В течение 24 лет Аманда Сильвер из Microsoft работала над тем, чтобы помогать разработчикам, и в последние несколько лет это означало создание инструментов для искусственного интеллекта. После долгой работы в GitHub Copilot Сильвер сейчас является корпоративным вице-президентом подразделения CoreAI компании Microsoft, где она занимается инструментами для развертывания приложений и агентных систем в корпоративной среде.
Ее работа сосредоточена на системе Foundry, входящей в состав Azure, которая разработана как единый портал искусственного интеллекта для предприятий, что позволяет ей детально изучить, как компании фактически используют эти системы и где развертывание в конечном итоге оказывается неэффективным.
Я поговорила с Сильвер о текущих возможностях корпоративных агентов и о том, почему, по ее мнению, это самая большая возможность для стартапов со времен появления публичного облака.
Данное интервью отредактировано для сокращения и большей ясности.
Итак, ваша работа сосредоточена на продуктах Microsoft для сторонних разработчиков — зачастую это стартапы, которые в остальном не занимаются ИИ. Как, по вашему мнению, ИИ повлияет на эти компании?
Я считаю это переломным моментом для стартапов, столь же значительным, как и переход на публичное облако. Если задуматься, облако оказало огромное влияние на стартапы, потому что им больше не нужно было занимать помещения для размещения своих серверных стоек, и им не нужно было тратить столько денег на капиталовложения для размещения оборудования в своих лабораториях и тому подобное. Всё стало дешевле. Теперь агентный ИИ будет и дальше снижать общую стоимость разработки программного обеспечения, потому что многие задачи, связанные с созданием нового предприятия — будь то поддержка клиентов, юридические расследования — можно выполнить быстрее и дешевле с помощью агентов ИИ. Я думаю, это приведет к появлению большего количества новых предприятий и стартапов. И тогда мы увидим стартапы с более высокой оценкой и меньшим количеством людей во главе. И я думаю, что это захватывающий мир.
Как это выглядит на практике?
Мы определенно видим, что многошаговые агенты получают очень широкое распространение во всех видах задач программирования, верно? Например, одна из задач, которую разработчики должны выполнять для поддержки кодовой базы, — это следить за последними версиями библиотек, от которых она зависит. У вас может быть зависимость от более старой версии среды выполнения .NET или Java SDK. И мы можем использовать эти агентные системы для анализа всей вашей кодовой базы и значительно упростить ее обновление, сократив время выполнения на 70-80%. И для этого действительно необходим развернутый многошаговый агент.
Ещё один пример — работа с действующими сайтами. Представьте, что вы обслуживаете веб-сайт или сервис, и что-то идёт не так: раздаётся громкий стук, и кто-то должен быть на связи, чтобы его разбудили и отреагировали на инцидент. У нас по-прежнему есть сотрудники, дежурящие круглосуточно, на случай, если сервис выйдет из строя. Но раньше это была очень ненавистная работа, потому что вас довольно часто будили из-за таких мелких неполадок. А теперь мы создали генетическую систему для успешной диагностики и во многих случаях полного устранения проблем, возникающих при работе с действующими сайтами, чтобы людям не приходилось просыпаться посреди ночи и в сонном состоянии идти к своим терминалам, пытаясь диагностировать происходящее. Это также помогает нам значительно сократить среднее время, необходимое для устранения неполадки.
Ещё одна загадка настоящего момента заключается в том, что развертывание агентов происходит не так быстро, как мы ожидали даже полгода назад. Мне любопытно узнать ваше мнение на этот счёт.
Если задуматься о людях, которые создают агентов, то во многих случаях причина их успеха сводится к непониманию истинной цели работы агента. Необходимо изменить культуру создания этих систем. Какую бизнес-задачу они пытаются решить? Чего они хотят достичь? Необходимо четко понимать, что для данного агента означает успех. И нужно думать: какие данные я предоставляю агенту, чтобы он мог понять, как выполнить конкретную задачу?
Мы считаем эти факторы более серьезными препятствиями, чем общая неопределенность, связанная с развертыванием агентов. Любой, кто знаком с этими системами, видит отдачу от инвестиций.
Вы упомянули общую неопределенность, которая, как мне кажется, со стороны воспринимается как серьезный барьер. Почему вы считаете, что на практике это не представляет собой большой проблемы?
Во-первых, я думаю, что в системах обработки посылок будет очень распространенным явлением использование сценариев с участием человека. Возьмем, к примеру, возврат посылки. Раньше существовал рабочий процесс обработки возвратов, который на 90% был автоматизирован и на 10% состоял из вмешательства человека: кто-то должен был осмотреть посылку и оценить степень ее повреждения, прежде чем принять решение о приеме возврата.
Это прекрасный пример того, как сейчас модели компьютерного зрения стали настолько совершенными, что во многих случаях нам не требуется столько человеческого контроля при проверке упаковки и принятии решения. Тем не менее, останутся некоторые пограничные случаи, когда компьютерное зрение может быть недостаточно эффективным для принятия решения, и может потребоваться эскалация проблемы. Это примерно как часто нужно звонить руководителю?
Некоторые процессы всегда будут требовать человеческого контроля, поскольку они являются критически важными. Взять, к примеру, принятие договорных юридических обязательств или развертывание кода в производственной среде, которое потенциально может повлиять на надежность ваших систем. Но даже в этом случае остается вопрос, насколько далеко мы можем продвинуться в автоматизации остальной части процесса.
Источник: techcrunch.com
