|
В течение 24 лет Аманда Сильвер из Microsoft помогала разработчикам — и в последние несколько лет это означало создание инструментов для искусственного интеллекта. После долгой работы на GitHub Copilot Сильвер теперь является корпоративным вице-президентом подразделения CoreAI Microsoft, где она работает над инструментами для развертывания приложений и агентных систем на предприятиях. Ее работа сосредоточена на системе Foundry в Azure, которая спроектирована как единый портал искусственного интеллекта для предприятий, что дает ей полное представление о том, как компании на самом деле используют эти системы и где в конечном итоге не удается выполнить развертывание.
Я поговорил с Сильвер о текущих возможностях enterprise agents и о том, почему она считает, что это самая большая возможность для стартапов со времен публичного облака.
Это интервью было отредактировано для большей полноты и наглядности.
Итак, ваша работа сосредоточена на продуктах Microsoft для сторонних разработчиков – часто стартапов, которые не ориентированы на искусственный интеллект. Как, по-вашему, искусственный интеллект повлияет на эти компании?
Я рассматриваю это как переломный момент для стартапов, столь же важный, как и переход к общедоступному облаку. Если вдуматься, облако оказало огромное влияние на стартапы, потому что оно означало, что им больше не нужно было выделять пространство для размещения своих стоек, и им не нужно было тратить столько денег на приобретение оборудования для размещения в своих лабораториях и тому подобное . Все стало дешевле. Теперь agentic AI в некотором роде продолжит снижать общие затраты на разработку программного обеспечения, потому что многие задачи, связанные с созданием нового предприятия — будь то техническая поддержка или юридические расследования — могут быть выполнены быстрее и дешевле с помощью агентов с искусственным интеллектом. Я думаю, что это приведет к увеличению числа предприятий и запуску большего числа стартапов. И тогда мы увидим стартапы с более высокой стоимостью и меньшим количеством людей у руля. И я думаю, что это захватывающий мир.
Как это выглядит на практике?
Мы, безусловно, видим, что многоступенчатые агенты становятся все более широко используемыми в самых разных задачах программирования, не так ли? В качестве примера, одна из задач, которую разработчики должны выполнять для поддержания базы кода, - это поддерживать актуальность последних версий библиотек, от которых она зависит. Возможно, у вас есть зависимость от более старой версии среды выполнения dot-net или Java SDK. И мы можем использовать эти агентные системы для обработки всей вашей кодовой базы и значительно упростить ее обновление, возможно, сократив время, затрачиваемое на это, на 70 или 80%. И для этого действительно необходим развернутый многоэтапный агент.
Еще один пример - оперативное управление сайтом: если вы думаете о поддержании веб–сайта или сервиса в рабочем состоянии, а что-то идет не так, ночью раздается глухой стук, и кто-то должен быть на дежурстве, чтобы его разбудили и отправили реагировать на инцидент. У нас по-прежнему есть дежурные 24 часа в сутки 7 дней в неделю, на случай сбоя в обслуживании. Но раньше это была действительно ненавистная работа, потому что вас довольно часто будили из-за таких незначительных происшествий. И теперь мы создали генетическую систему, позволяющую успешно диагностировать и во многих случаях полностью устранять проблемы, возникающие при работе в режиме реального времени, так что людям не нужно просыпаться посреди ночи и, пошатываясь, подходить к своим терминалам и пытаться определить, что происходит. И это также помогает нам значительно сократить среднее время, необходимое для разрешения инцидента.
Одна из других загадок сегодняшнего дня заключается в том, что внедрение агентов происходит не так быстро, как мы ожидали еще полгода назад. Мне любопытно, почему вы так думаете.
Если задуматься о людях, создающих агенты, и о том, что мешает им быть успешными, то во многих случаях все сводится к тому, что они на самом деле не знают, какой должна быть цель агента. В том, как люди создают эти системы, должны произойти изменения в культуре. Какие задачи они пытаются решить для бизнеса? Чего они пытаются достичь? Вам необходимо четко представлять, что такое успех для этого агента. И вам нужно подумать, какие данные я предоставляю агенту, чтобы он мог решить, как выполнить эту конкретную задачу?
Мы рассматриваем эти вопросы как более серьезные препятствия, чем общая неопределенность, связанная с развертыванием агентов. Любой, кто знакомится с этими системами, видит отдачу от инвестиций.
Вы упомянули общую неопределенность, которая, как мне кажется, со стороны кажется серьезным препятствием. Почему вы считаете, что на практике это не такая большая проблема?
Прежде всего, я думаю, что в агентных системах очень часто используются сценарии "человек в курсе событий". Подумайте о чем-то вроде возврата пакета. Раньше считалось, что у вас был рабочий процесс для обработки возврата, который был на 90% автоматизирован и на 10% состоял из вмешательства человека, когда кто-то должен был пойти посмотреть на посылку и сделать вывод о том, насколько повреждена посылка, прежде чем принять решение о возврате.
Это прекрасный пример того, что на самом деле сейчас модели компьютерного зрения становятся настолько совершенными, что во многих случаях нам не требуется такой большой контроль со стороны человека при проверке упаковки и принятии решения. Все еще будут случаи, которые находятся на грани, когда, возможно, компьютерное зрение еще недостаточно хорошо для совершения звонка, и, возможно, ситуация обострится. Это что-то вроде того, как часто вам нужно вызывать менеджера?
Есть некоторые вещи, которые всегда требуют определенного контроля со стороны человека, потому что это очень важные операции. Подумайте о том, чтобы взять на себя юридические обязательства по контракту или внедрить код в производственную кодовую базу, что потенциально может повлиять на надежность ваших систем. Но даже в этом случае остается вопрос о том, насколько далеко мы могли бы продвинуться в автоматизации остальной части процесса.
