Введение
Когда я заговорю об автономной коммерции, неизменно возникает одна реакция: «Это здорово, но до этого еще далеко». Это не так. Так кажется только в том случае, если пытаться сделать автономным все сразу.
Самое сложное — редко сама технология, а скорее выбор первой задачи, которую можно поручить агенту. Сделайте правильный выбор — и вы быстро научитесь на реальных данных и заслужите доверие, от которого зависит все остальное. Сделайте плохой выбор — и вы получите застопорившийся пилотный проект или, что еще хуже, дорогостоящую ошибку.
Вот чему я научился, создавая нашу коммерческую платформу и уровень агентов вместе со своими командами, а также наблюдая за тем, как предприятия во всей индустрии подходят к автономной коммерции.
Примечание: Эта статья основана на беседе с Романом Техадой (Roman Tejada), руководителем направления инноваций в области ИИ в Google Cloud. Посмотрите полную запись беседы по запросу.
Почему первый сценарий использования имеет такое значение?
Прототип вас ничему особо не научит. Настоящие уроки появляются только тогда, когда агент реально работает с вашими живыми данными, где ошибка чего-то стоит. Поэтому один узкий агент в продакшене учит вас гораздо большему, чем масштабный пилотный проект, застрявший в песочнице.
Ваш первый агент также важен потому, что именно на нем ваши сотрудники решают, доверять ли этой технологии. И он должен работать ничего не ломая; он должен заслужить это доверие трудным путем, через реальные результаты.
Что делает сценарий использования автономной коммерции хорошим?
Я ищу пять признаков:
- Он повторяющийся. Подумайте о решении, которое люди принимают снова и снова, с большим количеством данных с обеих сторон, где опытный сотрудник обычно знает правильный ответ, но может принимать такое решение лишь ограниченное число раз в день.
- Он обратим и имеет малую зону поражения. Если агент допустит ошибку, исправить ее должно быть дешево и легко.
- Есть четкий рычаг воздействия. Агенту нужно то, на что он может повлиять. Если какая-то возможность не представлена в виде API, то для агента ее не существует; он идеально проанализирует проблему, а затем остановится и поставит задачу в очередь для человека.
- Успех измерим. Вы должны быть способны доказать на фактах, сработало ли это.
- Никто не будет с вами спорить. Лучшие первые сценарии использования — это скучные задачи, от которых люди с радостью готовы отказаться.
Как это выглядит в коммерции?
Эти примеры взяты из той работы, которую мы поручаем нашим операционным агентам:
Многие команды начинают с такого вспомогательного опыта и переходят к автономии по мере того, как обретают комфорт и уверенность. Путь простирается от управляемого режима к запланированному и полностью автономному.
С чего не стоит начинать?
Определение цены для вашего главного бестселлера в пиковый сезон. Ваш первый сценарий использования должен быть таким, чтобы в случае сбоя затраты были минимальными, а исправление — простым. Оставьте рискованную работу на потом, когда у вас появятся доказательства на основе первых нескольких задач.
Как выглядит хороший первый сценарий использования на практике?
Роман поделился примером, который мне нравится, из сферы вне разработки ПО. Один магазин постоянно не выполнял план по утренним продажам. Спрос был высоким, но подготовка начиналась в семь часов, а клиенты приходили раньше, поэтому в часы пик половина витрины пустела, и люди уходили к конкурентам через дорогу.
Решением было изменение графика. Если бы оно не сработало, на следующий день все можно было бы вернуть назад. Ответ уже содержался в данных, но ни у кого не было времени в них разобраться.
Это именно тот профиль, который стоит искать: измеримый, обратный, без лишней драматизма и с реальными деньгами. Как выразился Роман, первый шаг должен лишь заставить людей заинтересоваться и сформировать доверие.
Внедряйте защитные механизмы с первого дня
Даже для небольшого и скучного сценария использования с самого начала необходим человек в контуре (human-in-the-loop), наблюдаемость и журнал аудита. Не настраивайте их задним числом. Если вы не уверены, что именно нужно внедрить, я рассмотрел вопросы, на которые нужно ответить до того, как любой агент начнет действовать в продакшене, в статье «Перед тем как позволить ИИ-агенту действовать в продакшене: 7 вопросов, на которые нужно ответить в первую очередь».
Как понять, когда разрешить агенту делать больше?
Измеряйте результат и наращивайте уверенность шаг за шаг. Сначала ваша организация выполняет работу, а агенты помогают. Со временем вы переходите к тому, что работу делают агенты, а ваши сотрудники подключаются в ключевые моменты. Это путь построения доверия и уверенности через отказ от тотального контроля шаг за шагом.
Этот сдвиг от людей с ИИ-помощниками к ИИ с поддержкой людей должен быть решением, основанным на фактах. Это не то, что происходит незаметно, поэтому наблюдаемость и измерение результатов имеют такое значение.
Создавайте все на собственных данных и сделайте это за недели
Совет Романа техническим лидерам заключается в том, чтобы сначала использовать собственные данные, а выводы делать потом. Вы узнаете больше из работающего пилотного проекта за несколько недель, чем из очередной презентации со стратегией.
Еще никто не научился плавать по слайдам. Нужно прыгнуть в воду, сделать это, выбрать что-то ценное, что-то вроде низко висящих плодов с точки зрения усилий, но то, что принесет пользу и будет обратимым.
Роман Техада
Руководитель направления инноваций в области трансформации облачного ИИ, Google Cloud
Это также важно потому, что ваш бизнес не похож на бизнес другого предприятия или конкурента. Каждая компания имеет свой собственный профиль, и лучший результат — это агент, который адаптируется именно под ваш бизнес.
Пропустили прямую трансляцию? Посмотрите наш вебинар «Автономная коммерция на практике: от задач к результатам» по запросу.
Часто задаваемые вопросы
Повторяющаяся, измеримая, обратимая задача с малой зоной поражения, где ответ уже содержится в ваших данных, а у агента есть четкое действие, которое он может выполнить через API.
Несколько недель, а не кварталов. Рабочая версия, запущенная на ваших собственных данных, учит вас большему, чем долгосрочное планирование.
Да. Внедрите механизмы утверждения (approval gates), наблюдаемость и аудит с первого дня, а затем ослабляйте ограничения по мере сбора данных.
Агент может делать только то, что позволяют ваши системы, поэтому необходимые ему возможности должны быть доступны через API. Пропуск этого фундаментального шага делает все остальное намного сложнее.
Именно поэтому вы начинаете с чего-то обратимого и с малой зоной поражения, с одобрениями, мониторингом и возможностью мгновенно остановить агента.
