Biznes coraz bardziej stawia na zaawansowane rozwiązania cyfrowe. Już nie samo wykorzystanie generatywnej sztucznej inteligencji, lecz wdrożenie opartych na niej agentów AI decydować będzie o zbudowaniu kluczowej przewagi rynkowej. Nic dziwnego, że w PepsiCo właśnie w tym kontekście myślą o 2025 roku.
Od kilkunastu lat firmy na całym świecie rozwijają swoje kompetencje w zakresie zastosowania sztucznej inteligencji (AI), widząc w tym możliwe źródło przewag rynkowych. Jednak przełomowy moment nadszedł dopiero w 2020 roku wraz z pojawieniem się Chat GPT-3 (OpenAI), który umożliwił nam wykorzystanie generatywnej sztucznej inteligencji do przetwarzania, podsumowywania i tworzenia treści na masową skalę – znacznie szybciej i z wykorzystaniem ogromnego zbioru informacji.
Z perspektywy konsumenta, pierwsze zastosowania generatywnej sztucznej inteligencji (GenAI) można było zaobserwować wraz z pojawianiem się nowych, zaawansowanych, interaktywnych czatbotów, doskonale przygotowanych do udzielania odpowiedzi na zapytania użytkowników w sposób bardziej naturalny i rozumiejący kontekst – co jest bardzo istotne np. na produktowych infoliniach. Podejście to miało na celu zwiększenie satysfakcji klientów i budowanie ich lojalności wobec marki czy produktu. Niedługo potem na rynku zaczęły pojawiać się kolejne platformy oferujące GenAI, w tym także Google Gemini czy Meta ze swoim modelem Llama. W tym samym czasie na rynku pojawiła się także platforma Hugging Face udostępniająca modele GenAI w licencji open source. Na rynku zadebiutowały również specjalne narzędzia przeznaczone do projektowania i budowania rozwiązań opartych na dużych modelach językowych (np. Langchain czy Llamaindex).
Dziś jednak kolejną odsłoną cyfrowej rewolucji stają się aplikacje budowane w postaci agentów AI, wykorzystujących modele LLM jako „mózg” służący do podejmowania decyzji. Agenci mogą także współpracować z innymi agentami w celu wykonywania konkretnych, zleconych im zadań.
– Mamy do czynienia z globalnym trendem. Niezależnie od wielkości i sektora gospodarki coraz więcej firm aktywnie pracuje nad wdrożeniem i wykorzystaniem agentów AI – przyznaje Dariusz Korzun, Lead AI Platform Architect, odpowiedzialny za globalne wdrożenia rozwiązań AI w PepsiCo.
Kluczowa różnica między rozwiązaniami wykorzystującymi modele językowe a agentami AI leży w wykorzystaniu przez agentów modeli językowych do analizy otrzymanego zadania a następnie podjęcia decyzji, jakie kroki mają zostać wykonane i które narzędzia mają być użyte, aby je zrealizować. Takie podejście skraca czas niezbędny do budowania agenta (programu) i istotnie zmniejsza ilość znajdującej się w nim logiki; ta zaś jest niezbędna do poprawnego podejmowania decyzji w zależności od sytuacji.
O ile platformy takie jak OpenAI dysponują modelem, który może analizować nasze polecenia, to agenci AI udostępniają modelowi szeroką gamę narzędzi i źródeł danych, z których model językowy może skorzystać. Odpowiedzi udzielane przez „klasyczne” rozwiązania np. czatbot GPT, opierają się na danych, które znajdują się w modelu LLM i które w większości przypadków mogą być nieaktualne lub mogą po prostu w nim nie istnieć, jak np. firmowa baza wiedzy. Tymczasem agent pozwala na bieżący dostęp do sieci oraz wszystkich zasobów wewnętrznych organizacji (np. rozmaite bazy danych czy przez lata gromadzone i przetwarzane przez firmę big data oraz urządzenia czy pliki graficzne).
