Poza chatbotami: Jak Intuit i Amex otwierają nową erę autonomicznych agentów AI

W miarę dojrzewania generatywnej sztucznej inteligencji (AI), przedsiębiorstwa coraz śmielej przechodzą od fazy eksperymentów do gruntownej implementacji. Firmy takie jak Intuit i American Express (Amex) wyznaczają nowe standardy, wychodząc poza utarte schematy chatbotów i asystentów, by inwestować w inteligentne, autonomiczne agenty. Na konferencji VB Transform, liderzy technologiczni z obu gigantów, Ashok Srivastava z Intuit i Hilary Packer z Amex, podzielili się swoimi strategiami transformacji procesów biznesowych i doświadczeń klientów dzięki agentycznej AI.

Od modeli do zadań: ekspansja inteligentnych agentów

W Intuit agenty nie są już tylko systemami odpowiadającymi na pytania; ich rola ewoluowała w kierunku samodzielnego wykonywania złożonych zadań. Przykładem jest rewolucja w usłudze TurboTax, gdzie agenty skracają czas potrzebny na rozliczenie podatków o imponujące 12%, umożliwiając niemal połowie użytkowników zakończenie procesu w mniej niż godzinę. Ten postęp jest możliwy dzięki zdolności inteligentnych systemów do pobierania i analizowania danych z wielu strumieni, zarówno w czasie rzeczywistym, jak i w trybie wsadowym, przy użyciu wewnętrznego systemu Intuit.

Jak podkreślił Ashok Srivastava, starszy wiceprezes i dyrektor danych w Intuit, kluczowe dla firm z sektora finansowego jest budowanie rozwiązań, które są nie tylko solidne i skalowalne, ale przede wszystkim zakorzenione w rzeczywistości. „Agentyczne doświadczenia, które tworzymy, mają na celu realizację zadań dla klienta, zawsze z jego pełną zgodą. To fundamentalne dla budowania zaufania” — zaznaczył Srivastava. Podstawą tych możliwości jest GenOS, niestandardowy system operacyjny AI Intuit, którego sercem jest GenRuntime. Srivastava porównuje go do jednostki centralnej procesora (CPU), która przetwarza dane, rozumuje nad nimi i określa kolejne działania dla użytkownika. Projekt GenOS ma na celu abstrakcję złożoności technicznej, pozwalając programistom skupić się na innowacjach zamiast na ciągłym tworzeniu zabezpieczeń i warstw bezpieczeństwa.

Budowanie stosu agentycznego w Amex: zaufanie, kontrola i eksperymentacja

Dla Hilary Packer, EVP i CTO w American Express, przejście na agentyczną AI jest naturalnym krokiem naprzód, opierającym się na ponad 15 latach doświadczeń firmy z tradycyjną sztuczną inteligencją i dojrzałą infrastrukturą dużych zbiorów danych. W obliczu dynamicznego rozwoju generatywnej AI, Amex koncentruje się na tym, jak inteligentne agenty mogą usprawnić wewnętrzne procesy i kształtować nowe doświadczenia klientów. Przykładem jest agent APR, który przegląda żądania pobrania kodu i doradza inżynierom w kwestii gotowości kodu do połączenia. Ten projekt odzwierciedla szersze podejście Amex: zaczynanie od wewnętrznych przypadków użycia, szybkie działanie i wykorzystywanie wczesnych sukcesów do doskonalenia infrastruktury, narzędzi i standardów zarządzania.

Aby wspierać szybką eksperymentację przy jednoczesnym zachowaniu silnych zabezpieczeń i przestrzeganiu zasad, Amex opracował „warstwę enablement”, która umożliwia szybki rozwój bez poświęcania nadzoru. Jak podkreśla Packer, daje to pewną „płaszczyznę kontroli”, do której można podłączyć dodatkowe zabezpieczenia, które są kluczowe w sektorze finansowym. W ramach tego systemu Amex wdrożył koncepcję modułowych „mózgów” – ramy, w której agenty muszą konsultować się z określonymi „mózgami” przed podjęciem działania. Pełnią one funkcję modułowych warstw zarządzania, obejmujących wartości marki, prywatność, bezpieczeństwo i zgodność prawną. Każdy „mózg” reprezentuje domenowo-specyficzny zestaw polityk, takich jak ton komunikacji marki, zasady prywatności czy ograniczenia prawne, funkcjonując jako organ konsultacyjny. Przykładem jest agent rezerwacji stolików w restauracjach, działający za pośrednictwem platformy Resy Amex. Musi on zweryfikować, czy wybiera właściwą restaurację o właściwej porze, zgodnie z intencją użytkownika, jednocześnie przestrzegając wytycznych dotyczących marki i polityki firmy.

Architektura wspierająca szybkość i bezpieczeństwo

Obaj liderzy AI są zgodni co do tego, że umożliwienie szybkiego rozwoju na dużą skalę wymaga przemyślanej architektury. W Intuit, stworzenie GenOS pozwala setkom programistów budować bezpiecznie i spójnie. Platforma zapewnia każdej drużynie dostęp do współdzielonej infrastruktury, wspólnych zabezpieczeń i elastyczności modeli, bez konieczności powielania pracy. Amex zastosował podobne podejście z warstwą enablement. Zaprojektowana wokół ujednoliconej płaszczyzny kontroli, warstwa ta pozwala zespołom szybko rozwijać agenty oparte na AI, jednocześnie egzekwując scentralizowane polityki i zabezpieczenia. Zapewnia spójne wdrażanie ram ryzyka i zarządzania, jednocześnie zachęcając do szybkości. Programiści mogą szybko wdrażać eksperymenty, a następnie oceniać i skalować je na podstawie informacji zwrotnych i wydajności, wszystko to bez narażania zaufania do marki.

Lekcje z adopcji AI w agentycznym stylu

Zarówno Ashok Srivastava, jak i Hilary Packer podkreślają konieczność szybkiego, lecz świadomego działania. „Nie czekaj na »pieczeniem ciasta«”, radzi Packer, sugerując, że lepiej jest wybrać kierunek, wdrożyć coś do produkcji i szybko iterować, niż opóźniać wprowadzenie do momentu osiągnięcia „idealnego” rozwiązania, które może być już przestarzałe w chwili premiery. Kluczowe jest również wbudowanie pomiaru wpływu od samego początku. Srivastava zaznacza, że możliwość mierzenia efektywności i kosztów nie jest dodatkiem, lecz integralnym elementem stosu technologicznego. Śledzenie kosztów, opóźnień, dokładności i wpływu na użytkownika jest niezbędne do oceny wartości i utrzymania odpowiedzialności na dużą skalę. „Musisz być w stanie to zmierzyć. Właśnie w tym miejscu wkracza GenOS – wbudowana funkcja, która pozwala nam instrumentować aplikacje AI i śledzić zarówno poniesione koszty, jak i uzyskany zwrot” — tłumaczy Srivastava. „Co kwartał omawiam to z naszym dyrektorem finansowym. Analizujemy linia po linii każdy przypadek użycia sztucznej inteligencji w całej firmie, dokładnie oceniając, ile wydajemy i jaką wartość uzyskujemy w zamian” — dodaje.