las cosas aún más. La IA Agentic requiere un situación poderoso que pueda apoyar a un ejército de agentes que crean grandes cantidades de datos en tiempo existente, lo que hace que el proceso sea más complicado e intensivo en bienes.
5. Resistor a la fuerza profesional : Cedido que la IA de agente automatiza completamente ciertas tareas acullá de los humanos, la resistor de los empleados a los roles crecientes de los agentes está casi garantizada en función del rechazo temprano pasado de los chatbots. Si adecuadamente permite a las personas centrarse en medios de detención valía y solo interactuar con los agentes en artículos que necesitan aprobación o que están llenos de incertidumbre, una buena cantidad de autonomía en torno al trabajo y cómo se hace debe renunciarse, lo que puede ser incómodo.
¿Qué pasos pueden tomar las empresas industriales para alcanzar la implementación de IA subida?
Las barreras establecidas anteriormente ciertamente pueden ser desalentadores, pero superarlas está al envergadura de las empresas con visión de futuro. Aquellos que buscan esquilar sus aplicaciones de IA de agente deben comenzar siguiendo estos cinco pasos:
1. Constreñir resultados y roles comerciales claros para los agentes : El primer paso es fijar claramente los resultados comerciales que los agentes de IA apuntan a conseguir, y luego asignar estos resultados a tipos específicos de agentes. Por ejemplo, un agente de monitoreo, que opera continuamente en segundo plano, podría tener un KPI centrado en las mejoras de tiempo de actividad, mientras que un agente que automatiza un proceso de extremo a extremo se centra en las ganancias de productividad. Al alinear a los agentes de IA con prioridades comerciales estratégicas y establecer KPI claros para cada uno, las organizaciones pueden crear una cojín sólida para valorar el éxito.
2. Afirmar la preparación de datos e infraestructura : Los agentes dependen no solo de la calidad de los datos, la disponibilidad y el procesamiento capaz, sino todavía en la preparación del proceso. Para ir más allá de POC, las empresas deben poner al día su infraestructura de datos y trazar sus procesos. Incluso necesitan tener una comprensión clara de cómo funcionan sus operaciones, proporcionando pautas adecuadamente definidas interiormente de las cuales los agentes pueden ejecutar. 3. Establecer marcos de gobernanza de IA asegura que las implementaciones cumplan con los estándares de seguridad, cumplimiento y confiabilidad al tiempo que le dan a los agentes la estructura necesaria para encontrar soluciones efectivas de forma autónoma.
3. Adoptar un enfoque sucesivo para el despliegue : En puesto de intentar un despliegue a gran escalera desde el principio, las empresas deben adoptar un enfoque sucesivo. Comience con un agente objetivo de detención impacto que probablemente entregue resultados medibles, luego refine y escalera el maniquí basado en la feedback. La iteración continua es esencia para asegurar que los agentes puedan adaptarse a las condiciones del mundo existente y ponerse al día adjunto con las evacuación comerciales. Una vez que se encuentra el éxito auténtico, se pueden implementar tipos adicionales de agentes en otras iniciativas comerciales con maduro facilidad.
4. Impulse la vinculación organizacional y de la fuerza profesional : Con casi la centro de la fuerza profesional preocupada de que AI pueda reemplazar sus trabajos, los líderes no pueden simplemente introducir la IA agente y alejarse. A medida que los procesos se automatizan, los empleados cambiarán a nuevas tareas, como supervisar los resultados y proporcionar firmes generales en puesto de ejecutar cada paso manualmente. Las empresas deben alterar en iniciativas de incorporación robustas, incluidas las capacitación y los programas de calificación de la restablecimiento, para asegurar una transición sin problemas. Involucrar a equipos interfuncionales, como operadores, trámite de TI y líderes empresariales, principalmente en el proceso ayudará a crear un sentido de propiedad y fomentar la colaboración en todo el negocio.
5. Valorar, iterar y esquilar con confianza : Una vez que los agentes se despliegan, es crucial monitorear continuamente su envergadura y rendimiento contra los KPI predefinidos. Esto incluye evaluar si un agente comienza con una tarea relativamente simple y deseo gradualmente más autonomía con el tiempo o si hay áreas específicas donde el agente lucha. Las empresas todavía deben evaluar si se confía en los agentes para ir más allá de los sistemas internos de la compañía, como negociar y comprar a los proveedores. Al establecer marcos de toda la empresa para agentes, las organizaciones pueden optimizar proyectos futuros, mejorar el rendimiento del agente y acelerar su capacidad para esquilar iniciativas de agentes en todo el negocio.
Tome la IA de agente de pilotos interminables al impacto del mundo existente
Mover más allá del POC Purgatory para conseguir el despliegue de AI de AI a gran escalera requiere exceder varios obstáculos significativos. Acometer las barreras comunes, como el miedo al fracaso, las iniciativas aisladas y los desafíos de infraestructura, será fundamental para que las empresas industriales desbloqueen todo el potencial de estas herramientas autónomas.
A pesar de que muchas organizaciones ya han enérgico agentes standard, el camino alrededor de los agentes totalmente autónomos no estará sin desafíos. Al hacer inversiones estratégicas y adoptar un enfoque metódico no solo para esquilar a los agentes, sino todavía para fijar sus roles específicos, las empresas industriales pueden ir más allá de los ensayos interminables y comenzar a cosechar las recompensas de la IA agente en el mundo existente mucho ayer de que Gartner predeciera el aumento de 2028.
Calificamos la mejor plataforma de inteligencia de negocios.
Este artículo fue producido como parte del canal de Insights Expert de TechRadarpro, donde presentamos las mejores y más brillantes mentes de la industria de la tecnología en la hogaño. Las opiniones expresadas aquí son las del autor y no son necesariamente las de TechRadarpro o Future PLC. Si está interesado en contribuir, obtenga más información aquí: https://www.techradar.com/news/submit-your-story-to-techradar-pro
ztevenreal
