Witamy w Eye on AI. W tym wydaniu… Prezydent Trump w nowym rozporządzeniu wykonawczym skupia się na stanowych przepisach dotyczących sztucznej inteligencji… OpenAI przedstawia nowy imager, który dogoni Nano Banana Google’a… Google DeepMind szkoli bardziej zdolnego agenta do obsługi wirtualnych światów… a raport dotyczący ocen bezpieczeństwa sztucznej inteligencji nie zapewnia większego komfortu.
Cześć. Rok 2025 miał być rokiem agentów AI. Jednak gdy rok dobiega końca, staje się jasne, że prognozy dostawców technologii były zbyt optymistyczne. Tak, niektóre firmy zaczęły korzystać z agentów AI. Jednak większość jeszcze tego nie robi, szczególnie w przypadku wdrożeń w całym przedsiębiorstwie.
Ankieta McKinsey „Stan sztucznej inteligencji” przeprowadzona w zeszłym miesiącu wykazała, że większość firm nie zaczęła jeszcze korzystać z agentów AI, a 40% stwierdziło, że eksperymentuje. Mniej niż jedna czwarta stwierdziła, że wdrożyła agentów AI na dużą skalę w co najmniej jednym przypadku użycia; a gdy firma konsultingowa zapytała ludzi, czy wykorzystują sztuczną inteligencję w określonych funkcjach, takich jak marketing i sprzedaż lub zasoby ludzkie, wyniki były jeszcze gorsze. Nie więcej niż 10% respondentów stwierdziło, że ma agentów AI „w pełni skalowanych” lub „jest w trakcie skalowania” w którymkolwiek z tych obszarów. Funkcją o największym wykorzystaniu eskalowanych agentów była branża IT (gdzie agenci są często wykorzystywani do automatycznego rozwiązywania zgłoszeń serwisowych lub instalowania oprogramowania dla pracowników) i nawet w tym przypadku tylko 2% zgłosiło posiadanie agentów „w pełni skalowanych”, a dodatkowe 8% stwierdziło, że „eskalowali”.
Duża część problemu polega na tym, że trudno jest zaprojektować przepływ pracy dla agentów AI, który umożliwiłby im uzyskiwanie wiarygodnych wyników. Nawet dzisiejsze najbardziej wydajne modele sztucznej inteligencji znajdują się na dziwnym limicie: mogą wykonywać pewne zadania w ramach przepływu pracy równie dobrze jak ludzie, ale nie są w stanie wykonywać innych. Złożone zadania, które wymagają gromadzenia danych z wielu źródeł i korzystania z narzędzi programowych na wielu etapach, stanowią szczególne wyzwanie. Im dłuższy przepływ pracy, tym większe ryzyko, że błąd w jednym z pierwszych etapów procesu ulegnie eskalacji i spowoduje niepowodzenie w wyniku. Ponadto stosowanie bardziej wydajnych modeli sztucznej inteligencji może być kosztowne w użyciu na dużą skalę, zwłaszcza jeśli przepływ pracy wymaga od agenta dużo planowania i wnioskowania.
Wiele firm próbowało rozwiązać te problemy, projektując „wieloagentowe przepływy pracy”, w których aktywowani są różni agenci, a każdemu z nich przypisywany jest tylko jeden odrębny krok w przepływie pracy, co czasami obejmuje wykorzystanie jednego agenta do weryfikacji pracy innego agenta. Może to poprawić wydajność, ale może być również kosztowne, czasem zbyt drogie, aby warto było zautomatyzować przepływ pracy.
Czy dwóch agentów AI jest zawsze lepszych niż jeden?
Obecnie zespół Google przeprowadził badania, których celem było zapewnienie firmom dobrej podstawy do podjęcia decyzji, kiedy najlepiej korzystać z jednego agenta zamiast tworzenia wieloagentowego przepływu pracy, a także jaki rodzaj wieloagentowych przepływów pracy będzie najlepszy w przypadku konkretnego zadania.
W zeszłym roku panował konsensus co do tego, że wieloagentowe przepływy pracy dają bardziej wiarygodne wyniki. (Wcześniej pisałem o tym poglądzie, popartym doświadczeniem niektórych firm, takich jak Prosus, tutaj w Eye on AI). Jednak badacze Google odkryli zamiast tego, że to, czy obiegowe przekonania się sprawdzą, zależy w dużej mierze od tego, jakie dokładnie było zadanie.
Poszczególni agenci radzą sobie lepiej w krokach sekwencyjnych, gorzej w krokach równoległych
Jeśli zadanie było sekwencyjne, jak miało to miejsce w przypadku wielu zadań benchmarkowych Minecrafta, to okazało się, że dopóki pojedynczy agent AI był w stanie wykonać zadanie dokładnie w co najmniej 45% przypadków (co moim zdaniem jest dość niską poprzeczką), to lepiej wdrożyć tylko jednego agenta. Korzystanie z wielu agentów w dowolnej konfiguracji znacznie zmniejszyło ogólną wydajność o 39% do 70%. Zdaniem badaczy powodem jest to, że gdyby firma miała ograniczony symboliczny budżet na wykonanie całego zadania, wówczas wymagania wielu agentów próbujących dowiedzieć się, jak korzystać z różnych narzędzi, szybko przerosłyby budżet.
