Dirbtinis intelektas (DI) žengia kokybinį šuolį. Tai nebėra tik pokalbių robotai, atsakantys į klausimus, ar sistemos, automatizuojančios pasikartojančias užduotis. Vadinamasis agentinis DI žengia dar vieną žingsnį: tai agentai, gebantys savarankiškai planuoti, vykdyti ir pritaikyti veiksmus, visada laikydamiesi organizacijos nustatytų ribų. Šis paradigmos pokytis keičia įmonių veiklos būdą – nuo klientų aptarnavimo iki žmogiškųjų išteklių valdymo.
Ispanijoje ir Europoje kelios įmonės jau naudojasi šios technologijos privalumais. Nuo energetikos milžinės E.ON iki tokių startuolių kaip „HappyRobot“ ir „Orbio AI“ – sėkmės istorijų daugėja. Tačiau ne viskas klostosi sklandžiai: agentinio dirbtinio intelekto diegimas reikalauja kruopštaus pasiruošimo, ypač duomenų, valdymo ir komandos mokymo srityse. Toliau apžvelgiame pagrindinius aspektus ir ryškiausius pavyzdžius.
Kas yra agentinis dirbtinis intelektas ir kodėl jis keičia žaidimo taisykles?
Agentinis DI skiriasi nuo tradicinio DI tuo, kad jis neapsiriboja vien reagavimu į dirgiklius. Šie agentai gali priimti sprendimus, koordinuoti kitas sistemas ir bendradarbiauti su darbuotojais, kad išspręstų problemas iš esmės. Remiantis „McKinsey“ analize, įmonės, kurios plačiai įdiegė šį modelį, jau pastebi 30–50 % išlaidų sumažėjimą ir iki 20 % klientų pasitenkinimo pagerėjimą. Nenuostabu, kad agentinio DI rinka siekia apie 10.000 mlrd. JAV dolerių ir kasmet auga daugiau nei 40 %.
Tačiau šis kelias nėra be kliūčių. „Gartner“ skaičiuoja, kad daugiau nei 40 % agentinių dirbtinio intelekto projektų gali būti atšaukti iki 2027 m. dėl suvokiamos vertės stokos arba įgyvendinimo problemų. Svarbiausia vengti tuščių pažadų: vien suteikti darbuotojams prieigą prie „ChatGPT“ nepakanka ; agentai turi būti integruoti į realius darbo srautus ir išmatuoti jų poveikį.
Sėkmės istorijos: nuo „E.ON Next“ iki Ispanijos startuolių
Vienas iš dažniausiai minimų pavyzdžių yra „E.ON Next“, britų energetikos bendrovės, kuri kasmet gaudavo daugiau nei septynis milijonus skambučių, atvejis. Ji įdiegė balso analizės platformą su agentiniu dirbtiniu intelektu, kuris automatiškai klasifikuoja kiekvieno skambučio priežastį ir aptinka problemines vietas. Rezultatas: beveik 50 % sumažėjo įeinančių skambučių skaičius ir šešiais punktais padidėjo klientų pasitenkinimas. Komunalinių paslaugų sektoriuje „McKinsey“ išskiria keturias prioritetines sritis: sąskaitų išrašymą, gedimų valdymą, techninę priežiūrą vietoje ir nemokėjimų valdymą. Visose šiose srityse agentinis dirbtinis intelektas gali sumažinti išlaidas ir pagerinti klientų patirtį.
Ispanijoje inžinieriaus Pablo Palafoxo įkurtas startuolis „HappyRobot“ vos per dvejus metus pasiekė 1.200 mlrd. JAV dolerių vertę. Jo platforma naudoja balso agentus, kurie automatizuoja logistikos, energetikos ir telekomunikacijų procesus . Tokie klientai kaip DHL ir „Naturgy“ jau naudojasi jų agentais: „Naturgy“ agentai padidino klientų pasitenkinimo įvertinimą iki 9,4 iš 10, išspręsdami problemas tūkstantį kartų greičiau ir 25 % pigiau nei anksčiau. Kitas Ispanijos startuolis „Orbio AI“ ką tik užbaigė 21 mln. JAV dolerių vertės A serijos finansavimo etapą, skirtą agentiniam dirbtiniam intelektui pritaikyti žmogiškųjų išteklių srityje. Jo technologija apdoroja daugiau nei milijoną kandidatų per metus, todėl įdarbinimo laikas sutrumpėja 60 %, o pradinė darbuotojų kaita – 20 %.
Penki veiksniai, lemiantys agentinio dirbtinio intelekto sėkmę
„SoftwareOne“, pasaulinė programinės įrangos ir debesijos sprendimų teikėja, nustatė penkis esminius veiksnius, skirtus maksimaliai išnaudoti agentinio dirbtinio intelekto potencialą. Pirmasis yra duomenų paruošimas: informacijos kokybė, prieinamumas ir saugumas yra bet kurios dirbtinio intelekto sistemos pagrindas . Neturėdami švarių ir atnaujintų duomenų, agentai priima klaidingus sprendimus. Antrasis veiksnys yra saugumas, atitiktis ir valdymas nuo pat pradžių. Labai svarbu apibrėžti, ką agentas gali ir ko negali daryti, ir nustatyti atsekamumo bei kontrolės mechanizmus.
Trečias veiksnys – procesų peržiūra prieš automatizavimą. Neefektyvaus proceso automatizavimas tik paaštrina problemas. Ketvirtas – žmonių rengimas: komandos turi išmokti dirbti su skaitmeniniais agentais, suprasti jų apribojimus ir žinoti, kada įsikišti. Galiausiai, labai svarbu išmatuoti poveikį, sąnaudas ir investicijų grąžą. Dirbtinio intelekto diegimas – tai ne tendencijų sekimas, o tvarios vertės kūrimas.
Valdymas – didžiausias finansų sektoriaus iššūkis
Finansų sektorius yra vienas iš tų, kurie aktyviausiai svarsto apie agentinio dirbtinio intelekto valdymą . Remiantis Kembridžo universiteto 2026 m. pasauline dirbtinio intelekto finansinių paslaugų ataskaita, 81 % finansų įstaigų jau naudoja dirbtinį intelektą, tačiau tik 14 % mano, kad jis pasiekė reikšmingą transformaciją. Trūkumas slypi ne pačioje technologijoje, o gebėjime valdyti agentų autonomiją. Tokios sąvokos kaip „žmogiškoji programinė įranga“ – su dirbtiniu intelektu susijusių politikos krypčių, atsakomybės ir priežiūros mechanizmų rinkinys – tampa būtinos. Pasitikėjimui reikalinga architektūra : būtina apibrėžti, kas yra atsakingas, kai algoritmas padaro klaidą, ir kokiomis sąlygomis agentas gali veikti be žmogaus priežiūros.
Trumpai tariant, agentinis dirbtinis intelektas nėra trumpalaikė mada. Įmonės, kurios jį priima turėdamos aiškią strategiją, investuodamos į duomenis, valdymą ir mokymą, įgyja didelių konkurencinių pranašumų. Tos, kurios tiesiog eksperimentuoja be plano, rizikuoja atsilikti. Ateities darbas nebus nei vien žmogiškas, nei vien autonomiškas: tai bus abiejų derinys, kai išmanūs agentai perims pasikartojančias užduotis, o žmonės sutelks dėmesį į kūrybiškumą, strategiją ir kritinį sprendimų priėmimą.
Rodiklis

