Как управление с помощью ИИ помогает предприятиям защищать и увеличивать прибыль.

В соответствии с SAPУправление ИИ на предприятиях обеспечивает рентабельность за счет замены статистических предположений на детерминированное управлениеЭтот фундаментальный сдвиг представляет собой критически важную эволюцию в том, как организации подходят к внедрению искусственного интеллекта в производственных средах.

Если попросить бытовую модель посчитать слова в документе, она часто ошибается на десять процентов. Манос РаптопулосПрезидент SAP по работе с клиентами в Европе, Азиатско-Тихоокеанском регионе, на Ближнем Востоке и в Африке отмечает, что разрыв между почти идеальным и идеальным операционным результатом является абсолютным.

«Разрыв между 90% и 100% точностью не является постепенным. В нашем мире он имеет экзистенциальный характер», — отмечает Раптопулос.

По мере того как организации внедряют крупные языковые модели в производственные среды, Раптопулос подчеркивает, что критерии оценки формально претерпели изменения в сторону... точность, управление, масштабируемость и ощутимое влияние на бизнес.

🔐 Проблема управления: от пассивных инструментов к активным участникам цифрового процесса

Главная задача, стоящая перед советами директоров компаний, заключается в переходе от пассивных инструментов к активным цифровым участникам, — переходе, который Раптопулос определяет как ключевой момент управления и войдут в число тем, на которых SAP сосредоточит внимание в этом году. Выставка искусственного интеллекта и больших данных в Северной Америке.

Агентные системы искусственного интеллекта Теперь они обладают способностью планировать, рассуждать, координировать действия с другими агентами и автономно выполнять рабочие процессы. Поскольку эти системы напрямую взаимодействуют с конфиденциальными данными и влияют на принятие решений в больших масштабах, Раптопулос утверждает, что неспособность управлять ими точно так же, как управляется человеческий труд, подвергает организацию серьезному операционному риску.

Создание управление жизненным циклом агентаСогласно его концепции, определение границ автономии, обеспечение соблюдения политики и внедрение непрерывного мониторинга результатов являются обязательными требованиями.

💰 Скрытая цена детерминированного управления

Интеграция современных векторных баз данных (отображающих семантические связи корпоративного языка) с устаревшими реляционными архитектурами требует огромных инженерных затрат. Команды должны активно ограничивать цикл вывода агента, чтобы предотвратить искажение результатов из-за ложных представлений. финансовые или логистические пути реализацииУстановка этих жестких параметров приводит к увеличению задержки вычислений и затрат на вычислительные ресурсы крупных компаний, что меняет первоначальные прогнозы прибыли и убытков.

Когда автономная модель требует постоянного высокочастотного запроса к базе данных для поддержания детерминированных результатов, связанные с этим проблемы возникают. Стоимость токенов быстро увеличивается.Управление становится жестким инженерным ограничением, а не контрольным списком соответствия.

🌍 Преодоление фрагментации нормативно-правового регулирования в разных юрисдикциях

Раптопулос утверждает, что советы директоров корпораций должны решить три основополагающие проблемы, прежде чем внедрять агентные модели:

• Ответственность: Определение того, кто несет ответственность за ошибку агента.
• Журналы аудита: Создание журналов аудита для решений, принимаемых машинами.
• Пороги эскалации: Определение точных пороговых значений для эскалации конфликта с участием человека.

Геополитическая фрагментация затрудняет поиск ответов на эти вопросы. Суверенные облачные инфраструктурыМодели искусственного интеллекта и требования к локализации данных являются нормативной реальностью на крупных рынках, охватывающих Нью-Йорк, Франкфурт, Эр-Рияд и Сингапур. Предприятия должны внедрять детерминированное управление непосредственно в вероятностный интеллект. Раптопулос рассматривает это требование как мандат высшего руководства а не ИТ-проект.

📊 Структурирование реляционной аналитики для коммерческих операций

Системы искусственного интеллекта по-прежнему полностью зависят от качества данных и процессов, с которыми они работают, что и представляет собой то, что Раптопулос называет... Момент создания основы данных.

Фрагментированные основные данные, разрозненные бизнес-системы и чрезмерно кастомизированные ERP-системы создают опасную непредсказуемость в самые неподходящие моменты. Раптопулос объясняет, что если автономный агент полагается на фрагментированные основы для предоставления рекомендаций, влияющих на позиции, связанные с денежными потоками, отношениями с клиентами или соблюдением нормативных требований.В результате операционный ущерб увеличивается мгновенно.

Для извлечения ощутимой корпоративной ценности необходимо выйти за рамки универсальных моделей обработки больших объемов текста, обученных на текстах интернет-масштаба. Истинный корпоративный интеллект, как его описывает Раптопулос, должен основываться на собственных корпоративных данных, включая заказы, счета-фактуры, записи о цепочке поставок и финансовые проводки Встроен непосредственно в бизнес-процессы.

⚙️ Инженерные сложности интеграции устаревших систем

Чрезмерные операционные сложности, связанные с обеспечением понятности чрезмерно кастомизированной среды ERP для базовой модели, останавливают многие развертывания. Команды инженеров данных тратят чрезмерное количество времени на очистку фрагментированных основных данных просто для того, чтобы создать базовый уровень для обработки ИИ.

