ИИ-агенты - тренд 2025 года, о котором никто не знает

Привет!

В сегодняшней статье мы продолжим разбирать самые интересные направления развития ИИ и погрузимся в агентные системы - ключевой тренд 2025 года.

Что такое агентные системы?

Мир входит в эпоху автономных технологий, где определенные задачи решаются и выполняются автоматически при помощи ИИ. Такие задачи и процессы называются агентными. Давайте разберемся подробнее, что это такое.

На базовом уровне ИИ-агент — это автономная программа, способная воспринимать окружающую среду и предпринимать действия для достижения конкретных целей. Однако ИИ-агенты — это не просто компьютерные программы, а принципиально новый подход к взаимодействию. В отличие от традиционных систем ИИ, которые пассивно реагируют на запросы, агенты действуют независимо, исходя из целей, а не конкретных входных данных.

Они — автономные “решатели” задач, которые гибко адаптируются к новой информации и условиям, прогрессируя с каждой задачей для достижения необходимого результата. В перспективе универсальные ИИ-агенты могут стать виртуальными сотрудниками, которые будут работать бок о бок с людьми в естественной и непринужденной манере.

Эта автономность отличает их от предыдущей фазы генеративного ИИ, которая требовала от человека явных вводных данных для выполнения конкретных задач.

Как сейчас представлен рынок агентных систем?

По прогнозам, рынок ИИ-агентов вырастет с 5,1 миллиард. долл. в 2024 году до 47,1 миллиарда долларов к 2030 году.

Что интересно, более половины компаний, занимающиеся ИИ-агентами были в 2023 году. При этом объем финансирования стартапов в данной области в 2024 году вырос почти в 3 раза, что подтверждает тезис о том, что рынок ИИ-агентов стремительно растет.

Какие факторы влияют на подобное стремительное развитие ИИ-агентов?

Во-первых, как отмечают аналитики, рост будет обусловлен технологическими достижениями в области обработки естественного языка (NLP).

Развитие технологий NLP помогает ИИ-агентам справляться со сложными запросами, которые не способны обработать базовые системы, и адаптироваться к различным диалектам, расширяя их применимость в различных сферах бизнеса и повседневной жизни.

Во-вторых, большую роль в индустрии играет тренд на создание собственных агентов, который позволяет компаниям разрабатывать персонализированные ИИ-агенты под свои нужды.

Еще одним фактором, способствующим росту рынка, является использование мультиагентных систем, где несколько ИИ-агентов работают совместно для решения сложных задач. Это следующая ступень развития ИИ-агентов, которая в 2025 году, как ожидается, будет в тренде.

Сферы применения ИИ-агентов

Клиентская поддержка – сейчас ценность генеративных ИИ-агентов в этой области заключается либо в снижении объема обращений, либо в сокращении среднего времени обработки запросов.

Например, в исследовании, опубликованном McKinsey в 2023 году, была проанализирована работа 5 000 сотрудников службы поддержки, использующих генеративный ИИ. Результаты впечатляют: число успешно решенных обращений увеличилось на 14% в час, а время, затрачиваемое на обработку запросов, сократилось на 9%.

Применение в поиске новых клиентов и CEO оптимизации - ИИ-агенты способны искать новых лидов и оптимизировать результаты поиска, что, в конечном итоге, ведет

Онлайн-шопинг и электронная коммерция – ИИ-агенты помогают при бронировании авиабилетов, покупках в интернет-магазинах и предлагают персонализированные рекомендации. Все это позволяет бизнесу наращивать выручку путем увеличения количества проданных товаров, билетов и других единиц продукции.

Так, согласно данным, 69% ритейлеров, использующих ИИ-агентов, отмечают рост выручки благодаря персонализации клиентского опыта.

Принятие бизнес-решений – ИИ-агенты способны принимать решения за людей на нестратегическом уровне. Такой подход применяется, к примеру, в сфере HR - вместо того, чтобы человеку вручную обрабатывать тысячи входящих резюме и мотивацинных писем, ИИ-агент может полностью заменить человека и самостоятельно отбирать кандидатов и давать рекомендации о найме, передавая данные ответственным за принятия финального решения.

