- Paglipat mula sa mga generative na modelo patungo sa mga autonomous na sistema na may kakayahang magsagawa ng mga kumplikadong daloy ng trabaho nang walang patuloy na pangangasiwa.
- Pangangailangan para sa muling pagdisenyo ng gawaing nakatuon sa kolaborasyon ng tao-AI at liksi ng organisasyon.
- Nakakagambalang epekto sa paggawa ng desisyon sa negosyo at sa automation ng mga prosesong pang-operasyon at estratehiko.
Ang paraan ng pag-unawa natin sa istruktura ng mga kumpanya ay sumasailalim sa isang radikal na pagbabago. Hindi na lamang natin pinag-uusapan ang mga kagamitang tumutulong sa atin na magsulat ng mga email o magbubuod ng mga teksto, kundi tungkol sa isang ebolusyon tungo sa agentic AI , kung saan ang teknolohiya ay hindi lamang nagmumungkahi kundi kumikilos din. Ang pagbabagong ito ay pumipilit sa mga lider na pag-isipang muli kung paano inoorganisa ang trabaho upang ang sinerhiya sa pagitan ng mga tao at makina ay tunay na produktibo at hindi lamang isang teknolohikal na pantulong.
Para gumana ang transisyon na ito, lalo na sa mga dynamic na merkado tulad ng Latin America at Spain, mahalagang mangako sa isang muling pagdisenyo na nakabatay sa mga kasanayan . Hindi ito tungkol sa pagpapalit ng mga manggagawa, kundi tungkol sa paglikha ng mga maliksi na kapaligiran kung saan ang talento ng tao ay pinahuhusay ng mga kakayahan sa pagpapatupad ng mga digital agent, na nagpapahintulot sa mga organisasyon na umangkop sa mas mabilis at mas mahirap na bilis ng trabaho.
Ano ang pinagkaiba ng agentic AI sa generative AI?
Bagama't hinangaan tayo ng generative AI sa kakayahan nitong lumikha ng nilalaman, mayroon itong limitasyon: lubos itong umaasa sa data ng pagsasanay at sa isang tao upang mabigyan ito ng panimulang pagsisikap. Sa kabilang banda, sinisira ng mga agentic system ang hulmahang iyon sa pamamagitan ng pagpapakilala ng tunay na awtonomiya sa pagpapatupad . Nangangahulugan ito na maaari nilang makamit ang mga pangmatagalang layunin at malutas ang mga problemang may maraming hakbang nang hindi kinakailangang may magmonitor sa mga ito bawat segundo.
Ang pinaka-interesante ay pinagsasama nila ang kakayahang umangkop ng natural na wika at ang katumpakan ng tradisyonal na programming. Dahil dito, maaari silang makipag-ugnayan sa mga panlabas na database , gumawa ng mga API call, at mag-navigate sa web upang gumawa ng mga desisyon batay sa real-time na impormasyon—isang bagay na hindi kayang gawin ng mga pangunahing modelo ng wika nang mag-isa.
Bukod pa rito, ang mga sistemang ito ay lubos na madaling umangkop. May kakayahan silang matuto mula sa kanilang sariling mga pagkakamali at isaayos ang kanilang pag-uugali batay sa feedback na natatanggap. Kapag ipinatupad ang mga arkitekturang multi-agent, ang scalability ay kahanga-hanga, na nagbibigay-daan para sa pamamahala ng mga proyekto sa isang saklaw na dati ay mangangailangan ng mga hukbo ng mga coordinator na tao.
Mga arkitektura at espesyalisasyon ng mga ahente
Hindi lahat ng ahente ay pareho, at dito nakasalalay ang susi sa kanilang implementasyon. Makikita natin ang lahat mula sa mga simpleng ahente na nagsasagawa ng paulit-ulit na gawain nang walang kamali-mali, hanggang sa mga kumplikadong modelo ng driver na kumikilos na parang mga konduktor, na nangangasiwa sa mas simpleng mga ahente upang makumpleto ang isang daloy ng trabaho ng ahente at tapusin ang isang proseso. Depende sa kumpanya, maaaring pumili ang isa para sa isang lubos na mahusay na patayong hierarchy o isang pahalang na istruktura kung saan ang mga ahente ay nagtutulungan nang pantay-pantay, bagaman ang huli ay maaaring medyo mas mabagal.
Isa pang nakakagambalang aspeto ay ang user interface. Nararating na natin ang punto kung saan ang mga kumplikadong screen na puno ng mga tab at menu ng SaaS software ay maaaring maging isang bagay ng nakaraan. Ang interaksyon sa natural na wika ay nagbibigay-daan sa sinuman na magpatakbo ng mga kumplikadong tool sa pamamagitan lamang ng pakikipag-usap sa isang ahente, na nag-aalis ng teknikal na kurba ng pagkatuto at nagpapalakas ng produktibidad ng koponan.
Epekto sa estratehiya ng negosyo at merkado
Ang pag-aampon ng teknolohiyang ito ay hindi isang panandaliang kalakaran, kundi isang pagbabago ng paradigma. Tinatayang pagsapit ng 2028, isang malaking bahagi ng mga pang-araw-araw na desisyon sa trabaho ang magiging awtomatiko . Ang mga sektor tulad ng marketing, sales, at logistics ay mababago; isipin ang mga ahente na agad na nag-o-optimize sa supply chain o nag-aangkop ng isang kampanya sa advertising sa real time batay sa feedback ng mga gumagamit.
Upang matagumpay na maipatupad ito, ang mga propesyonal sa HR at senior management ay dapat matuto ng mga bagong kasanayan. Ang mga advanced na programa, tulad ng mga inaalok ng mga institusyon tulad ng MIT, ay nagbibigay-diin sa kahalagahan ng pagsasama ng AI sa pamamahala at mga operasyon, na nagbibigay ng partikular na atensyon sa mga etika at mga balangkas ng regulasyon tulad ng GDPR upang maiwasan ang bias o mga legal na isyu.
Ang mga halimbawa tulad ng Agentforce ng Salesforce ay nagpapakita na ang agentic AI ay maaaring kumilos bilang isang 24/7 digital workforce . Hindi nito pinapalitan ang mga tao, bagkus ay pinalalaya sila mula sa mga pinakanakakapagod na gawain upang makapagtuon sila sa pagbuo ng mas malalim at mas madiskarteng relasyon sa mga customer, na nag-aangat sa kalidad ng serbisyo sa antas ng intuwisyon ng tao na sinusuportahan ng tumpak na datos.
Ang pagtatagpo ng awtonomiya ng ahente, mga kakayahan sa patuloy na pagkatuto, at kakayahang umangkop sa organisasyon ay naglalatag ng pundasyon para sa isang bagong ekosistema ng negosyo. Ang mga matagumpay na pagsasama-sama ng talento ng tao at mga digital na kakayahan na ito ay hindi lamang mag-o-optimize ng kanilang mga gastos kundi magbubukas din ng ganap na makabagong mga modelo ng negosyo at isang kakayahang tumugon sa merkado na dati ay hindi maisip.
