Как агенты искусственного интеллекта трансформируют SaaS-сервисы в 2025 году.

Мир программного обеспечения как услуги (SaaS) находится на пороге масштабных изменений. Благодаря стремительному развитию искусственного интеллекта и особенно LLM (больших языковых моделей) агенты ИИ становятся преобразующими инструментами, способными изменить то, как работают платформы SaaS, приносят пользу и взаимодействуют с пользователями. К 2025 году мы можем ожидать, что агенты ИИ не только усовершенствуют существующие системы, но и будут способствовать созданию совершенно новых бизнес-моделей.

В последнее время концепция вертикальных ИИ-агентов получила широкое распространение, что говорит о потенциальном сдвиге парадигмы, который может быть даже более значительным, чем в случае с традиционными SaaS. Как подчёркивается в Lightconeподкасте YC, эти специализированные агенты, предназначенные для глубокой интеграции с конкретными отраслями и сценариями использования, готовы создать совершенно новую категорию бизнес-возможностей. Согласно прогнозам, в этой сфере появятся сотни компаний стоимостью в миллиарды долларов, и вертикальные ИИ-агенты могут превзойти SaaS по масштабу на порядок

Сатья Наделла, генеральный директор Microsoft, предложил дальновидный взгляд на то, как агенты ИИ изменят ландшафт SaaS, предсказав фундаментальные изменения в разработке и использовании бизнес-приложений. В недавнем интервью в подкасте B2G он предположил, что традиционная структура SaaS — по сути, базы данных CRUD (создание, чтение, обновление, удаление), управляемые бизнес-логикой, — может разрушиться в эпоху агентного ИИ.

В этой статье блога я постараюсь погрузиться в мир ИИ-агентов и изучить:

• Что такое агенты искусственного интеллекта?

• Эволюция от одноагентных систем к многоагентным системам искусственного интеллекта.

• Платформы, позволяющие разрабатывать и внедрять агенты искусственного интеллекта.

• Как будут развиваться интерфейсы "человек-агент"?

• Почему агенты искусственного интеллекта потенциально могут подорвать рынок SaaS?

ИИ-агенты — это программные приложения, работающие на основе искусственного интеллекта, обычно на базе базовой модели, предназначенные для автономного выполнения конкретных задач. Эти агенты учитывают контекст, ориентированы на достижение целей и способны обучаться на основе взаимодействия с окружающей средой или пользователями.

Представьте себе агентов ИИ в качестве виртуальных помощников, но гораздо более специализированных и способных. Они могут автоматизировать повторяющиеся задачи, анализировать сложные данные и принимать решения, а также взаимодействовать с пользователями и системами для достижения определённых целей. Чтобы стать автономными, они будут оснащены такими инструментами и возможностями, как вызов функций, память, способность искать информацию в интернете или выполнять операции CRUD во внешних системах.

Например, ИИ-агент в SaaS-платформе CRM может самостоятельно управлять взаимодействием с клиентами, планировать последующие действия и предоставлять прогнозную аналитику для отделов продаж.

По сути, ИИ-агент строится на основе базовой модели, как правило, одной из больших языковых моделей (LLM), таких как GPT4, Claude, Gemini и т. д., или небольших и недорогих языковых моделей (SLM), которые лучше всего подходят для конкретной задачи, для которой был разработан агент. Система работает как направляющая структура, определяющая цель агента и формат его выходных данных. Чтобы сделать агента контекстуально релевантным, его подключают к внешней базе знаний или источнику данных, чтобы его ответы основывались на точной информации, относящейся к конкретной области. Общим подходом для такой интеграции является шаблон генерации с дополнением к поиску (RAG), который сочетает в себе поиск внешних данных с возможностями генерации. Помимо базового понимания, агент оснащен инструментарием — специализированными возможностями и навыками, позволяющими ему автономно выполнять действия, запускать рабочие процессы или решать задачи, соответствующие его целям. Координация всех этих компонентов - это оркестратор, связующее звено, которое связывает функциональность агента. Оркестратор обрабатывает входные данные от пользователей, управляет внутренними операциями и предоставляет согласованные результаты либо непосредственно пользователю, либо другим агентам в системах, предполагающих взаимодействие нескольких агентов.Наконец, при необходимости взаимодействия с пользователем дополнительные функции будут доступны конечному пользователю. В многоагентных системах некоторые агенты будут взаимодействовать только с другими агентами в системе, в то время как другие будут взаимодействовать с конечными пользователями.

