لا شك أن منظمة العفو الدولية قد أحدثت ثورة في العمل للعديد من الصناعات ، ولكن في بعض المناطق ، تصل إلى حدودها. كانت تفاعلات Human-AA ، وهي Genai ، قاعدة تكامل الذكاء الاصطناعى مؤخرًا.
لقد براعة العلاقة “نسأل ، إنها تؤدي”. لكن هذا يقدم مشكلة بسيطة: حدودنا هي حدودها. يمكننا أن نسأل ذلك كل ما نريده (والحصول على إجابات جيدة) ، ولكن منظمة العفو الدولية “تعيش” حياة المتابعة.
أدخل AGENCIC AI. لقد كان الحديث عن المدينة لسبب وجيه ، حيث تملأ العديد من أوجه القصور في سابقتها. لكنه يتطلب تغييرات كبيرة في علاقتنا مع الذكاء الاصطناعي ، حيث أن أفضل وظائفها تعمل مع وكلاء الذكاء الاصطناعى الآخرين ، وليس نحن. نتراجع ونفقد السيطرة ونصبح أقل أهمية. إذن ، هل يستحق ذلك؟ يعد بأن يكون الأداة العظيمة التالية للشركات ؛ ما هي أهم الأدوار التي يمكن أن تلعبها فيه ، وكيف يمكن لعلم الأمن فيه ، وما الذي يجب أن يضعه القادة في الاعتبار؟
تقليص واتصل في
نماذج اللغة الكبيرة (LLMS) ، على الرغم من أنها مفيدة للغاية بطرق أخرى ، ليست المفتاح لوكلاء الذكاء الاصطناعي. المتخصصة هي لعبة وكلاء الذكاء الاصطناعي: إنها تعمل بشكل أفضل في المناطق المتخصصة. يجب تدريب الوكلاء على مهام متخصصة ، مع القدرة على التفاعل مع عوامل أخرى لإكمال وظائف أكثر تعقيدًا.
يمكن أن يكون وكلاء الذكاء الاصطناعى مفتاحًا في ديفوبس، على سبيل المثال ، مجهزة لتنفيذ اختبار البرمجيات ، والنشر ، وتحسين خطوط الأنابيب ، وإدارة الحوادث والمزيد. بطبيعة الحال ، يتطلب الكثير من العمل في هذا المجال التعاون ، وهو قوة عظمى من عوامل الذكاء الاصطناعى. يمكن للوكلاء ، على سبيل المثال ، استخدام الاختبارات الاستباقية للتنبؤ بفشل محتمل والاتصال بروبوتات أخرى لجعل التصحيح لحلها. يمكن بعد ذلك الاتصال بعوامل أخرى ، مثل وكيل UX ، للتحقق من الآثار الجانبية المحتملة للإصلاح ، وضمان نشر سلس.
تجربة الأمن السيبراني تجد فوائد مماثلة. يمكن للوكيل المتخصص مراقبة التهديدات من خلال مجموعة من المهارات المكررة ، في حين يمكن للآخر التركيز على الاستجابة والتنظيف. يمكن أن يستفيد امتثالها ، والحوسبة السحابية ، وأي قطاع تقريبًا من مستوى البراعة والتعاون الذي يمكن أن يجلبه هؤلاء الوكلاء إلى الطاولة.
يتم ذلك كله في المعلمات التي نقدمها ، لذلك يمكن ملء أي رابط على طول السلسلة بعامل بشري عند الحاجة. الجمال يكمن في مرونته.
الفيل في الغرفة
السؤال الكبير يدور حول الدقة. بقوة كبيرة تأتي مسؤولية كبيرة. نظرًا لأن عوامل الذكاء الاصطناعى تغذي البيانات إلى وكلاء آخرين واتخاذ قرارات مزدوجة ، فإن دقة وموثوقية الناتج تصبح من أهم الواجبات. كل ذلك يعود إلى التدريب. بيانات الجودة هو كل شيء في الذكاء الاصطناعى ، والشيء نفسه صحيح (وقد يكون أكثر أهمية) عندما يتعلق الأمر بالعوامل المتخصصة. إلى جانب التدريب الأولي ، يجب ضبط النماذج بشكل مستمر مع بيانات العالم الحقيقي.
سيجد المهنيون والفرق الذين أتقنوا جودة البيانات أنفسهم خطوة إلى الأمام عند التنفيذ. مع البيانات المناسبة والوحدة المناسبة ، يمكن تحقيق مستوى عال من الدقة والاتساق. مشكلات البيانات ليست حد كبير لأنها عنصر في التحضير والصيانة.
كلمة لقادة التغيير
العائد على الاستثمار أمر ثمين ، ونحن نسأل أنفسنا دائمًا ما إذا كان أي برنامج أو برنامج معين يستحق ذلك حقًا. عند تنفيذ وإتقان الذكاء الاصطناعي ، نحتاج إلى ترك هذه العقلية وراءها. التفكير على المدى الطويل ليس له مكان هنا ؛ بدلاً من ذلك ، نحتاج إلى اتخاذ قرارات تكتيكية بديهية بشأن المكان الذي يمكننا التنفيذ الآن دون المساومة حماية. تتيح حالات الاستخدام على المدى القصير اتخاذ إجراء فوري وتعلم أسرع لبناء أساس قوي لمستقبل استراتيجي. لا يوجد أفضل وقت أو نموذج مثالي.
يجلب وكلاء الذكاء الاصطناعى مستوى جديدًا من التعاون بشكل متزايد صناعة تكنولوجيا المعلومات المترابطة. في النهاية ، الأمر متروك لنا لنتعلم مكان المشاركة وموعد التراجع. مع كل التغييرات في الصناعة والاضطرابات ، أنا شخصياً لا أمانع في مشاركة المقعد الخلفي لهذا المقعد.
