ចន្លោះគម្របលូលបង់ AI របស់ក្រុមហ៊ុនដ្ឋាន: 80% មាន agents, 11% បានឈានដល់ scale

ការលូលបង់មិនមែនជារឿងរៀង់ខ្លួនទៀតទេ។ ក្រុមហ៊ុន Fortune 500 ច្រើនលើ 80% មាន AI agents សកម្ម ហើយ Gartner រំពឹងថា 40% នៃកម្មវិធីក្រុមហ៊ុនដ្ឋាននឹងដាក់បញ្ចូល task-specific agents នៅចុងឆ្នាំ។ រឿងសំខាន់គឺ gap ក្នុងលេខនោះ: មានតែប្រហែល 11% នៃស្ថាប័នដែលបានឈានដល់ production scale ពិតប្រាកដ។ មនុស្សគ្រប់គ្នាមាន pilot។ ស្ទើរតែគ្មាននរណាម្នាក់មានប្រព័ន្ធ។

Pilot ដែលធ្វើឱ្យចាប់អារម្មណ៍ក្នុង demo ហើយ system ដែលអ្នកអាចប្រឹងប្រែងលើវា ដែលមាន customer ពិតប្រាកដ គឺផលិតផលខុសគ្នាពីរ។ 11% បានសង្កើតផលិតផលទីពីរ។

ហេតុផលដែលបង្វឹក agent projects ឈប់ដំណើរ

Gartner ព្យាករណ៍ថាច្រើនលើ 40% នៃ agentic AI projects នឹងត្រូវបានលុប ដល់ចុងឆ្នាំ 2027។ ការបរាជ័យដ៏ងាយស្រួលមិនមែនដាល់ model នៅទេ។ ពួកគេដាល់ឧបរម៉ាថដែលនៅលើសពីវា: គ្មាន audit trail នៅពេល decision ត្រូវពន្យល់, គ្មាន kill switch នៅពេល agent ធ្វើឥរិយាបទមិនល្អ, គ្មាន human checkpoint លើ actions ដែលមាន consequence ពិតប្រាកដ, និងគ្មាន measurement ដែលបង្ហាញថាលក្ខណៈរឿងនេះបានសន្សំ time ឬ money។

• Observability: រៀងរាល់ action ដែល agent ធ្វើត្រូវបានកត់ត្រា, គួរឱ្យបង្ហាញអត្ថន័យ, និងអាចពិនិត្យបាននៅក្រោយពេលវេលា។
• Guardrails: agent ដំណើរការក្នុង boundaries ច្បាស់លាស់, ដែលមាន role-aware access ទៅ data និង tools។
• Escalation: actions នៃលក្ខណៈខ្ពស់ក្តាច់ប្រើទៅ human, ហើយមាននឹងផ្លូវស្អាតដើម្បីឈប់ agent ក្រោយក្រោយ។
• Economics: baseline ត្រូវបានដាក់ឧបករណ៍មុនបង្ហាញ, ដូច្នេះ delta (hours saved, risk reduced) គឺគួរឱ្យប្រឹងប្រែង។

Governance គឺផលិតផល, មិនមែនឯកសារក្រៅក្រោយទេ

វាមានល្បិចក្នុងការព្យាបាល controls ជា compliance overhead ដែលភ្ជាប់នៅចុងក្រោយ។ នោះបង្វិលលក្ខណៈហានិភ័យ។ នៅក្នុង production, governance layer គឺលក្ខណៈដែលអនុញ្ញាតឱ្យ agent ប៉ះលក្ខណៈអ្វីដែលសំខាន់, ដូច្នេះវាគឺលក្ខណៈដែលកំណត់ថាតើ agent នឹងផ្តល់នូវគុណលាភឬយ៉ាងដូចម្តេច។ Agent ដែលគ្មាន governance ត្រូវបានកំនត់ក្នុងលក្ខណៈកម្មវិធី low-stakes ផ្សេងទៀត; agent ដែលមាន governance អាចជឿលុងលើលក្ខណៈការងារដែលផ្លាស់ប្តូរលេខ។

នេះក៏ជាលក្ខណៈដែលលុប 2027 មកពី។ ស្ថាប័នដែលកំពុងបង្កើតដោយគ្មាន governance ក្នុងឆ្នាំ 2026 គឺស្ថាប័នដែលស្ងាត់ៗបិទលក្ខណៈគម្របលូលបង់ដប់ប្រាំបីខែក្រោយមក, នៅពេលដែលឧបទ្ឋ័ប ដំបូងធ្វើឱ្យឧក្រិដ្ឋលក្ខណៈគ្មាន controls មិនអាចព្រមាន។

វាស់ hours, មិនមែន vibes

ចំណុចសម្រាប់ enterprise AI គឺលក្ខណៈសេដ្ឋកិច្ច។ ដាក់ឧបករណ៍ baseline (ពេលវេលាដែលក្រុមហ៊ុនយូរយ៉ាវ ថ្ងៃនេះ, មុនបង្ហាញ), បន្ទាប់មកវាស់ភាពខុសគ្នាក្រោយ។ Hours saved និង risk reduced គឺលេខដែលល្មើតរយៈពេលបន្ទាប់នៃលក្ខណៈវិនិយោគ។ Enthusiasm មិនមែនជា metric, ហើយ boards បានចាប់ផ្តើមក្នុងការកត់សម្គាល់: លក្ខណៈគម្របលូលបង់ដែលរស់ក្នុង budget scrutiny គឺលក្ខណៈដែលមកដល់ដូចមាន delta, មិនមែន demo។

លក្ខណៈទស្សនៈ HOWF

យើងបង្កើត agents ដូចលក្ខណៈ 11% ធ្វើ: គាំងក្នុងលក្ខណៈទិន្នន័យរបស់អ្នក នៅក្នុង boundary របស់អ្នក, មានលក្ខណៈក្នុង observability និង escalation តាំងពីលើក commit ដំបូង, ហើយវាស់ប្រឆាំងនឹង baseline ដែលបានដាក់ឧបករណ៍។ Model គឺលក្ខណៈងាយស្រួល។ System លើសពីវាគឺលក្ខណៈការងារ, ហើយវាគឺលក្ខណៈខុសគ្នារវាង agent ដែលអ្នកបង្ហាញ ហើយលក្ខណៈដែលអ្នកដំណើរការ។