Lai ieviestu mākslīgā intelekta aģentus ražošanā, vispirms ir jānodrošina uzņēmuma datu pārvaldība. Datu kvalitāte, piekļuves kontrole un aģentu izvadu reģistrēšana ir kritiski svarīga veiksmīgām un aizstāvamām mākslīgā intelekta lietotnēm.
Vadītāji pavada daudz laika, apšaubot, vai mākslīgā intelekta aģenti ir gatavi ražošanai, taču sākumpunkts nav šeit. Jo aģenti nedarbojas tukšumā. Viņu lēmumu kvalitāte lielā mērā ir atkarīga no izmantoto datu kvalitātes.
Modeļa drošība un veiktspēja, protams, ir svarīgas, taču tās nevar kompensēt vāju kontroli pār informāciju, kam aģentam ir piekļuve. Pirms aģenta ieviešanas ražošanā organizācijai ir nepieciešami pārvaldīti ievaddati, atbilstoša piekļuve un uzticams reģistrs tam, ko aģents rada.
Ja jūs dodat aģentam novecojušu klienta informāciju, dublētus ierakstus vai materiālus, kas nekad nav pienācīgi klasificēti, tas strādās ar to, kas tam ir pieejams, un tūkstošiem darījumu laikā ātri pieņems lēmumus, kuru pamatā ir nepietiekama informācija.
Diemžēl plaisa starp ieviešanu un pārvaldību strauji paplašinās. Steigā ieviest mākslīgo intelektu daudzas organizācijas laiž aģentus ražošanā, neatrisinot pamata datu problēmu. Tāpēc nav pārsteigums, ka lielākajai daļai MI projektu ir nulles ieguldījumu atdeve.
Turklāt MI aģentu pārvaldība neaprobežojas tikai ar datiem, kam aģents var piekļūt. Tā ietver arī datus, ko aģents rada: lēmumus, sniegtos norādījumus un izveidotos dokumentus. Tā kā mākslīgais intelekts arvien vairāk veicina uzņēmuma lēmumus, MI izsekojamība un aizstāvamība ir kļuvušas par kritiski svarīgām spējām.
Organizācijas, kas izveido spēcīgu datu pamatu, var pāriet no izmēģinājuma posma uz ražošanu ar pārliecību, ka aģenti slikti pārvaldītus datus nepārvērtīs uzņēmuma mēroga krīzē.
Vispirms ir datu problēma
Datu pārvaldības problēma, protams, nav jauna. Lielākā daļa lielo organizāciju ir pavadījušas gadus, cīnīdamās ar informāciju, kas izkliedēta starp operatīvajām platformām, failu koplietošanas vietnēm, arhīviem un lietojumprogrammām, kuras jau sen bija jāizņem no lietošanas. Tomēr, tā kā aģentos balstīts mākslīgais intelekts var ātri un mērogoti izmantot šīs vājības, jautājums ir kļuvis steidzamāks.
Pirms piešķirt aģentam piekļuvi datiem, IT ir jāidentificē sensitīva un regulēta informācija, konsekventi jāpiemēro klasifikācijas un uzglabāšanas politikas un jānosaka, kuri avoti ir aktuāli un uzticami. Vecajiem datiem nepieciešama īpaša piesardzība.
Izņemtas no lietošanas lietojumprogrammas bieži satur vērtīgu uzņēmējdarbības vēsturi, taču tajās ir arī dublēti ieraksti, nederīga informācija un dati, uz kuriem attiecas juridiskās glabāšanas vai aizturēšanas prasības.
Organizācijām arī jāsaglabā konteksts un attiecības, kas piešķir jēgu vecajiem datiem, un pēc tam jādara pieejamas atlasītas, politikas kontrolētas datu kopas. Mākslīgais intelekts nedarbojas tukšumā ar datiem, un bez apkārtējā konteksta aģenti vai nu nevar izpildīt savus uzdevumus, vai, vēl ļaunāk, pieņem un īsteno kļūdainus lēmumus.
Piekļuve ir biznesa lēmums
Vēl viena kļūda, ko pieļauj organizācijas, ir piešķirt saviem aģentiem piekļuvi vairāk datiem, nekā tiem nepieciešams. Patiesībā aģentiem vajadzētu piekļūt tikai tiem datiem, kas nepieciešami viņiem piešķirto uzdevumu veikšanai. Tas, ka sistēma var izveidot savienojumu ar aģentu, nenozīmē, ka tai tas būtu jādara.
Vērtējiet aģentus kā darbiniekus un ievērojiet mazākās privilēģijas principu. Piemēram, klientu apkalpošanas aģentam var būt nepieciešama aktuāla konta un darījumu informācija, taču tam, iespējams, nav nepieciešami juridiski faili vai bijušo darbinieku ieraksti. Piekļuvei ir cieši jāatbilst aģenta noteiktajam mērķim.
Arī avota izcelsme ir svarīga. Aģentam nevajadzētu uzskatīt aktuālu uzskaites sistēmu un gadu desmitiem vecu arhīvu par vienlīdz autoritatīviem. Aģentiem jāzina, no kurienes informācija nāk, kad tā atjaunināta un kādas politikas ir spēkā. Atkal svarīgs ir konteksts. Bez atbilstoša konteksta aģenti pieļauj dārgas kļūdas.
Reģistrējiet, ko aģents dara
Pārvaldība nebeidzas pēc tam, kad aģents ir saņēmis apstiprinātos datus. Ar mākslīgo intelektu saistīti dati strauji kļūst svarīgi tiesvedībā, atbilstības pārbaudēs un klientu sūdzībās. Lai būtu gatava, organizācijai jāspēj parādīt, kas aģentam tika lūgts darīt, kādai informācijai tas piekļuva, kādas politikas tika piemērotas un kas notika pēc tam.
Uzvednes, saņemtais saturs, izvades un no tā izrietošie lēmumi jāsaglabā kā uzņēmējdarbības ieraksts. Pārskatītājam jāspēj rekonstruēt mākslīgā intelekta lēmumu un izsekot gan avota datiem, gan personai vai vienībai, kas autorizēja darbību.
Visbeidzot, atbildība nevar būt tikai tehnoloģiju komandas ziņā. Drošības, datu, privātuma, juridiskie un atbilstības vadītāji visi spēlē savu lomu, taču ir jānorāda biznesa īpašnieks, kas būs atbildīgs par rezultātu. Automatizācija var veikt darbību, bet tā nevar uzņemties atbildību par to.
Datu sagatavošana nav sekundāra darbplūsma, kas jārisina pēc veiksmīga MI izmēģinājuma. Tā ir daļa no lēmuma par izmēģinājuma pārvietošanu uz ražošanu. Ja organizācija nevar uzticēties informācijai, nevar kontrolēt piekļuvi un nevar skaidri izskaidrot izrietošos lēmumus, aģents nav gatavs lielākai autonomijai.
