ຊ່ອງວ່າງໃນການນຳໃຊ້ AI ຂອງອົງກອນ: 80% ມີ AI agents ແຕ່ມີພຽງ 11% ທີ່ຂະຫຍາຍໄປສູ່ລະດັບ production

ການນຳໃຊ້ບໍ່ແມ່ນເລື່ອງຫຼັກອີກຕໍ່ໄປແລ້ວ. ເກີນ 80% ຂອງບໍລິສັດ Fortune 500 ມີ AI agents ທີ່ດຳເນີນຢູ່ແລ້ວ ແລະ Gartner ຄາດວ່າ 40% ຂອງ enterprise applications ຈະຝັງ task-specific agents ເຂົ້າໄປພາຍໃນຈົນຮອດສິ້ນປີນີ້. ເລື່ອງທີ່ສຳຄັນແມ່ນຊ່ອງວ່າງທີ່ຢູ່ເບື້ອງຫຼັງຕົວເລກນັ້ນ: ມີພຽງປະມານ 11% ຂອງອົງກອນເທົ່ານັ້ນທີ່ໄປເຖິງລະດັບ production ທີ່ແທ້ຈິງ. ທຸກຄົນມີ pilot ແຕ່ເກືອບບໍ່ມີໃຜມີລະບົບ.

pilot ທີ່ສ້າງຄວາມປະທັບໃຈໃນການສາທິດ ກັບລະບົບທີ່ທ່ານໄວ້ວາງໃຈໃຫ້ຈັດການກັບລູກຄ້າຈິງ ແມ່ນສອງຜະລິດຕະພັນທີ່ແຕກຕ່າງກັນ. 11% ນັ້ນໄດ້ສ້າງອັນທີ່ສອງ.

ເປັນຫຍັງໂຄງການ agent ສ່ວນໃຫຍ່ຈຶ່ງຕິດຂັດ

Gartner ຄາດການວ່າເກີນ 40% ຂອງໂຄງການ agentic AI ຈະຖືກຍົກເລີກກ່ອນສິ້ນປີ 2027. ຄວາມລົ້ມເຫຼວສ່ວນໃຫຍ່ບໍ່ໄດ້ມາຈາກໂມເດວ ແຕ່ມາຈາກສິ່ງທີ່ອ້ອມຮອບມັນ: ບໍ່ມີ audit trail ເມື່ອຕ້ອງອະທິບາຍການຕັດສິນໃຈ, ບໍ່ມີ kill switch ເມື່ອ agent ເຮັດວຽກຜິດປົກກະຕິ, ບໍ່ມີຈຸດກວດສອບຂອງມະນຸດສຳລັບການກະທຳທີ່ມີຜົນກະທົບຈິງ, ແລະ ບໍ່ມີການວັດແທກວ່າສິ່ງນັ້ນປະຢັດເວລາ ຫຼື ເງິນໄດ້ຈິງຫຼືບໍ່.

• Observability: ທຸກການກະທຳທີ່ agent ດຳເນີນ ຖືກບັນທຶກ, ສາມາດລະບຸໄດ້ວ່າເປັນຂອງໃຜ ແລະ ສາມາດທົບທວນໄດ້ພາຍຫຼັງ.
• Guardrails: agent ເຮັດວຽກພາຍໃນຂອບເຂດທີ່ຊັດເຈນ ພ້ອມການເຂົ້າເຖິງຂໍ້ມູນ ແລະ ເຄື່ອງມືຕາມບົດບາດ.
• Escalation: ການກະທຳທີ່ມີຄວາມສ່ຽງສູງຖືກສົ່ງຕໍ່ໃຫ້ມະນຸດ ແລະ ມີເສັ້ນທາງທີ່ຊັດເຈນສຳລັບຢຸດ agent ທັງໝົດ.
• ດ້ານເສດຖະກິດ: ພື້ນຖານ (baseline) ຖືກວັດແທກກ່ອນເປີດໃຊ້ງານ ດັ່ງນັ້ນຜົນຕ່າງ (ຊົ່ວໂມງທີ່ປະຢັດໄດ້, ຄວາມສ່ຽງທີ່ຫຼຸດລົງ) ສາມາດພິສູດໄດ້.