Jeśli jednak zadanie obejmowało etapy, które można było wykonać równolegle, jak miało to miejsce w przypadku wielu zadań związanych z analizą finansową, wówczas systemy wieloagentowe miały ogromne zalety. Co więcej, badacze odkryli, że duża różnica ma także sposób skonfigurowania agentów do wzajemnej współpracy. W przypadku zadań związanych z analizą finansową najlepszy wynik dał scentralizowany system wieloagentowy, w którym jeden agent koordynujący kieruje i nadzoruje działalność wielu subagentów oraz cały przepływ komunikacji do i od koordynatora. System ten działał o 80% lepiej niż pojedynczy agent. Tymczasem niezależny system wieloagentowy, w którym nie ma koordynatora, a każdemu agentowi przypisana jest po prostu ograniczona rola, którą pełni równolegle, był tylko o 57% lepszy od pojedynczego agenta.
Tego typu badania powinny pomóc firmom znaleźć najlepsze sposoby konfigurowania agentów AI i pozwolić, aby technologia w końcu zaczęła spełniać obietnice z zeszłego roku. Dla tych, którzy sprzedają technologię agentów AI, lepiej późno niż wcale. W przypadku osób pracujących w firmach korzystających z agentów AI będziemy musieli zobaczyć, jaki wpływ mają ci agenci na rynek pracy. To historia, którą będziemy się uważnie przyglądać, gdy będziemy coraz bliżej roku 2026.
FORTUNA W AI
Popularna rewolta w NIMBY zwraca wyborców w bastionach Republikanów przeciwko rozwojowi centrów danych AI — Eva Roytburg Dyrektor Accenture realistycznie ocenia transformację: „Strategia dotycząca danych i sztucznej inteligencji to nie osobna strategia, to strategia biznesowa” — Nick Lichtenberg Nadal są dobrze wykorzystywane i nie tracą na wartości tak szybko, twierdzi analityk – Jason Ma
AI W WIADOMOŚCIACH EYE ON AI BADANIA
Agent Google DeepMind, który potrafi tworzyć złożone plany w wirtualnym świecie. Laboratorium AI wprowadziło zaktualizowaną wersję swojego agenta SIMA o nazwie SIMA 2, która może poruszać się po złożonych cyfrowych światach 3D, w tym różnych gier wideo. W przeciwieństwie do poprzednich systemów, które wykonywały jedynie proste polecenia, SIMA 2 potrafi rozumieć szersze cele, prowadzić krótkie rozmowy i samodzielnie opracowywać wieloetapowe plany. W testach spisał się znacznie lepiej od swojego poprzednika i w wielu zadaniach zbliżył się do ludzkich graczy, nawet w grach, których nigdy wcześniej nie widział. W szczególności SIMA 2 może również uczyć się nowych umiejętności, stawiając własne wyzwania i ucząc się metodą prób i błędów. Artykuł pokazuje postęp w kierunku sztucznej inteligencji, która może działać, dostosowywać się i uczyć w środowiskach, a nie po prostu analizować tekst lub obrazy. Podejście oparte na uczeniu się przez wzmacnianie (technika, w której agent uczy się metodą prób i błędów, aby osiągnąć cel), powinno pomóc w tworzeniu bardziej wydajnych wirtualnych asystentów, a ostatecznie robotów w świecie rzeczywistym. Artykuł możesz przeczytać tutaj.
MASZ KALENDARZ
6 stycznia: Kolacja Fortune Brainstorm Tech na targach CES. Prośba o przybycie tutaj.
19-23 stycznia: Światowe Forum Ekonomiczne, Davos, Szwajcaria.
10–11 lutego: Szczyt Akcji AI, New Delhi, Indie.
BRAIN FOOD FORTUNE AIQ: ROK AI I CO NADCHODZI
W 2025 r. firmy poczyniły duże kroki w kierunku sztucznej inteligencji, od zatrudniania dyrektorów AI po eksperymentowanie z agentami AI. Wyciągnięte wnioski, zarówno dobre, jak i złe, w połączeniu z najnowszymi innowacjami technologicznymi sprawią, że rok 2026 będzie kolejnym decydującym rokiem. Poznaj całą Fortune AIQ i przeczytaj najnowszy poradnik poniżej:
–Trzy trendy, które zdominowały sztuczną inteligencję firm, zostaną wprowadzone na rynek w 2025 r.
–2025 był rokiem agenta AI. Jak to zrobiliśmy?
–Narzędzia do kodowania AI eksplodowały w 2025 r. Wczesne exploity bezpieczeństwa pokazują, co może pójść nie tak.
–Wielkie postanowienie noworoczne AI dla firm w 2026 roku: ROI.
–Firmy stoją w obliczu mylącej mozaiki zasad i przepisów dotyczących sztucznej inteligencji. Czy jest jasność na horyzoncie?
