Cómo las empresas están acelerando el tiempo al valor de AI de agente

Una encuesta reciente de 1.050 CIO reveló que el 93% de los líderes de TI implementarán agentes de IA en los próximos dos años, con líderes de TI trabajando para implementar la tecnología enfocándose en eliminar los silos de datos.

El número promedio de aplicaciones utilizadas por los encuestados fue de 897, con un 45% de informes utilizando 1,000 aplicaciones o más, lo que obstaculizó la capacidad de los equipos de TI para construir una experiencia unificada.

También: ¿el closing de los silos de datos? Cómo SAP está redefiniendo Enterprise AI con Joule y Databricks

Solo el 29% de las aplicaciones empresariales están integradas y comparten información en todo el negocio. Para prepararse para el uso ampliado de IA, las CIO empresariales asignan el 20% de sus presupuestos a la infraestructura y gestión de datos, cuatro veces más que su gasto en IA (5%).

Entonces, ¿qué son los agentes de IA? Según Ark Make investments, los agentes de IA están preparados para acelerar la adopción de aplicaciones digitales y crear un cambio de época en la interacción humana-computadora porque:

• Comprender la intención a través del lenguaje pure
• Planear el uso del razonamiento y el contexto apropiado
• Tomar medidas utilizando herramientas para lograr la intención
• Mejorar a través de la iteración y el aprendizaje continuo

Según ARK, AI sobrealimentará el trabajo de conocimiento. Hasta 2030, ARK espera que la cantidad de software program desplegada por trabajador de conocimiento crezca considerablemente a medida que las empresas invierten en soluciones de productividad. Dependiendo de las tasas de adopción, el gasto international en software program podría acelerar de una tasa anual del 14% en los últimos 10 años a tasas anuales del 18% al 48%.

Entonces, ¿cómo pueden las empresas acelerar el tiempo para valorar de la IA de agente? Según la firma de investigación de tecnología Valientela IA de agente promete ofrecer beneficios exponenciales de la IA mediante la automatización de tareas e interacciones complejas sin intervención humana.

Sin embargo, crear una IA agente que pueda manejar tareas complejas con un rendimiento aceptable es un desafío. Valoir encontrado utilizando una plataforma optimizada para el desarrollo de IA de agente, como Salesforce Agentforce, permite a las organizaciones ofrecer a los agentes de IA autónomos un promedio de 16 veces más rápido que otros enfoques, al tiempo que aumenta la precisión en un 75%.

También: gatear, luego caminar, antes de correr con agentes de IA, los expertos recomiendan

Valoir ha definido siete fases del desarrollo de agente (la complejidad de las tareas de agente y el volumen, las fuentes y la higiene de los datos variados según el cliente, al igual que el tamaño y el nivel de datos):

1. Configuración de modelo
2. Integración de datos e aplicaciones
3. Ingeniería rápida
4. AI Guardroils y seguridad
5. Interfaz de usuario y desarrollo de flujo de trabajo/aplicaciones
6. Sintonización
7. Precisión de los datos

Un hallazgo clave de Valoir con respecto a la configuración del modelo fue la variaciones entre un enfoque Do It Your self (DIY) y una plataforma profundamente integrada con capacidades de IA de agente integradas.

También: los centros de datos de IA se están volviendo “alucinantes”

Valoir descubrió que la mayoría de las organizaciones que adoptan un enfoque de bricolaje utilizan modelos preconstruidos, que generalmente requieren de tres a 12 meses para configurar. Por el contrario, los modelos de Agentforce están preintegrados y preinguados, lo que requiere poco o ningún tiempo de configuración, en promedio 7.5 veces más rápido versus modelos preconstruidos.

Valoir también descubrió que las organizaciones que usan alternativas de código abierto pasaron al menos un mes seleccionando un enfoque de RAG. Los procesos incluyeron la integración de la ingestión de documentos, la recuperación y las herramientas de almacenamiento, la integración del trapo con modelos generativos y otros dos o tres meses adicionales para capacitar al recipiente y al modelo con datos específicos del dominio. Los datos de Agentforce y la integración de aplicaciones se completaron en semanas, o tres veces y media más rápido.

La comparación más significativa de DIY VS utilizando una plataforma AI profundamente integrada fue para barandas de IA, confianza y seguridad. La confianza fue el issue clave que permitía a las organizaciones pasar de los casos de uso generativo a agente de IA. Los equipos de desarrollo con experiencia significativa en el desarrollo y la ciencia de datos necesitarían más de 12 meses para desarrollar la capa de confianza equivalente.

Además: los agentes de IA pueden ser la nueva fuerza laboral, pero aún necesitan un gerente

La precisión de los datos es un issue clave en el tiempo de valor, el tiempo necesario para construir y capacitar a los agentes de IA para ofrecer niveles aceptables de respuesta correcta. Dependiendo de la complejidad de la tarea, el porcentaje de precisión varió en función del enfoque de bricolaje en lugar de usar una plataforma profundamente integrada.

Para tareas simples, las tasas de precisión fueron 50% para bricolaje versus 95% para AgentForce. En tareas complejas, como el teaching de ventas, la precisión fue del 40% para DIY versus 95% para AgentForce. En normal, el enfoque de la plataforma puede aumentar la precisión del agente en un 75%.

Valoir concluyó que el whole promedio de los meses dedicados a los proyectos de bricolaje fue de 75.5, mientras que el tiempo promedio necesario para llevar un proyecto de Agente Drive a la precisión productiva fue de 4,8 meses, lo que hizo que la plataforma se acerque 16 veces más rápido. Para obtener más información sobre la investigación del agente de AI de Valoir, vaya aquí.