На протяжении 24 лет Аманда Силвер из Microsoft помогала разработчикам, а в последние несколько лет — создавала инструменты для ИИ. После долгой работы над GitHub Copilot Силвер стала корпоративным вице-президентом подразделения CoreAI в Microsoft, где она занимается разработкой инструментов для развертывания приложений и агентских систем в корпоративной среде. Ее работа сосредоточена на системе Foundry в Azure, которая задумана как унифицированный портал ИИ для предприятий. Это дает ей возможность пристально наблюдать за тем, как компании фактически используют эти системы и в каких областях развертывание оказывается неэффективным.
Я поговорила с Силвер о текущих возможностях корпоративных агентов и о том, почему она считает это самой большой возможностью для стартапов со времен появления публичного облака.
Интервью было отредактировано для краткости и ясности.
Итак, ваша работа сосредоточена на продуктах Microsoft для внешних разработчиков — часто стартапов, которые не специализируются на ИИ. Как, по вашему мнению, ИИ влияет на эти компании?
Я вижу в этом поворотный момент для стартапов, столь же значительный, как переход к публичному облаку. Если подумать, облако оказало огромное влияние на стартапы, поскольку им больше не нужно было иметь физическое пространство для размещения своих серверов, и им не приходилось тратить столько же средств на капитальные вложения для установки оборудования в своих лабораториях и тому подобное. Все стало дешевле. Теперь агентный ИИ продолжит снижать общие затраты на программные операции, поскольку многие задачи, связанные с запуском нового предприятия — будь то поддержка клиентов, юридические исследования — могут быть выполнены быстрее и дешевле с помощью ИИ-агентов. Я думаю, это приведет к появлению большего числа предприятий и стартапов. И тогда мы увидим стартапы с более высокой оценкой и меньшим количеством людей у руля. И я думаю, что это захватывающий мир.
Как это выглядит на практике?
Мы, безусловно, наблюдаем широкое применение многошаговых агентов во всех видах задач кодирования, верно? Например, одна из задач, которую разработчики должны выполнять для поддержки кодовой базы, — это быть в курсе последних версий библиотек, от которых она зависит. У вас может быть зависимость от старой версии среды выполнения dot-net или SDK Java. И мы можем использовать эти агентные системы для анализа всей вашей кодовой базы и ее обновления гораздо проще, с сокращением времени примерно на 70-80%. И для этого действительно нужен развернутый многошаговый агент.
Эксплуатация в реальном времени — еще одна область. Если подумать о поддержке веб-сайта или сервиса, и что-то идет не так, ночью раздается удар, и кто-то должен быть на дежурстве, чтобы его разбудили и он отреагировал на инцидент. У нас по-прежнему есть люди на дежурстве 24/7, на случай, если сервис упадет. Но раньше это была очень ненавистная работа, потому что вас довольно часто будили из-за мелких инцидентов. И теперь мы создали агентную систему для успешной диагностики и во многих случаях полного устранения проблем, возникающих при эксплуатации в реальном времени, чтобы людям не приходилось просыпаться посреди ночи, сонно идти к своим терминалам и пытаться выяснить, что происходит. И это также помогает нам значительно сократить среднее время, необходимое для разрешения инцидента.
Одна из других загадок настоящего момента заключается в том, что развертывание агентных систем происходит не так быстро, как мы ожидали даже шесть месяцев назад. Мне интересно, почему, по вашему мнению, это так.
Если подумать о людях, которые создают агентов, что мешает им добиться успеха, то во многих случаях это сводится к тому, что они не совсем понимают, какова должна быть цель агента. Происходит культурное изменение в том, как люди создают эти системы. Какую бизнес-задачу они пытаются решить? Чего они пытаются достичь? Вам нужно быть очень трезвым в определении успеха для этого агента. И вам нужно подумать, какие данные вы предоставляете агенту, чтобы он мог рассуждать о том, как выполнить эту конкретную задачу.
Мы видим, что эти аспекты являются более серьезными препятствиями, чем общая неопределенность, связанная с развертыванием агентов. Любой, кто изучит эти системы, увидит отдачу от инвестиций.
Вы упоминаете общую неопределенность, которая, как мне кажется, является большим препятствием со стороны. Почему вы считаете это меньшей проблемой на практике?
Прежде всего, я думаю, что будет очень распространенным сценарием, когда агентные системы будут иметь человека в контуре управления. Подумайте о чем-то вроде возврата товара. Раньше существовал рабочий процесс обработки возвратов, который на 90% автоматизировался и на 10% требовал вмешательства человека, когда кому-то приходилось осматривать товар и принимать решение о степени его повреждения, прежде чем принять решение о возврате.
Это прекрасный пример того, как сейчас модели компьютерного зрения становятся настолько хорошими, что во многих случаях нам не требуется столько человеческого надзора за проверкой товара и принятием решения. Будут и пограничные случаи, когда компьютерное зрение еще недостаточно хорошо, чтобы принять решение, и, возможно, потребуется эскалация. Это похоже на то, как часто вам нужно вызвать менеджера.
Есть некоторые вещи, которые всегда будут требовать некоторого человеческого надзора, потому что это критически важные операции. Подумайте о принятии договорных юридических обязательств или развертывании кода в производственной кодовой базе, которая потенциально может повлиять на надежность ваших систем. Но даже в этом случае возникает вопрос, насколько далеко мы можем продвинуться в автоматизации остальной части процесса.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Russell Brandom