Daje to obraz ogromnych różnic w potencjale obu rozwiązań. LLM spięty z agentem, spełnia tu rolę pośrednika czy też selekcjonera – wybiera najwłaściwsze źródło i przekazuje agentowi te wskazówki. Agent zaś sięga po odpowiednie zasoby, aby na ich podstawie LLM mógł wygenerować najtrafniejszą odpowiedź na zadane mu pytanie. W taki sposób agent AI współpracujący z LLM może wykonywać dowolne nawet bardzo złożone zadania np. w ramach wybranych procedur obowiązujących w organizacji. Poza tym, agent może np. nadzorować proces serwisowania maszyn w fabryce albo planować lub nawet uruchamiać produkcję, mając za priorytet optymalizację zasobów.
– Jesteśmy na etapie rozwijania i wdrażania własnych agentów AI, którym powierzone zostaną zadania operacyjne w kanałach dystrybucji, obsłudze klienta końcowego a także w zakresie wsparcia realizacji zadań wewnętrznych – mówi Dariusz Korzun.
Wiele globalnych firm, takich jak PepsiCo, sięga właśnie po zaawansowane rozwiązania również w relacjach B2C, jako że agent AI może znakomicie sprawdzić się w rozwijaniu angażujących działań wspierających sprzedaż. Agent może połączyć ze sobą wiele źródeł informacji, wyciągnąć wnioski, opracować plan działań, a następnie zrealizować go i zweryfikować jakość otrzymanego wyniku.
Po kilku latach, nadchodzi kolejna fala fascynacji możliwościami AI w zakresie automatyzacji, która może prowadzić do prawdziwej zmiany cywilizacyjnej. Do głosu dochodzą bardziej zaawansowane rozwiązania, mogące być znacznie odważniej nazywane „sztuczną inteligencją”. Czy należy obawiać się nadchodzących zmian? Z perspektywy biznesu będzie to nowe, bardzo ważne źródło przewag rynkowych. Z punktu widzenia pracowników – wciąż trudno jednoznacznie przewidzieć, jakie nowe możliwości przyniesie. Niewykluczone, że przyniesie nowe, nieznane dziś zawody. Jak szacuje Dariusz Korzun, z perspektywy szybkości wprowadzanych innowacji, w ciągu najbliższych trzech – pięciu lat, narzędzia te będą mogły całkowicie wyręczyć człowieka w realizacji większości pracochłonnych i powtarzalnych zadań. Niemniej, rewolucja ta wywoła jednocześnie inne potrzeby, również w zakresie nowych kompetencji ludzkich.
Z perspektywy konsumenta, pierwsze zastosowania generatywnej sztucznej inteligencji (GenAI) można było zaobserwować wraz z pojawianiem się nowych, zaawansowanych, interaktywnych czatbotów, doskonale przygotowanych do udzielania odpowiedzi na zapytania użytkowników w sposób bardziej naturalny i rozumiejący kontekst – co jest bardzo istotne np. na produktowych infoliniach. Podejście to miało na celu zwiększenie satysfakcji klientów i budowanie ich lojalności wobec marki czy produktu. Niedługo potem na rynku zaczęły pojawiać się kolejne platformy oferujące GenAI, w tym także Google Gemini czy Meta ze swoim modelem Llama. W tym samym czasie na rynku pojawiła się także platforma Hugging Face udostępniająca modele GenAI w licencji open source. Na rynku zadebiutowały również specjalne narzędzia przeznaczone do projektowania i budowania rozwiązań opartych na dużych modelach językowych (np. Langchain czy Llamaindex).
Dziś jednak kolejną odsłoną cyfrowej rewolucji stają się aplikacje budowane w postaci agentów AI, wykorzystujących modele LLM jako „mózg” służący do podejmowania decyzji. Agenci mogą także współpracować z innymi agentami w celu wykonywania konkretnych, zleconych im zadań.
– Mamy do czynienia z globalnym trendem. Niezależnie od wielkości i sektora gospodarki coraz więcej firm aktywnie pracuje nad wdrożeniem i wykorzystaniem agentów AI – przyznaje Dariusz Korzun, Lead AI Platform Architect, odpowiedzialny za globalne wdrożenia rozwiązań AI w PepsiCo.
