Experten empfehlen Kriechen, dann zu gehen, bevor sie mit AI -Agenten laufen

Willkommen in der Ära der Multi-Agenten-KI-Systeme, in der das Potenzial zur Steigerung der persönlichen und beruflichen Produktivität enorm ist. Die Integration dieser fortschrittlichen generativen KI-Tools (Gen AI) in Ihre Organisation ist jedoch keine Kleinigkeit. Laut einem aktuellen Deloitte-Bericht wächst das Interesse an der Entwicklung autonomer Agenten, wobei 26 % der Organisationen dieses Gebiet erkunden. Über die Hälfte der Führungskräfte (52 %) ist daran interessiert, agentische KI zu entwickeln, und 45 % streben eine Ausweitung auf Multi-Agenten-Systeme an. Trotz ihres Versprechens sind diese Systeme keine Allheilmittel für alle Herausforderungen.

Der Bericht hebt hervor, dass agentische KI die Schaffung nachhaltigen Unternehmenswerts erheblich steigern kann, indem sie Ziele autonom mit minimaler menschlicher Eingriff erreicht. Er weist jedoch auch darauf hin, dass die Hürden, mit denen Gen AI konfrontiert ist – wie regulatorische Unsicherheiten, Risikomanagement, Datenmängel und Arbeitskräfteprobleme – bei agentischen Systemen aufgrund ihrer erhöhten Komplexität verstärkt werden.

Jim Rowan, Leiter der KI-Abteilung bei Deloitte Consulting, betonte, dass agentische KI im Gegensatz zu herkömmlichen Bots, die hauptsächlich auf Eingaben reagieren, planen, Aufgaben priorisieren und komplexe Arbeitsabläufe mit wenig menschlicher Aufsicht ausführen kann. Er warnte jedoch, dass die Implementierung dieser Systeme kostspielig sein kann, und betonte die Bedeutung einer robusten Dateninfrastruktur, einschließlich skalierbarer Cloud-Plattformen, fortschrittlicher Datenanalysetools und starker Cybersicherheitsmaßnahmen.

Für Organisationen, die KI-Agenten einführen möchten, ist es entscheidend, einfach zu beginnen. Benjamin Lee, Professor an der University of Pennsylvania, schlägt vor, dass Unternehmen, die bereits generative KI für einfache Aufgaben nutzen, gut positioniert sind, um agentische KI zu nutzen. Diese Organisationen haben Mitarbeiter, die komplexe Aufgaben in einfachere für die KI aufteilen können und dadurch bereits Produktivitätssteigerungen erleben.

Rowan empfiehlt einen schrittweisen Ansatz – beginnend mit einem Pilotprogramm, um Multi-Agenten-Systeme in einer kontrollierten Umgebung zu testen. Er vergleicht den aktuellen Stand der KI mit dem eines Kleinkindes, wobei agentische KI weiter fortgeschritten ist, vergleichbar mit einem Tween – funktional und in der Lage, spezifische Funktionen auszuführen.

Um KI-Agenten weiter zu integrieren, sollten Organisationen den Einsatz generativer KI für einfache Aufgaben fördern und Strategien entwickeln, um komplexe Aufgaben in überschaubare Teile zu zerlegen. Dieser Ansatz macht die Produktivitätsgewinne durch intelligente Agenten transparent, verständlich und vertrauenswürdig.

Rowan plädiert auch für die Nutzung kleinerer Sprachmodelle anstelle der größeren, die die Gen AI-Landschaft dominiert haben. Diese kleineren Modelle können in verschiedenen Rollen effektiver sein, von der Lieferkettenverwaltung über die Softwareentwicklung bis hin zur Finanzanalyse. Lee stimmt zu und bemerkt, dass intelligente Agenten komplexe Aufgaben in einfachere zerlegen und spezialisierte Modelle verwenden können, um Ergebnisse zu einer kohärenten Antwort zu kombinieren.

Qualitativ hochwertige Daten sind entscheidend für das effektive Funktionieren von KI-Agenten. Ungenaue, unvollständige oder inkonsistente Daten können zu unzuverlässigen Ausgaben und Aktionen führen, was sowohl Adoptions- als auch Risikoherausforderungen darstellt. Daher ist die Investition in robustes Datenmanagement und Wissensmodellierung unerlässlich.

Die Qualifizierung der Arbeitskräfte ist ein weiterer kritischer Bereich, wobei Rowan die Notwendigkeit von Schulungen sowohl in technischen Fähigkeiten als auch in der Fähigkeit zur Zusammenarbeit mit KI-Agenten betont. Eine gut vorbereitete Belegschaft ist entscheidend, um das Potenzial von KI-Agenten voll auszuschöpfen.

Kontinuierliche Überwachung und Verbesserung der Leistung von KI-Agenten sind ebenfalls notwendig. Dies umfasst das Sammeln und Analysieren von Leistungsdaten, das Identifizieren von Verbesserungsbereichen und das Vornehmen von Anpassungen zur Leistungsoptimierung.

Aus politischer Sicht müssen Unternehmen klare Richtlinien für den Einsatz agentischer KI festlegen. Ben Sapp, globaler Praxisleiter für Intelligenz bei Digital.ai, weist auf die Bedeutung hin, festzulegen, wer agentische KI nutzen darf, welche Berechtigungen sie für die Interaktion mit anderen Agenten hat und welche Hierarchie für Entscheidungen gilt, wenn Systeme interagieren oder in Konflikt geraten.

Sapp nannte ein Beispiel aus einem Finanzdienstleistungsunternehmen, das ein KI-Modell verwendet, um Änderungsausfälle vorherzusagen. Basierend auf der Wahrscheinlichkeit eines Ausfalls kann ein Mensch entscheiden, ob die Änderung gründlicher überprüft oder genehmigt werden soll. Mit agentischer KI kann das System bei einer Ausfallwahrscheinlichkeit von unter 1 % die Änderung automatisch genehmigen, wodurch menschliches Eingreifen überflüssig wird und der Prozess optimiert wird.

Zusammenfassend lässt sich sagen, dass agentische KI großes Potenzial zur Steigerung der Produktivität und zur Schaffung nachhaltigen Unternehmenswerts bietet, ihre erfolgreiche Implementierung jedoch eine sorgfältige Berücksichtigung technischer, datenbezogener, arbeitskräftebezogener und politischer Herausforderungen erfordert.