ການກຳກັບດູແລແມ່ນຜະລິດຕະພັນ ບໍ່ແມ່ນເອກະສານ

ມັນເປັນການລໍ້ລວງທີ່ຈະເບິ່ງການຄວບຄຸມເປັນພາລະດ້ານການປະຕິບັດຕາມກົດລະບຽບທີ່ເພີ່ມເຂົ້າມາໃນຕອນທ້າຍ. ແຕ່ນັ້ນເປັນການກັບດ້ານຂອງຄວາມສ່ຽງທີ່ແທ້ຈິງ. ໃນການໃຊ້ງານຈິງ ຊັ້ນການກຳກັບດູແລແມ່ນສິ່ງທີ່ເຮັດໃຫ້ agent ສາມາດແຕະຕ້ອງສິ່ງທີ່ສຳຄັນໄດ້, ແລະ ດັ່ງນັ້ນ ມັນຈຶ່ງເປັນຕົວກຳນົດວ່າ agent ຈະສ້າງມູນຄ່າໄດ້ຫຼືບໍ່. agent ທີ່ບໍ່ມີການກຳກັບດູແລຖືກຈຳກັດຢູ່ກັບວຽກທີ່ມີຄວາມສ່ຽງຕ່ຳ; ສ່ວນ agent ທີ່ມີການກຳກັບດູແລສາມາດໄວ້ວາງໃຈໃຫ້ຮັບຜິດຊອບວຽກທີ່ສົ່ງຜົນຕໍ່ຕົວເລກຫຼັກໄດ້.

ນີ້ແມ່ນບ່ອນທີ່ການຍົກເລີກໃນປີ 2027 ເກີດຂຶ້ນເຊັ່ນກັນ. ອົງກອນທີ່ສ້າງໂດຍບໍ່ມີການກຳກັບດູແລໃນປີ 2026 ແມ່ນອົງກອນທີ່ຄ່ອຍໆປິດໂຄງການລົງສິບແປດເດືອນຕໍ່ມາ ເມື່ອເຫດການທຳອິດເຮັດໃຫ້ການຂາດການຄວບຄຸມບໍ່ສາມາດເບິ່ງຂ້າມໄດ້.

ວັດຜົນເປັນຊົ່ວໂມງ ບໍ່ແມ່ນຕາມຄວາມຮູ້ສຶກ

ຈຸດປະສົງຂອງ AI ໃນອົງກອນແມ່ນດ້ານເສດຖະກິດ. ຈົ່ງວັດແທກພື້ນຖານ (baseline) ວ່າວຽກໃຊ້ເວລາເທົ່າໃດໃນປັດຈຸບັນ ກ່ອນເປີດໃຊ້ງານ, ຈາກນັ້ນວັດຜົນຕ່າງຫຼັງຈາກນັ້ນ. ຊົ່ວໂມງທີ່ປະຢັດໄດ້ ແລະ ຄວາມສ່ຽງທີ່ຫຼຸດລົງ ແມ່ນຕົວເລກທີ່ພິສູດການລົງທຶນຂັ້ນຕໍ່ໄປ. ຄວາມກະຕືລືລົ້ນບໍ່ແມ່ນຕົວຊີ້ວັດ ແລະ ຄະນະກຳມະການເລີ່ມສັງເກດເຫັນແລ້ວ: ໂຄງການທີ່ຢູ່ລອດການກວດສອບງົບປະມານແມ່ນໂຄງການທີ່ມາພ້ອມຜົນຕ່າງທີ່ວັດໄດ້, ບໍ່ແມ່ນການສາທິດ.

ທັດສະນະຂອງ HOWF

ພວກເຮົາສ້າງ agents ໃນແບບທີ່ 11% ນັ້ນເຮັດ: ອີງໃສ່ຂໍ້ມູນຂອງທ່ານພາຍໃນຂອບເຂດຂອງທ່ານ, ມີ observability ແລະ escalation ຕັ້ງແຕ່ commit ທຳອິດ, ແລະ ວັດແທກທຽບກັບພື້ນຖານທີ່ຖືກບັນທຶກໄວ້. ໂມເດວເປັນສ່ວນທີ່ງ່າຍທີ່ສຸດ. ລະບົບອ້ອມຮອບມັນຄືວຽກທີ່ແທ້ຈິງ ແລະ ມັນຄືຄວາມແຕກຕ່າງລະຫວ່າງ agent ທີ່ທ່ານທົດລອງ ກັບ agent ທີ່ທ່ານດຳເນີນງານຈິງ.