Microsoft-მა შექმნა უმსხვილესი საწარმოთა AI აგენტების ეკოსისტემა და ახლა აფართოებს თავის ლიდერობას მძლავრი ახალი შესაძლებლობებით, რაც კომპანიას საწარმოთა ტექნოლოგიების ერთ-ერთ ყველაზე საინტერესო სეგმენტში წინ აყენებს.
კომპანიამ სამშაბათ საღამოს Copilot Studio-ს პლატფორმაზე ორი მნიშვნელოვანი დამატება გამოაცხადა: ღრმა მსჯელობის შესაძლებლობები, რაც აგენტებს საშუალებას აძლევს კომპლექსური პრობლემები გადაჭრას ფრთხილი, მეთოდური აზროვნებით, და აგენტების ნაკადები, რომლებიც აერთიანებს AI მოქნილობას დეტერმინისტულ ბიზნეს პროცესების ავტომატიზაციასთან. Microsoft-მა ასევე წარადგინა Microsoft 365 Copilot-ისთვის ორი სპეციალიზებული ღრმა მსჯელობის აგენტი: მკვლევარი და ანალიტიკოსი.
„ჩვენ უკვე გვყავს ათასობით აგენტი მომხმარებლებში“, - განუცხადა Microsoft-ის ბიზნესისა და ინდუსტრიის Copilot-ის კორპორატიულმა ვიცე-პრეზიდენტმა ჩარლზ ლამანამ VentureBeat-ს ექსკლუზიურ ინტერვიუში ორშაბათს. „თქვენ იწყებთ აგენტური სამუშაო ძალის ქონას, სადაც არ აქვს მნიშვნელობა რა სამუშაოა, სავარაუდოდ გყავთ აგენტი, რომელიც დაგეხმარებათ მის უფრო სწრაფად შესრულებაში“.
**Microsoft-ის გამორჩეული ანალიტიკოსი აგენტი**
მიუხედავად იმისა, რომ მკვლევარი აგენტი ასახავს კონკურენტების შესაძლებლობებს, როგორიცაა OpenAI-ის Deep Research და Google-ის Deep Research, Microsoft-ის ანალიტიკოსი აგენტი უფრო დიფერენცირებულ შეთავაზებას წარმოადგენს. ანალიტიკოსი აგენტი, რომელიც შექმნილია როგორც პერსონალური მონაცემთა მეცნიერი, შეუძლია დაამუშავოს მონაცემთა მრავალფეროვანი წყაროები, მათ შორის Excel ფაილები, CSV და დოკუმენტებში ჩაშენებული ცხრილები, და წარმოქმნას შეხედულებები კოდის შესრულებისა და ვიზუალიზაციის გზით.
„ეს არ არის საბაზისო მოდელი თაროდან“, - ხაზგასმით აღნიშნა ლამანამ. „ეს არის საკმაოდ ბევრი გაფართოება, დარეგულირება და ტრენინგი ძირითადი მოდელების თავზე“. Microsoft-მა გამოიყენა Excel-ის სამუშაო პროცესებისა და მონაცემთა ანალიზის ნიმუშების ღრმა გაგება, რათა შეექმნა აგენტი, რომელიც შეესაბამება იმას, თუ როგორ მუშაობენ საწარმოთა მომხმარებლები რეალურად მონაცემებთან.
ანალიტიკოსს შეუძლია ავტომატურად შექმნას Python კოდი ატვირთული მონაცემთა ფაილების დასამუშავებლად, ვიზუალიზაციების შესაქმნელად და ბიზნესის შესახებ ინფორმაციის მიწოდებისთვის მომხმარებლებისგან ტექნიკური ექსპერტიზის მოთხოვნის გარეშე. ეს მას განსაკუთრებით ღირებულს ხდის ფინანსური ანალიზის, ბიუჯეტის პროგნოზირებისა და ოპერაციული ანგარიშგების გამოყენების შემთხვევებისთვის, რომლებიც, როგორც წესი, მოითხოვს მონაცემთა ვრცელ მომზადებას.
**ღრმა მსჯელობა: კრიტიკული აზროვნების შეტანა საწარმოთა აგენტებში**
Microsoft-ის ღრმა მსჯელობის შესაძლებლობა აფართოებს აგენტების შესაძლებლობებს მარტივი ამოცანების შესრულების მიღმა კომპლექსურ განსჯასა და ანალიტიკურ მუშაობამდე. მოწინავე მსჯელობის მოდელების, როგორიცაა OpenAI-ის o1, ინტეგრირებით და საწარმოთა მონაცემებთან დაკავშირებით, ამ აგენტებს შეუძლიათ უფრო მეთოდურად გაუმკლავდნენ ბუნდოვან ბიზნეს პრობლემებს.