Когда реляционной модели необходимо точно интерпретировать сложные, конфиденциальные записи цепочки поставок наряду с необработанными данными счетов-фактур, базовые конвейеры обработки данных должны работать с нулевая задержкаЕсли процесс ввода данных завершится неудачей, прогностические возможности модели мгновенно снизятся, что сделает агента функционально опасным для бизнеса.

Интеграция устаревшей архитектуры с современным реляционным ИИ требует перестройки глубоко укоренившихся конвейеров обработки данных. Инженерные команды сталкиваются с необходимостью индексирования многолетних плохо классифицированных данных планирования, чтобы модели встраивания могли генерировать точные векторные представления. Следуя логике Раптопулоса, советы директоров должны оценить, действительно ли их существующая база данных готова, а не просто накладывать вероятностный интеллект на разрозненные основы.

🎯 Разработка интерфейсов, основанных на намерениях пользователя

Взаимодействие корпоративных приложений переходит от статических интерфейсов к генеративный пользовательский опытРаптопулос отмечает, что это событие имеет место. момент взаимодействия сотрудников.

Вместо того чтобы вручную ориентироваться в сложных программных экосистемах, сотрудники будут выражать свои намерения системе. Раптопулос приводит пример пользователя, который поручает программе подготовить брифинг для визита к клиенту, приносящему наибольшую прибыль на этой неделе. Затем агенты ИИ организуют необходимые рабочие процессы, собирают информацию об окружающей обстановке и предлагают рекомендуемые действия.

Однако Раптопулос подчеркивает, что Внедрение этой технологии среди работников по-прежнему зависит от уровня доверия.Сотрудники будут использовать этих цифровых помощников только тогда, когда будут уверены, что результаты работы системы соответствуют установленным рамкам управления, отражают подлинные бизнес-правила и обеспечивают ощутимый рост производительности.

Разработка таких систем требует создания специализированных ИИ-персонажей, адаптированных для таких должностей, как финансовый директор, директор по персоналу или руководитель отдела поставок. Раптопулос отмечает, что эти персоны должны быть построены на основе... достоверные данные и интегрированы в привычные корпоративные рабочие процессы для успешного преодоления разрыва во внедрении.

🔧 Техническая сложность проектирования персон

Лидеры технологической отрасли, пытающиеся внедрить современные методы оркестровки ИИ в монолитные программные приложения, часто сталкиваются с серьезными задержками интеграции. Маршрутизация вероятностных вызовов API через устаревшее корпоративное промежуточное программное обеспечение приводит к задержкам в работе пользовательских интерфейсов, разрушая рабочий процесс, основанный на намерениях.

Разработка портретов пользователей, специфичных для конкретной роли, требует не только оперативного проектирования; она предполагает составление сложных схем сопоставления. контроль доступа, разрешения и бизнес-логика в активную память модели.

🏆 Инженерная конкурентная защита

Финансовая отдача от использования ИИ проявляется быстрее всего во время взаимодействия с клиентами. Раптопулос отмечает, что обучение моделей на конфиденциальные записи, внутренние правила и архивные журналы создает слой информации, специфичной для каждого клиента, который конкурентам будет сложно скопировать.

Данная конфигурация демонстрирует наилучшие результаты в рабочих процессах с большим количеством исключений, например: разрешение споров, претензии, возвраты и маршрутизация обслуживания.Внедрение автономных агентов, способных классифицировать дела, находить соответствующую документацию и рекомендовать решения, соответствующие политике, превращает эти дорогостоящие процессы в явное конкурентное преимущество.

Эти модели адаптируются в зависимости от результатов каждого взаимодействия. Раптопулос отмечает, что корпоративные покупатели отдают приоритет надежное, актуальное и оперативное обслуживание а не технологические уловки. Компании, которые используют ИИ для обработки больших объемов работы, сохраняя при этом строгий контроль над конечными результатами, создают барьеры для входа на рынок, которые не могут преодолеть универсальные инструменты.

📈 Трехуровневая стратегическая структура

Внедрение корпоративной аналитики требует от высшего руководства координации работы трех различных уровней параллельно, что Раптопулос определяет как стратегический момент:

1. Встроенные функции: Повышение производительности, основанное на анализе потребностей пользователей, интегрировано непосредственно в основные приложения для быстрого получения отдачи.
2. Агентная оркестровка: Многоагентная координация в рамках межсистемных рабочих процессов
3. Отраслевая аналитика: Глубоко специализированные приложения, разработанные совместно для решения наиболее важных задач, специфичных для конкретного сектора.

Раптопулос отмечает, что для масштабирования этих моделей необходимо подобрать соответствующие параметры. от корпоративных амбиций к реальной технической готовностиРуководящим группам необходимо профинансировать разработку базовых архитектур, обновить конвейеры обработки данных и обеспечить межфункциональное взаимодействие для перехода от пилотной фазы к следующему этапу.

Наиболее прибыльные внедрения рассматривают ИИ как... центральный операционный уровень Это требует такого же управления, как и управление персоналом.

🎯 Решающий момент для корпоративного ИИ

Финансовый разрыв между 90-процентная точность и полная уверенность Определяет, где сосредоточена истинная ценность предприятия. Решения в области управления, принятые в ближайшие месяцы, определят, станут ли конкретные внедрения ИИ мощным источником долгосрочного преимущества или дорогостоящим уроком.

Организации, которые успешно пройдут этот переходный период, создадут устойчивые конкурентные преимущества Построено на основе собственной интеллектуальной системы, детерминированного управления и глубоко интегрированных бизнес-процессов, которые конкурентам нелегко воспроизвести.