Бизнес-план для агентов ИИ

Успешное внедрение агента ИИ начинается с четкого бизнес-плана. Каждая организация должна создать ее перед изучением инструментов или создания решений. Этот план задает направление для того, куда инвестировать, какие проблемы решать, и как измерять успех. Она предотвращает разбросанные усилия и помогает организации сосредоточиться на работе, которая создает сильную, повторяемую ценность.

Рисунок 1. Процесс принятия агентов ИИ в Microsoft.

Если не использовать агенты ИИ

Перед тем как решить использовать агента ИИ, полезно знать, когда он не подходит. Агенты могут добавить дополнительную сложность. Некоторые задачи не нуждаются в этой сложности. Установка этих ограничений с самого начала позволяет вам сосредоточиться на местах, где агенты приносят настоящую пользу. Задайте себе следующие вопросы:

• Структурированная или прогнозируемая задача? Если шаги понятны, повторяются и следуют строгим правилам, используйте обычный код или негенеративные модели ИИ. Эти варианты являются более быстрыми, дешевыми и более надежными для фиксированных рабочих процессов.

• Получение статических знаний? Если цель состоит в том, чтобы ответить на вопросы или суммировать содержимое из фиксированного набора документов, используйте классический подход поколения с дополненным извлечением (RAG). Если задача не нуждается в средствах или многоэтапном рассуждении, агент не требуется. Примерами являются боты с часто задаваемыми вопросами, поиск документов с сводками и простые помощники по знаниям. Эти решения RAG можно создавать в Microsoft Foundry.

Используйте следующее дерево принятия решений, чтобы проверить, требуется ли вашему варианту использования агент. Если вы ответите "Нет" на первые два вопроса, скорее всего, для вашего сценария требуются рассуждения и использование инструментов, которые предоставляют агенты.

Содействие Microsoft:
Для негенеративных ИИ-решений см. раздел Microsoft Fabric data science. См. также предварительно собранные модели речи, языка и переводчика в Foundry Tools. Создайте собственные прогнозные модели в Машинное обучение Azure.

Когда следует использовать агенты ИИ

После исключения случаев, когда агенты не помогают, найдите ситуации, когда они создают реальную ценность. Агенты отличаются от обычного программного обеспечения. Вместо выполнения фиксированного набора шагов они могут рассуждать, планировать и использовать инструменты для решения, что делать дальше (см. Что такое агент ИИ?). Чтобы получить наибольшее преимущество, выберите бизнес-проблемы, где эта гибкость имеет значение. Агенты хорошо подходят, когда:

• Задача требует многоэтапных решений. Агент полезен, когда система должна сделать выбор по пути. Сюда относятся такие действия, как чтение информации, ее оценка, принятие решения о следующем шаге и проверка собственной работы. Система сортировки запросов в службу поддержки является хорошим примером. Агент считывает запрос, проверяет журналы, пробует исправление, проверяет результат и передает на более высокий уровень только при необходимости. Если рабочий процесс изменяется на основе того, что система видит или обнаруживает, агент подходит лучше всего.

• Задача использует множество средств или систем. Агенты хорошо работают, когда они должны вызывать различные инструменты или службы в гибком порядке. Они могут выбрать, какой API следует вызывать, когда его вызывать, и как объединить результаты. Подумайте о потоке обработки расходов. Агент считывает квитанции, проверяет правила политики, вызывает API утверждения, записывает решение и обновляет финансовые системы. Если работа охватывает несколько платформ и требует динамической оркестрации, агент может снизить сложность.

• Задача нуждается в адаптивном поведении. Некоторые задачи не приходят с чистыми входными данными. Пользователи могут предоставлять неполные сведения, неясные запросы или смешанные сигналы. Агенты могут интерпретировать намерения, заполнять пробелы и выбирать правильные шаги. Агент службы клиентов является хорошим примером. Агент считывает вопрос, интерпретирует значение, проверяет базу знаний, находит сведения о заказе и создает персонализированный ответ. Если задача нуждается в гибкости и интерпретации, агент подходит.

