要使AI超越实验阶段,需要将智能体与运营情境相连接,并确定它们能够创造最大价值的业务流程。企业AI可以生成建议、自动化任务,并帮助组织更快地做出决策。但如果不了解企业的实际运作方式,即使是功能强大的模型也可能忽略决定某项决策是否正确的约束条件和关系。
Celonis企业AI首席科学家Devavrat Shah认为,这种情境是他所称的"决策智能"的核心。他指出,AI智能体可以支持更大决策流程中的单个任务,但它们需要理解每项任务所扮演的角色以及周围的业务条件。若缺乏正确的运营情境,智能体可能会忽略重要约束、犯下代价高昂的错误,或在试图弄清所需信息时消耗过多的计算资源。
解决方案始于将AI与企业已在使用的流程和数据相连接。情境层可以帮助智能体理解工作流程、在既定的防护范围内运行,并生成供人员审核和批准的建议。Shah建议企业从一个具体的业务决策入手,找出其中最困难的环节,并测试AI能否改善这些环节。随后,衡量在速度和价值方面的提升,有助于判断某一应用是否值得推广。
这种方法还可能改变员工的时间分配方式。将重复性的人工工作自动化,并协调跨团队的任务,可以让员工专注于更复杂的战略决策。然而,要实现这一益处,需要对员工进行培训投入,使他们能够理解AI的输出结果及其影响。展望未来,Shah认为机遇将从日常运营任务延伸到财务、人力资源管理、市场营销和销售等企业全局规划领域。
来源: MIT Technology Review AI · 由HeadlinesBriefing整理摘要