К примеру, ИИ-агент AskHR обрабатывает 94% запросов сотрудников и решает около 10,1 миллиона обращений в год для HR-отдела. Это позволило компании IBM снизить затраты на более чем 5 миллионов долларов в год и сэкономить 50 000 часов ежегодно для менеджеров.

Автоматизация рабочих процессов – ИИ применяется для автоматизации рутинных бизнес-процессов. Например, агенты могут саммаризировать контент, делать публикации в соцсетях и планировать задачи. Это позволяет бизнесу убирать ряд позиций из своих процессов, к примеру, проектных менеджеров и заменять их ИИ-агентами.

Кейсы применения

LinkedIn и ИИ-агент для поиска кандидатов

LinkedIn, социальная сеть, используемая для поиска работы, в конце 2024 года представила инструмент на основе ИИ. Hiring Assistant — это продукт, разработанный для автоматизации различных задач в сфере рекрутинга.

Ассистент позволяет частично или полностью генерировать описания вакансий, автоматически подбирать кандидатов, интегрироваться с внешними системами управления наймом.

В будущем система позволит автоматизировать переписку с кандидатами, планировать собеседования и отправлять follow up после интервью

Magnetic one

Magentic-One - агентная система от Micrsoft, разработанная для решения разных задач. Решение использует многоагентную архитектуру, в которой ведущий агент, Оркестратор, управляет работой четырех других агентов, распределяя задачи между ними. Оркестратор планирует действия, отслеживает прогресс, корректирует план в случае ошибок и направляет специализированных агентов на выполнение конкретных задач, таких как управление веб-браузером, навигация по локальным файлам или написание и выполнение кода на Python.

Основанная на AutoGen, популярном open-source фреймворке для многоагентных систем, Magentic-One обладает модульной структурой. Это дает ей преимущества перед традиционными одноагентными системами. Благодаря разделению различных навыков между отдельными агентами процесс разработки становится проще, а повторное использование компонентов — удобнее.

Модульный дизайн решения позволяет легко адаптировать и расширять систему, добавляя или удаляя агентов без необходимости переработки всей структуры.

Magentic-One позволяет оптимизировать следующие операции:

Zappier

Zapier — это платформа, позволяющая пользователям создавать ИИ-агенты на базе более 7000 приложений для автоматизации задач и оптимизации рабочих процессов без необходимости программирования. Сервисом уже пользуется более 2.2 млн различных бизнесов по всему миру. Zapier решает следующие задачи:

Пользователи отмечают, что благодаря сервису:

Суммируя, решение позволяет объединить локальные задачи в один контур и, тем самым, снять данные задачи с персонала, тем самым перенаправив рабочие часы в более важные задачи.

Что нас ждет дальше?

Компании нуждаются в системах управления для мониторинга работы ИИ-агентов и обеспечения прозрачности их решений. Сейчас использование ИИ-агентов фактически сводится к тому, что берется LLM, и ей дается разрешение на выполнение действий от имени пользователя .

Проблема возникает в нулевой ответственности со стороны технологии. Технология не думает, она не может быть ответственной. Такие риски, как случайная утечка или удаление данных, только увеличиваются. Человек может обработать ограниченное количество информации за определенное время, тогда как технология может сделать это в разы быстрее — и незаметно для всех.

Но если произойдет ошибка, нельзя просто обвинить ИИ и снять ответственность с людей, его использующих. Поэтому ключевым вызовом становится прозрачность. Необходимо четко отслеживать все действия агентов, понимать, что именно они делают, и иметь возможность контролировать данный процесс.

Развитие ИИ-агентов зависит от того, насколько качественно они будут регулироваться с точки зрения безопасности и ответственности. Чем выше внимание со стороны общественности и правительств - тем более эффективные кейсы ИИ-агентов мы увидим.