В 2025 году мы увидим значительный переход от одноагентных решений ИИ к многоагентным системам.

• Системы с одним агентом: это специализированные модели ИИ, ориентированные на выполнение конкретных задач, например, умные чат-боты. Они эффективны в изолированных сценариях, но имеют ограничения при работе со сложными взаимосвязанными рабочими процессами. Системы с одним агентом обычно требуют участия человека, который обеспечивает непрерывную обратную связь.

• Многоагентные системы: представляют собой сеть ИИ-агентов, взаимодействующих друг с другом для решения задач или достижения целей, требующих разносторонних знаний. Представьте себе командную работу, в которой участники взаимодействуют друг с другом, критикуют друг друга и улучшают результаты друг друга, чтобы решить поставленную задачу, в отличие от одного агента, который получает обратную связь только от человека, взаимодействующего с ним.

Например, в SaaS-платформе для управления проектами один ИИ-агент может расставлять приоритеты для задач, другой может прогнозировать риски проекта, а третий может распределять ресурсы — и все они работают слаженно. Эти системы имитируют работу команд людей, где каждый агент обладает уникальной специализацией.

Многоагентные системы особенно привлекательны тем, что они могут динамически адаптироваться к новым задачам, делегировать обязанности и даже вести переговоры друг с другом для оптимизации результатов.

Многоагентная система стремится свести участие человека в процессе к минимуму, запрашивая у человека контроль и/или одобрение при выполнении действий только в случае необходимости или по замыслу.

Распространение ИИ-агентов уже стимулируется платформами, которые упрощают их разработку, обучение и внедрение. Эти платформы обычно предоставляют:

1. Готовые модели ИИ: обученные модели, которые можно использовать и развернуть в облаке.

2. Возможность настройки: инструменты для тонкой настройки ИИ-агентов в соответствии с уникальными потребностями бизнеса.

3. Оценка: инструменты для оценки качества и безопасности ИИ-агента, а также его взаимодействия с окружающей средой.

4. Интеграция: API и соединители для беспрепятственной интеграции ИИ-агентов в существующие платформы SaaS.

5. Многоагентные фреймворки: передовые платформы, предлагающие шаблоны и протоколы для многоагентного взаимодействия. Эти фреймворки часто позволяют моделировать поведение нескольких агентов в системе.

Некоторые новые платформы и инструменты для просмотра включают:

Semantic Kernel: облегчённый набор для разработки с открытым исходным кодом от Microsoft, который позволяет легко создавать ИИ-агентов и интегрировать новейшие модели ИИ в кодовую базу на C#, Python или Java. Он служит эффективным промежуточным программным обеспечением, которое позволяет быстро создавать решения корпоративного уровня.

LangChain: как и семантическое ядро, LangChain — это набор инструментов OSS для создания приложений на основе языковых моделей, часто используемых для разработки диалоговых агентов. Они предлагают SDK на Javascript и Python для программирования.

API-интерфейсы помощников OpenAI: с помощью GPT-4o, o1 и более поздних версий разработчики могут создавать всё более сложные агенты и использовать их в своих приложениях или на платформе ChatGPT.

Swarm от OpenAI: образовательная платформа, разработанная командой Open AI для изучения эргономичной и лёгкой многоагентной оркестровки в исследовательских и имитационных целях.