სისტემა დინამიურად განსაზღვრავს, როდის გამოიყენოს უფრო ღრმა მსჯელობა, ან იმპლიციტურად ამოცანის სირთულის მიხედვით, ან ექსპლიციტურად, როდესაც მომხმარებლები მოიცავენ მოთხოვნებს, როგორიცაა „გაიაზრე ეს“ ან „კარგად დაფიქრდი ამაზე“. ფარულად, პლატფორმა აანალიზებს ინსტრუქციებს, აფასებს კონტექსტს და ირჩევს შესაბამის ინსტრუმენტებს ამოცანის მოთხოვნების საფუძველზე.
ეს იძლევა სცენარების გაავტომატიზირების საშუალებას, რომლებიც ადრე რთული იყო. მაგალითად, ერთი მსხვილი სატელეკომუნიკაციო კომპანია იყენებს ღრმა მსჯელობის აგენტებს RFP-ის კომპლექსური პასუხების გენერირებისთვის მრავალი შიდა დოკუმენტიდან და ცოდნის წყაროდან ინფორმაციის შეგროვებით, განუცხადა ლამანამ VentureBeat-ს. ანალოგიურად, Thomson Reuters იყენებს ამ შესაძლებლობებს სათანადო გულმოდგინებისთვის შერწყმისა და შესყიდვების მიმოხილვებში, დაუმუშავებელი დოკუმენტების დამუშავებით, რათა გამოავლინოს შეხედულებები, თქვა მან. აგენტის მსჯელობის მაგალითი იხილეთ ქვემოთ მოცემულ ვიდეოში:
**აგენტების ნაკადები: პროცესების ავტომატიზაციის ხელახალი წარმოდგენა**
Microsoft-მა ასევე წარმოადგინა აგენტების ნაკადები, რომლებიც ეფექტურად ავითარებენ რობოტულ პროცესების ავტომატიზაციას (RPA) წესებზე დაფუძნებული სამუშაო პროცესების AI მსჯელობასთან კომბინირებით. ეს აკმაყოფილებს მომხმარებელთა მოთხოვნებს დეტერმინისტული ბიზნეს ლოგიკის მოქნილ AI შესაძლებლობებთან ინტეგრირებისთვის.
„ზოგჯერ მათ არ სურთ, რომ მოდელმა თავისუფალი სტილით იმუშაოს. მათ არ სურთ, რომ AI-მ თავად მიიღოს გადაწყვეტილებები. მათ სურთ ჰქონდეთ მკაცრად კოდირებული ბიზნეს წესები“, - განმარტა ლამანამ. „სხვა დროს მათ ნამდვილად სურთ, რომ აგენტმა თავისუფალი სტილით იმუშაოს და მიიღოს განსჯები“.
ეს ჰიბრიდული მიდგომა იძლევა სცენარების საშუალებას, როგორიცაა ინტელექტუალური თაღლითობის პრევენცია, სადაც აგენტის ნაკადმა შეიძლება გამოიყენოს პირობითი ლოგიკა უფრო მაღალი ღირებულების თანხის დაბრუნების მოთხოვნების AI აგენტისთვის გადასაცემად პოლიტიკის დოკუმენტების წინააღმდეგ ღრმა ანალიზისთვის.
Pets at Home, დიდი ბრიტანეთში დაფუძნებული შინაური ცხოველების მარაგების საცალო ვაჭრობა, უკვე ახორციელებს ამ ტექნოლოგიას თაღლითობის პრევენციისთვის. ლამანამ გამოავლინა, რომ კომპანიამ „მილიონ ფუნტზე მეტი“ დაზოგა განხორციელების შედეგად. ანალოგიურად, Dow Chemical-მა „მილიონობით დოლარი დაზოგა ტრანსპორტირებისა და სატვირთო გადაზიდვების მენეჯმენტისთვის“ აგენტებზე დაფუძნებული ოპტიმიზაციის გზით.
ქვემოთ მოცემულია ვიდეო, რომელიც აჩვენებს აგენტების ნაკადებს მუშაობაში:
გსურთ კომენტარის დატოვება?
კომენტარის დასატოვებლად საჭიროა ავტორიზაცია
შესვლა რეგისტრაციაკომენტარები არ არის
იყავით პირველი, ვინც დატოვებს კომენტარს