מהפכת ה-Agentic AI: השלב הבא בהתפתחות הבינה המלאכותית
כניסתנו לעידן ה-Agentic AI, שבו מערכות בינה מלאכותית פועלות באופן עצמאי ואינטליגנטי באמצעות "סוכני AI" (AI Agents), פותחת הזדמנויות חדשות לארגונים בכל ענפי התעשייה.
בשונה מבינה מלאכותית יוצרת (Generative AI), המבצעת משימות מוגדרות על-פי הנחיות המשתמש (Prompts), Agentic AI יודעת לבצע פעולות בצורה אוטונומית – היא לא רק מגיבה לבקשות, אלא יודעת ליזום, לפתור בעיות ולהתמודד עם מצבים בלתי-צפויים בעצמה[1].
כך לדוגמה, בעוד שמערכות AI יכולות להציע סרטים לצפייה על בסיס העדפות קודמות, מערכות Agentic AI לא רק ממליצות – אלא גם מזהות בעצמן אם סרט מסוים אינו זמין, מחפשות אלטרנטיבות דומות ומציעות למשתמש פתרון מבלי שבכלל היה צריך לבקש זאת. בעולמות ניהול שרשרת אספקה, המערכת לא רק מציעה תחזיות על בסיס נתוני מכירות מהעבר, אלא גם מזהה עלייה פתאומית בביקוש למוצר מסוים בעקבות אירוע מקומי (כגון פסטיבל או חג מקומי) ומבצעת התאמות במלאי, כדי לוודא שהחנויות מחזיקות במוצרים הנדרשים בזמן אמת – כל זאת, ללא צורך בהתערבות אנושית[2].
לאחר מספר שנים של התקדמות בתחום הבינה המלאכותית, בפרט היוצרת (Gen AI), השנה האחרונה מסמנת שלב חדש ומשמעותי ביותר עם התפתחותה של Agentic AI. וזאת הודות להתקדמות במודלי ההסקה (Reasoning Models) וביכולות הטכנולוגיות של מערכות AI ארגוניות. התחזקות היכולות הללו משתקפת גם בתחזיות השוק המצביעות על צמיחה דרמטית בתחום זה בעשור הקרוב: שוק ה-Agentic AI צפוי לזנק לכ-110.42 מיליארד דולר עד שנת 2032, עם קצב צמיחה שנתי ממוצע (CAGR) של כ-43.8% (2023–2032)[3].
השפעת Agentic AI על ארגונים, תהליכים עסקיים והתייעלות ארגונית
ארגונים אשר ישכילו לשלב מערכות Agentic AI בשלב מוקדם ובזהירות הנדרשת – יזכו ליתרון תחרותי משמעותי, לשיפור דרמטי בביצועים, להגברת מהירות התגובה לשינויים בשוק ולחדשנות מתמשכת לאורך זמן. יחד עם זאת, הטמעת מערכות אלו מחייבת ניהול ראוי של סיכונים טכנולוגיים ואתיים, כגון שקיפות ההחלטות, שמירה על פרטיות הנתונים ובקרה אנושית על התהליכים האוטונומיים[4].
למרות האתגרים הללו, דוגמות לשימושים מוצלחים של מערכות Agentic AI כוללות, בין היתר, סוכני AI אוטונומיים ברכבים המסוגלים לא רק לנתח מצבים בזמן אמת, אלא גם להגיב בצורה יזומה למכשולים או תקלות בדרך, תוך תכנון נתיבים חלופיים ללא התערבות הנהג. בתחום הקמעונאות, סוכנים אלו מסוגלים לנהל באופן עצמאי מלאי והמלצות קנייה, לזהות מחסור צפוי וליזום הזמנת מלאי אוטומטית, תוך התאמת ההיצע בזמן אמת להעדפות הלקוח.
כיצד ניתן ליישם Agentic AI בארגונכם כבר החל ממחר?
ארגונים המעוניינים להתחיל לנצל את היתרונות העצומים של מערכות Agentic AI יכולים להתחיל במספר צעדים מרכזיים[5]:
- זיהוי מטרות והגדרת בעיות: זיהוי המשימות שהמערכת תבצע והגדרת רמת האוטונומיה הנדרשת.
- מסגרות עבודה (Framework) וכלים: שימוש בפלטפורמות כגון AutoGen, LangChain או LlamaIndex לניהול תהליכים ביעילות.
- תכנון ארכיטקטורה: בניית מערכות סוכנים מרובות עם יכולות זיכרון ותכנון.
- אימון ובדיקה: אימון המודלים באמצעות למידת מכונה ו-Reinforcement Learning, תוך בדיקה בסביבות ניסוי מוגנות ומבוקרות.
- הטמעה וניטור: שימוש בפלטפורמות כמו Azure Kubernetes Services להטמעה וניטור שוטף לשיפור ביצועים.
EY.ai Agentic Platform: פתרון כולל להטמעת Agentic AI בארגונים
פלטפורמת 'EY.ai Agentic Platform', שהושקה לאחרונה במסגרת שיתוף פעולה אסטרטגי בין EY לבין NVIDIA, ממחישה היטב את הפוטנציאל והיישום המעשי של טכנולוגיית Agentic AI בארגונים. שיתוף הפעולה מאפשר להציע לארגונים לבצע טרנספורמציה ארגונית ולהגדיל את הפרודוקטיביות באמצעות סוכני AI אוטונומיים.
הפלטפורמה החדשנית מבוססת על טכנולוגיות מתקדמות כמו NVIDIA AI Enterprise ו-NVIDIA AI-Q Blueprint וממנפת את הידע המקצועי המשותף של למעלה מ-400,000 מומחי EY ברחבי העולם. בשלב ההתחלתי, כ-150 סוכני AI יסייעו לכ-80,000 עובדי EY ברחבי העולם לנהל באופן יעיל כ-3 מיליון תהליכי דיווח מס וכ-30 מיליון תהליכי מיסוי בשנה, תוך התמודדות עם דרישות רגולטוריות מורכבות.
לקריאה ביחס ל EY.au Agentic Platform – לחץ כאן
[1] EY Insights analysis; CITI Group
[2] EY Insights analysis
[4] EY Analysis; Automation Anywhere
[5] EY Analysis