Kluczowa różnica między rozwiązaniami wykorzystującymi modele językowe a agentami AI leży w wykorzystaniu przez agentów modeli językowych do analizy otrzymanego zadania a następnie podjęcia decyzji, jakie kroki mają zostać wykonane i które narzędzia mają być użyte, aby je zrealizować. Takie podejście skraca czas niezbędny do budowania agenta (programu) i istotnie zmniejsza ilość znajdującej się w nim logiki; ta zaś jest niezbędna do poprawnego podejmowania decyzji w zależności od sytuacji.
O ile platformy takie jak OpenAI dysponują modelem, który może analizować nasze polecenia, to agenci AI udostępniają modelowi szeroką gamę narzędzi i źródeł danych, z których model językowy może skorzystać. Odpowiedzi udzielane przez „klasyczne” rozwiązania np. czatbot GPT, opierają się na danych, które znajdują się w modelu LLM i które w większości przypadków mogą być nieaktualne lub mogą po prostu w nim nie istnieć, jak np. firmowa baza wiedzy. Tymczasem agent pozwala na bieżący dostęp do sieci oraz wszystkich zasobów wewnętrznych organizacji (np. rozmaite bazy danych czy przez lata gromadzone i przetwarzane przez firmę big data oraz urządzenia czy pliki graficzne).
Daje to obraz ogromnych różnic w potencjale obu rozwiązań. LLM spięty z agentem, spełnia tu rolę pośrednika czy też selekcjonera – wybiera najwłaściwsze źródło i przekazuje agentowi te wskazówki. Agent zaś sięga po odpowiednie zasoby, aby na ich podstawie LLM mógł wygenerować najtrafniejszą odpowiedź na zadane mu pytanie. W taki sposób agent AI współpracujący z LLM może wykonywać dowolne nawet bardzo złożone zadania np. w ramach wybranych procedur obowiązujących w organizacji. Poza tym, agent może np. nadzorować proces serwisowania maszyn w fabryce albo planować lub nawet uruchamiać produkcję, mając za priorytet optymalizację zasobów.
– Jesteśmy na etapie rozwijania i wdrażania własnych agentów AI, którym powierzone zostaną zadania operacyjne w kanałach dystrybucji, obsłudze klienta końcowego a także w zakresie wsparcia realizacji zadań wewnętrznych – mówi Dariusz Korzun.
Wiele globalnych firm, takich jak PepsiCo, sięga właśnie po zaawansowane rozwiązania również w relacjach B2C, jako że agent AI może znakomicie sprawdzić się w rozwijaniu angażujących działań wspierających sprzedaż. Agent może połączyć ze sobą wiele źródeł informacji, wyciągnąć wnioski, opracować plan działań, a następnie zrealizować go i zweryfikować jakość otrzymanego wyniku.
Po kilku latach, nadchodzi kolejna fala fascynacji możliwościami AI w zakresie automatyzacji, która może prowadzić do prawdziwej zmiany cywilizacyjnej. Do głosu dochodzą bardziej zaawansowane rozwiązania, mogące być znacznie odważniej nazywane „sztuczną inteligencją”. Czy należy obawiać się nadchodzących zmian? Z perspektywy biznesu będzie to nowe, bardzo ważne źródło przewag rynkowych. Z punktu widzenia pracowników – wciąż trudno jednoznacznie przewidzieć, jakie nowe możliwości przyniesie. Niewykluczone, że przyniesie nowe, nieznane dziś zawody. Jak szacuje Dariusz Korzun, z perspektywy szybkości wprowadzanych innowacji, w ciągu najbliższych trzech – pięciu lat, narzędzia te będą mogły całkowicie wyręczyć człowieka w realizacji większości pracochłonnych i powtarzalnych zadań. Niemniej, rewolucja ta wywoła jednocześnie inne potrzeby, również w zakresie nowych kompetencji ludzkich.