Содействие Microsoft:
См. библиотеку сценариев Microsoft, каталог примеров использования ИИ и галерею образцов решений Sample для сопоставления внутренних идей с проверенными шаблонами.

Определение приоритета вариантов использования агента ИИ

Не каждая идея агента приносит одинаковую ценность. Некоторые идеи ценны, но их трудно реализовать. Другие легко построить, но имеют мало влияния на бизнес. Система оценки помогает вашей команде сравнить идеи и выбрать те, которые стоит сделать первым. Используйте масштаб 1–5 в трех областях: влияние на бизнес, техническую эффективность и желательность пользователей. Оценка один означает низкий уровень. Оценка пять означает высокий уровень. Эта система оценки дает четкое параллельное представление о том, какие варианты использования являются сильными и которые требуют больше работы.

Оценка влияния на бизнес

В этом разделе объясняется, как определить, важен ли вариант использования для бизнеса. Подумайте о том, поддерживает ли она стратегию, создает реальную ценность и соответствует ли она разумному окну внедрения.

• Выравнивание стратегии исполнительной власти. Проверьте, поддерживает ли вариант использования основные бизнес-приоритеты. Надежный вариант использования подключается непосредственно к финансируемым целям и имеет четкую поддержку руководства. Слабый вариант использования может быть интересным, но не движет бизнес вперед. Рекомендация. Если вариант использования не поддерживает стратегию, приостанавливайте ее рано.

• Бизнес-ценность: Рассмотрим, как агент улучшает результаты. Сильные примеры включают более низкие затраты, более быстрые рабочие процессы, лучшие решения или улучшенные возможности клиентов. Используйте четыре области значений на следующей схеме для формирования ожиданий:

  

  • Изменение бизнес-процессов (внутреннее влияние). Улучшение основных операций путем автоматизации работы, которая обычно требует решения в нескольких системах. Например, агент может считывать документы, проверять политики, обновлять системы и выполнять многоэтапные задачи без ручной координации.
  • Обогащение опыта сотрудников (внутреннее влияние). Уменьшите время, которое сотрудники тратят на сбор, просмотр или сводку информации, чтобы они могли сосредоточиться на решениях, которые имеют значение. Например, агент может собирать данные из нескольких источников и подготавливать четкие сводки, которые ускоряют планирование и анализ.
  • Переосмысление взаимодействия с клиентами (воздействие на клиентский опыт). Дайте клиентам быстрые, точные ответы, понимая свои потребности и отвечая на них с учетом контекста. Например, агент может интерпретировать открытый вопрос, искать нужные сведения и отвечать с помощью персонализированного решения.
  • Ускорение инноваций (влияние клиентов). Помочь командам обеспечить лучшие продукты и услуги клиентам путем быстрого анализа сигналов и тестирования ранних идей. Например, агент может сканировать входные данные рынка, сравнить параметры и выделить аналитические сведения, которые помогут вам выполнить следующий шаг в разработке.

• Время управления изменениями: оцените, сколько времени и усилий потребуется развертывание. Короткие управляемые временные шкалы сигнализируют о сильной готовности. Длинные, затруднительные графики сигнализируют о более сложном пути. Рекомендация. Начните с вариантов использования, которые пользователи могут быстро использовать для создания импульса.

Измерение технического обеспечения

В этом разделе показано, может ли ваша организация создавать и работать с агентом безопасно и надежно.

• Риски реализации и операций. Определите риски рано. Сильные кандидаты имеют известные риски и четкие планы устранения рисков. Слабые кандидаты имеют неясные риски или нет плана по их обработке. Рекомендуется: если вы не можете назвать риски, вы не можете управлять ими. Приостановка до тех пор, пока не будут понятны риски.

• Достаточные гарантии: подтверждение соответствия, безопасности и ответственных мер ИИ. Надежные варианты использования предусматривают зрелые меры защиты. У слабых неясное управление или потенциальная уязвимость. Рекомендация. Никогда не двигайте вариант использования с неясными или неполными гарантиями.