AutoGen: многоагентная платформа для общения от Microsoft Research, которая упрощает создание рабочих процессов LLM, позволяя использовать их в различных областях. Она предоставляет оптимизированные API-интерфейсы для вывода данных LLM, повышая производительность и снижая затраты, что делает ее мощным инструментом для создания эффективных и универсальных решений на основе ИИ. AutoGen также предлагает «AutoGen Studio» для создания многоагентных систем без программирования или с минимальным программированием.

Vercel’s AI SDK: бесплатная библиотека с открытым исходным кодом от Vercel, которая предоставляет инструменты для создания продуктов на основе ИИ с помощью Typescript и Node.JS и легко интегрируется в веб-приложения Next.JS.

AutoGPT: платформа с открытым исходным кодом для разработки автономных многоагентных систем с помощью интерфейса командной строки.

TinyTroupe: интересный проект OSS от Microsoft, предоставляющий многоагентную симуляцию персонажей на основе языковых моделей для развития воображения и получения бизнес-аналитики.

Конструкторы SaaS-ИИ без/с минимальным программированием— специализированные инструменты, которые позволяют пользователям без технических знаний создавать, развёртывать и настраивать ИИ-агенты.

Azure AI Foundry — это надёжная платформа для создания, развёртывания и управления приложениями на основе ИИ с использованием различных моделей и сервисов. Она предлагает новый конструктор помощников (в настоящее время находится в общедоступной предварительной версии) для создания и развёртывания агентов в Azure.

Microsoft Copilot Studio позволяет создавать и настраивать ИИ-помощников для Microsoft 365 и других каналов с помощью инструментов для разработки без программирования и генеративного ИИ.

Эти платформы демократизируют разработку ИИ, позволяя компаниям любого размера использовать возможности ИИ-агентов.

Чтобы ИИ-агенты были успешными, они должны легко интегрироваться в рабочие процессы и быть удобными для пользователей. Именно здесь на помощь приходят интерфейсы взаимодействия с человеком (HAI).

Диалоговые интерфейсыДиалоговый ИИ изменит то, как пользователи взаимодействуют с SaaS-платформами. Вместо того чтобы вручную перемещаться по меню или формам, пользователи смогут просто вводить или произносить запросы, например: «Создайте отчёт о продажах за прошлый месяц» или «Каков статус проекта X?». ИИ-агент поймёт запрос, интерпретирует намерения и выполнит команды. Это упростит процесс, позволяя пользователям выполнять задачи быстрее и с меньшими когнитивными усилиями. Кроме того, эти диалоговые агенты станут более контекстно-зависимыми, поддерживая непрерывный диалог при многократных взаимодействиях, что может улучшить пользовательский опыт.

Проактивные агенты: вместо того, чтобы ждать ввода данных, агенты ИИ будут предугадывать потребности и инициировать действия, например, предлагать оптимизации или предупреждать команды об аномалиях.

Персонализированный интерфейс: ИИ-агенты будут адаптировать интерфейсы SaaS-платформ под индивидуальных пользователей, изучая их поведение, предпочтения и потребности. Вместо универсального подхода платформа будет динамически адаптироваться под каждого пользователя. Например, SaaS-платформа для управления проектами может показывать разные панели управления разным членам команды в зависимости от их ролей: менеджеры могут видеть общий обзор, а разработчики — более подробные задачи и сроки. Со временем ИИ будет предлагать индивидуальные сочетания клавиш, инструменты или рабочие процессы, соответствующие предпочтениям каждого пользователя, что сделает интерфейс персонализированным и интуитивно понятным.

Дополненная реальность (AR)Дополненная реальность может значительно улучшить интерфейсы SaaS, особенно для инструментов, ориентированных на проектирование, визуализацию и совместную работу. Представьте, что вы используете SaaS-приложение для визуализации данных, в котором агент ИИ накладывает 3D-модели или диаграммы на физическое пространство пользователя, или используете AR для проецирования виртуального рабочего пространства для совместной работы команды. Например, в SaaS-приложении для архитектурного проектирования пользователи могут просматривать планы зданий и управлять ими в режиме реального времени, визуализируя, как изменения будут выглядеть в их среде. Дополненная реальность в сочетании с искусственным интеллектом может создать захватывающий опыт, в котором пользователи смогут взаимодействовать со сложными данными или проектами более осмысленным и ощутимым образом. Хорошо продуманный HAI устраняет разрыв между сложными возможностями искусственного интеллекта и доступностью для конечных пользователей, обеспечивая, чтобы агенты ИИ дополняли человеческий опыт, а не заменяли его.

