I staff di intelligenza artificiale aziendale si trovano di fronte a un muro, non perché i loro modelli non siano in grado di ragionare, ma perché i flussi di lavoro sottostanti non sono mai stati creati per gli agenti. Le attività falliscono, i trasferimenti si interrompono e il problema si aggrava man mano che le organizzazioni spingono gli agenti più in profondità nei sistemi di back-office. Sta emergendo un nuovo livello architettonico per affrontare questo problema: piani di controllo dell’esecuzione del flusso di lavoro che impongono una struttura deterministica sui processi che gli agenti dovrebbero eseguire.
Una delle aziende che porta questo aspetto in primo piano è Salesforce, con una nuova piattaforma di flusso di lavoro che trasforma i flussi di lavoro di back-office in una serie di attività da completare per agenti specializzati. Gli utenti possono caricare i propri processi o utilizzare uno dei modelli forniti da Salesforce e Agentforce Operations lo suddividerà per gli agenti.
Il vicepresidente senior del prodotto di Salesforce, Sanjna Parulekar, ha dichiarato in un’intervista a VentureBeat che il problema è che molti flussi di lavoro aziendali non sono creati per gli agenti. “Quello che abbiamo osservato con i clienti è che molte volte il punto difettoso in un processo è probabilmente nel documento dei requisiti del prodotto”, ha affermato Parulekar. “Quindi, quando viene caricato in un prodotto, non funziona del tutto. Possiamo ottimizzarlo, eliminare alcune cose e sostituirlo con un agente.”
Senza questo livello di pannello di controllo, le aziende potrebbero rischiare di implementare agenti che aumentano i costi anziché risolvere i problemi del flusso di lavoro.
Far sì che il flusso di lavoro funzioni per gli agenti, non solo per gli esseri umani
Le aziende che implementano agenti stanno imparando una lezione costosa: i loro flussi di lavoro sono stati progettati in base alle lacune del giudizio umano, non all’esecuzione delle macchine. I processi che si sono evoluti attraverso anni di soluzioni different – passaggi vagamente definiti, decisioni implicite, coordinamento che dipende dalla capacità degli individui di sapere cosa fare dopo – si interrompono quando agli agenti viene chiesto di seguirli alla lettera.
Anche con tutto il contesto aziendale a portata di mano, i sistemi di intelligenza artificiale avranno difficoltà a completare le attività se non è chiaro cosa dovrebbero fare.
Parulekar ha affermato che il suo staff ha scoperto che concentrarsi su ciò che fa funzionare il processo e scomporlo in passaggi e flussi di lavoro più espliciti rende il sistema più deterministico. Quindi, quando piattaforme come Agentforce Operations introducono gli agenti, questi conoscono già i loro compiti specifici.
“Costringe le aziende a ripensare i propri processi e introduce l’osservabilità nel combine grazie al modello di tracciamento delle sessioni nel sistema”, ha affermato.
Parulekar ha affermato che i controlli umani possono essere integrati nel sistema, quindi il processo è più trasparente.
Ciò che rende questo approccio diverso da altre offerte di automazione del flusso di lavoro è che non si basa sugli agenti per decidere cosa fare dopo; il sistema lo fa. A differenza degli strumenti di automazione più tradizionali che instradano attività e agenti in base a un processo decisionale probabilistico, questo impone l’esecuzione su una struttura più predefinita e deterministica.
Il problema che introduce
La codifica di un flusso di lavoro non ne risolve uno rotto. Se un processo presenta passaggi imperfetti, la sua codifica per gli agenti blocca il problema su larga scala. E una volta distribuiti i flussi di lavoro tra gli agenti, la sfida si sposta dall’esecuzione alla governance: chi possiede il processo, chi lo convalida e come si evolve quando cambiano le condizioni aziendali.
Mette l’onere sui staff di esaminare attentamente cosa funziona per loro e cosa no.
Le organizzazioni devono considerare che, insieme al piano di controllo dell’esecuzione offerto da piattaforme come Agentforce Operations, qualcuno dovrebbe essere responsabile del completamento e del successo delle attività.
Brandon Metcalf, fondatore e CEO della società di orchestrazione della forza lavoro Asymbl, ha dichiarato a VentureBeat in un’intervista separata che la chiave per consentire sia agli esseri umani che agli agenti di seguire un flusso di lavoro è un obiettivo condiviso.
“Devi capire l’obiettivo altrimenti l’agente o l’essere umano non completerà l’attività con successo”, ha detto Metcalf. “Qualcuno deve gestire il risultato che deve essere raggiunto. Può essere una persona o un agente.”
Il collo di bottiglia si è spostato. Come l’ha definita Metcalf, la questione non è più se gli agenti possano ragionare durante un’attività, ma se il flusso di lavoro sottostante sia sufficientemente coerente da poter essere eseguito. Per le imprese che hanno costruito i propri processi attorno al giudizio umano e alla memoria istituzionale, questa è una soluzione più difficile che passare a un modello più intelligente.