• Технология подходит: проверьте, работает ли агент с существующими системами и инструментами. Сильное выравнивание упрощает разработку. Плохое выравнивание повышает сложность и риск. Рекомендуется выбрать варианты использования, которые хорошо подходят для текущей инфраструктуры и шаблонов доступа к данным.

Проверьте значение с помощью быстрого пилотирования. Прежде чем инвестировать в значительной степени, запустите небольшой пилотный проект в таких инструментах, как Microsoft Copilot Studio или Microsoft Foundry, чтобы проверить, может ли агент фактически справиться с работой. Лучшая практика: Запустите пилотный проект для самых сложных шагов. Если агент преуспеет там, вы можете уверенно двигаться вперед.

Измерение желательности пользователей

В этом разделе объясняется, хотят ли пользователи решения и, скорее всего, используют его. Даже высокозначимые, технически осуществимые варианты использования могут провалиться без одобрения пользователей.

• Ключевые лица: проверьте, понимаете ли вы пользователей и заинтересованных лиц, пострадавших. Сильные кандидаты четко определили лиц с хорошо понятными потребностями. Слабые кандидаты не справляются.

• Полезное предложение. Рассмотрите, видят ли пользователи четкие преимущества. Эффективные варианты использования решают реальные проблемы и имеют значение. Слабые чувствуют себя необязательными или неважными. Рекомендация. Ранние разговоры с пользователями. Узнайте их интерес напрямую.

• Изменение сопротивления: оцените, насколько готовы пользователи принять решение. Сильные кандидаты сталкиваются с небольшим сопротивлением. Слабые кандидаты сталкиваются с сомнениями, недоверием или опасениями по поводу нарушений. Рекомендация. Выбор вариантов раннего использования с мотивированными или готовыми пользователями.

Определение метрик успешности

Четкие метрики успешности помогут вам понять, выполняет ли агент ИИ задачи, необходимые для бизнеса. Они также помогают вам принимать лучшие инвестиционные решения. Без метрик трудно определить, создает ли агент значение или просто добавляет затраты. Выполните следующие действия, чтобы создать простые, измеримые и надежные метрики перед началом разработки.

1. Задайте базовые бизнес-цели. По возможности определите ключевые показатели эффективности, которые агент должен улучшить и измерить текущую производительность. Для существующих процессов запишите текущую производительность, чтобы создать базовые показатели. Для новых процессов или ранних областей оцените начальные целевые показатели и уточняйте их с течением времени по мере того, как работа созревает. Рекомендация. Оставить ключевые показатели эффективности простыми и выбрать только те, которые непосредственно показывают, помогает ли агент.

2. Используйте бизнес-метрики в качестве шлюзов решений. Применяйте эти метрики на каждом этапе разработки, чтобы управлять инвестиционными решениями. Используйте их для определения того, должен ли проект продолжаться, изменять направление или останавливаться. Если пилотный проект не соответствует согласованным результатам, приостановите работу и переоцените вариант использования, чтобы избежать потери времени и затрат. Лучшая практика: серьезно относиться к этапам принятия решений. Примите решение "вперед" или "остановка" на основе данных, а не предположений или оптимизма.

3. Оценка производительности после развертывания. Продолжайте измерять результаты после запуска агента. Сравните фактическую производительность с целевыми ключевыми показателями эффективности и проверьте, предоставляет ли агент ожидаемое значение. Если агент не справляется, используйте данные, чтобы решить, следует ли усовершенствовать дизайн, снять решение с эксплуатации или переместить ресурсы на более выгодные возможности. Рекомендация: Просматривайте производительность на регулярной основе, чтобы заблаговременно решать проблемы и отслеживать улучшения со временем.

Этот структурированный подход обеспечивает ответственность каждой инициативы агента ИИ за бизнес-ценность и поддерживает непрерывное улучшение портфеля ИИ в целом.

Следующий шаг