Децентрализованные интерфейсыВместо того чтобы заставлять пользователей взаимодействовать исключительно в рамках одного приложения, ИИ-агент может стать связующим звеном между различными экосистемами. Например, ИИ-агент может позволить пользователям беспрепятственно получать доступ к функциям SaaS с платформы обмена сообщениями или виртуального рабочего пространства без необходимости открывать специальное приложение. Представьте, что вы общаетесь в Microsoft Teams, а ИИ-агент помогает вам получать данные о клиентах или создавать отчеты, не покидая платформу. Такая децентрализация может повысить доступность, поскольку пользователи не будут привязаны к одной платформе или приложению для выполнения своих задач.

Сдвиг макета UXПользовательский интерфейс и структура SaaS-платформ претерпят значительные изменения, чтобы обеспечить интеграцию диалоговых интерфейсов. Традиционные элементы пользовательского интерфейса уступят место более гибким, персонализированным конструкциям, органично встроенным в диалоговые панели. Этот переход упростит взаимодействие, снизит зависимость от статичных меню и форм и создаст более динамичный и интуитивно понятный интерфейс, адаптированный к индивидуальным потребностям пользователей.

При разработке интерфейсов взаимодействия человека и робота необходимо учитывать несколько факторов, чтобы обеспечить эффективное и бесперебойное взаимодействие. Цели робота и предпочтения пользователей должны быть чётко определены и соблюдаться, а у пользователей должны быть механизмы для предоставления обратной связи с целью улучшения. Чтобы повысить уровень понимания пользователей, интерфейс должен помогать пользователям проверять действия робота, обеспечивать последовательное поведение и адаптировать уровень детализации в зависимости от контекста. Прошлые взаимодействия должны влиять на общение робота, чтобы укрепить доверие и обеспечить непрерывность. Коммуникация должна быть направлена на текущие действия агента, его будущие намерения и результаты, в том числе на то, была ли достигнута цель и были ли какие-либо побочные эффекты. Разработка таких интерфейсов также требует решения проблем, связанных с передачей информации пользователям и интерпретацией их инструкций, чтобы обеспечить согласованность и положительный пользовательский опыт.

источник: Проблемы взаимодействия человека и агента, Microsoft Research

В 2025 году агенты с искусственным интеллектом могут существенно изменить SaaS:

1. Операционная эффективность: автоматизация повторяющихся задач и предоставление аналитической информации в режиме реального времени позволят сотрудникам сосредоточиться на стратегической работе.

2. Масштабируемая персонализация: платформы SaaS обеспечат гиперперсонализированный опыт для каждого пользователя благодаря способности ИИ-агентов обучаться и адаптироваться.

3. Новые бизнес-модели: появятся агенты ИИ как услуга (AIaaS), что позволит компаниям арендовать специализированных для конкретных задач агентов.

4. Конкурентное преимущество: компании, которые внедряют многоагентные системы и передовые HAI, получат значительное преимущество на рынке SaaS.

Агенты ИИ — это не просто инструменты, они являются помощниками, усилителями и разрушителями, олицетворяя новую эру «суперагентства» в том, как мы работаем и внедряем инновации. По мере приближения к 2025 году компании, которые примут эту трансформацию, будут процветать, в то время как те, кто придерживается традиционных парадигм SaaS, могут столкнуться с трудностями в попытках оставаться актуальными. Вопрос не в том, разрушат ли агенты ИИ и мультиагентные системы ИИ парадигму SaaS, а в том, насколько организации будут готовы к этой революции.

Источник оригинальной статьи: