Agenty AI wkrótce zmienią biznes

(©Getty Images)

Po analitycznej i generatywnej (GAI), autonomiczna, inaczej agentowa (AAI) to kolejne wcielenie sztucznej inteligencji, która na razie przyciąga mniej uwagi niż jej poprzedniczka. Technologia ta niesie z sobą jednak większy potencjał głębokich zmian biznesowych. Analityczna sztuczna inteligencja (np. uczenie maszynowe) może wykonywać zadania szybciej i wydajniej niż analitycy w wielu dziedzinach. Do przykładów jej zastosowań należą: monitorowanie transakcji i wykrywanie w nich anomalii oraz identyfikacja oszustw, a także identyfikacja profili behawioralnych, w tym ryzyka klientów w instytucjach finansowych.

Wyraźny krok dalej idzie generatywna sztuczna inteligencja. Uczy się na podstawie wykrytych wzorców w zbiorach danych ustrukturyzowanych i nieustrukturyzowanych, a następnie wykorzystuje tę wiedzę do kreowania oryginalnych wyników. Na ich podstawie generuje podsumowania i raporty. Jest bardzo pomocna w różnych obszarach finansów, prawa i medycyny, marketingu, zarządzaniu jakością oraz w kryminalistyce. GAI oparta na wielkich modelach językowych (LLM) wykazuje umiejętności rozumowania, planowania i wykorzystywania różnych narzędzi, tak jak w przypadku chata GPT-4 i Gemini Ultra. Te funkcje znacznie przyśpieszyły ewolucję sztucznej inteligencji (AI), prowadząc do powstania autonomicznych agentów.

Sztuczna inteligencja pod nadzorem: Europa chce być liderem etycznej AI

Agenty przejmują zadania

Agentowa AI to systemy mogące wykonywać zadania w imieniu ludzi podejmujące niezależne i samodzielne decyzje bez bezpośredniego nadzoru. Działanie agenta polega na uzyskaniu dostępu do źródeł informacji i narzędzi cyfrowych za pośrednictwem interfejsu programowania (API), który umożliwia mu wykonanie bieżącego działania. Agenty są w stanie projektować i automatyzować wiele procesów pracy związanych z realizacją złożonych projektów. Mogą również powoływać do życia kolejnych agentów skupionych na wykonaniu określonych zadań. W ten sposób powstają hybrydowe zespoły pracownicze przeznaczone dla zdefiniowanego projektu, składającego się z tradycyjnych, żywych pracowników i autonomicznych agentów. Można więc mówić, jak wskazuje analiza BCG, o następujących kompetencjach i umiejętnościach AAI:

• planowanie, analiza, wyciąganie wniosków – agenty mogą dzielić złożone zadania na mniejsze, opracowywać plany ich realizacji;
• autonomia działania – agenty z określonym przez nadzorców stopniem niezależności podejmują działania oparte na zdefiniowanych celach i udostępnionym otoczeniu;
• pamięć i kontekst – agenty mogą śledzić kontekst w trakcie rozszerzonych interakcji, wykorzystując przeszłe działania i informacje do podejmowania następnych decyzji, co pozwala im obsługiwać złożone, wieloetapowe przepływy pracy;
• integracja z systemami i narzędziami – agenty mogą łączyć się z szeroką gamą systemów oprogramowania, narzędzi i źródeł danych oraz analizować i wykorzystać je.

Z tego wynika natomiast to, że agenty AI mogą kreować wartość dzięki:

1/ automatyzacji standardowych procesów biznesowych, wykonując je szybciej i dokładniej niż ludzie, którzy mogą się skupić na zadaniach o wyższej wartości;

2/ współpracy w zespołach pracowniczych, poszerzając ich wiedzę, szybko generując dane i analizy wspierające proces decyzyjny;

3/ odkrywaniu znaczenia danych, identyfikowaniu wzorców i w końcu syntetyzowaniu ich w sposób nieosiągalny dla ludzi.

Efektywność agentów

Wyniki stosowania agentów AI mogą być przynajmniej o rząd wielkości bardziej efektywne niż w przypadku poprzednich iteracji sztucznej inteligencji. W eksperymencie przeprowadzonym przez firmę konsultingową McKinsey, polegającym na porównaniu korzyści z zastosowania trzech narzędzi AI w funkcjach bankowego ryzyka i compliance (zgodności z wymogami prawa), w przypadku wykorzystania analitycznej i generatywnej inteligencji osiągnięto wzrost produktywności analizowanych procesów na poziomie 15–20 proc. W przypadku zatrudnienia grup agentów AI, wykonujących kompleksowe zadania w ramach zdefiniowanych procesów, uzyskana poprawa produktywności przekraczała 200 proc. Wynikało to w dużej mierze z szybkości wykonania zadań i minimalizacji liczby tradycyjnych pracowników, których zaangażowanie ograniczało się do nadzorowania agentów (a doświadczony specjalista może kontrolować działania nawet 20 agentów AI), obsługi przypadków niestandardowych i coachingu. Osiągana skala poprawy efektywności w różnych segmentach rynku może być wynikiem wielu czynników, takich jak wielkość i wielość baz danych, liczba klientów, dotychczasowa pracochłonność i złożoność procesów czy wreszcie jakość oraz stopień wyrafinowania agentów AI.

Jedną z branż, na którą agenty AI będą mieli szybki i znaczący wpływ, jest IT, a przede wszystkim tworzenie oprogramowania, które już staje się dynamicznym, adaptacyjnym procesem z ograniczoną interwencją człowieka. Powstają narzędzia, takie jak GitHub Copilot, które udostępniają asystentów kodowania wykorzystując AAI, co rewolucjonizuje sposób pracy programistów. AI pozwala bowiem nawet mniej doświadczonym programistom na szybsze tworzenie złożonych projektów i w dużym stopniu demokratyzuje proces tworzenia oprogramowania. To przełoży się na wzrost rynku, szczególnie dotyczący zastosowań w obsłudze klienta w wielu branżach. Popyt na produkty Saas (oprogramowanie jako usługa) będzie rósł w tempie 20–45 proc. średniorocznie do końca dekady, na co wskazuje Goldman Sachs w swoim raporcie. Cały rynek oprogramowania aplikacyjnego może natomiast wzrosnąć do 780 mld dol., a udział agentów AI w rynku oprogramowania może przekroczyć 60 proc. całości rynku.

Wyzwania dla biznesu – korzyści dla klientów

Firmy, które z sukcesem wdrożą agentów AI do swoich procesów biznesowych mogą, dzięki szybkości działania i niższym kosztom, przejąć istotną część wartości rynkowej, zdobywając dzięki wyższej konkurencyjności nowych klientów. Trzeba jednak zauważyć, że rozwiązania AAI wesprą również klientów, o których uwagę i portfel będzie trudniej walczyć, gdyż agenty AI zredefiniują sferę doświadczeń klientów. Ci zyskają osobistego asystenta, któremu będą mogli powierzyć realizację całego procesu zakupowego bez uciążliwego przeszukiwania internetu. Badania firmy Cognizant dowodzą, że za pięć lat 55 proc. zakupów będzie dokonywanych przez konsumentów wykorzystujących narzędzia AI. Jest prawdopodobne, że asystenci klienta będą wchodzić w interakcje ze scentralizowanym agregatorem, którego agenty będą wyszukiwać szczegóły produktów, recenzje, warunki zakupu oraz wszystko inne, co sami konsumenci robią obecnie na stronach internetowych i platformach e-commerce. W 2030 r. tylko w USA entuzjaści AI będą dysponować siłą nabywczą przekraczającą 4 bln dol. To duże wyzwanie dla dotychczasowego modelu biznesowego w branży e-commerce.

Zwycięzcą technologicznego wyścigu zbrojeń będzie AGI

Obszarem, w którym agenty AI mogą dokonać głębokich zmian będzie bankowość detaliczna oraz bankowość małych i średnich firm (MSP). A podmioty finansowe działające w tych sektorach staną przed koniecznością zmiany swoich modeli biznesowych. Największej presji poddane zostaną kluczowe źródła przychodów i zysków banków, czyli rachunki bieżące (oszczędnościowe) oraz depozyty i karty kredytowe, co dowodzi McKinsey w przekrojowej analizie. W tych produktowych segmentach rynku występuje zauważalna inercja zachowań zarówno klientów wykazujących się dużą lojalnością wobec marki banku, jak i innych podmiotów finansowych. Rzadko który klient ma przecież codzienny nawyk optymalizacji każdego dolara czy złotówki. To istotne źródło dochodów banków, ich marża bowiem kumuluje się między tym, co konsumenci mogliby zrobić, a tym, co faktycznie robią, a raczej nie robią! Agenty AI natomiast będą aktywnie zarządzać pieniędzmi klientów (np. osadem na rachunku), nie przejmując się brakiem działań lub wręcz ich lenistwem, nie uwzględniając też czynnika lojalności. Agenty poza prostym inicjowaniem płatności będą monitorować salda w czasie rzeczywistym, porównywać oprocentowanie między instytucjami, przelewać niewykorzystaną gotówkę na konta i krótkoterminowe depozyty o wyższym oprocentowaniu, a następnie przelewać ją z powrotem na rachunek bieżący w odpowiednim czasie. Dzięki temu większa część spreadów, które dotychczas są przechwytywane przez banki, trafi do posiadaczy rachunków. W przypadku kart, z których korzystają konsumenci podobnej optymalizacji zostaną poddane opłaty interchange, odsetki od kart odnawialnych czy niewykorzystane bonusy.

W konsekwencji opisanych możliwości przychody globalnego sektora płatności, opiewające na 2,7 bln dol. rocznie, zostaną w sposób istotny uszczuplone. Warto też podkreślić, że depozyty, rachunki bieżące klientów detalicznych i MSP stanowią około 30 proc. zysku banków detalicznych. Optymalizacja dochodów z oszczędności jest już możliwa, jak pokazuje to platforma oszczędnościowo-inwestycyjna Rasin12, która nie wykorzystuje jeszcze agentów AI. Działający w Wielkiej Brytanii i UE fintech pozyskał 80 mld dol. w depozytach, lokując gotówkę klientów na kontach oszczędnościowych o wyższym oprocentowaniu w ponad 250 bankach. UE i Wlk. Brytania może być miejscem, gdzie wpływ agentów AI na depozyty i konta bankowe może być odczuwalny szybciej niż na innych rynkach. Wynika to z obowiązujących już zasad otwartej bankowości ułatwiających szybki transfer środków między rachunkami. McKinsey kalkuluje, że jeśli tylko 20 proc. klientów w Europie powierzy zarządzanie środkami na rachunkach agentom AI, to marże odsetkowe banków spadną nawet o 50 punktów bazowych.

Rewolucja AI w sektorze finansowym

Inwestycje i przychody

Światowy rynek AAI dopiero się rozwija. W 2024 r. jego wartość opiewała na 5,3 mld dol. Prognozy na 2030 r. wskazują, że będzie on dziesięciokrotnie większy. Można więc mówić o wysokiej 46 proc. średniorocznej stopie wzrostu. Na rynku tym aktywne są firmy technologiczne, takie jak Google oraz startupy, których jest ponad 1500. Globalne inwestycje funduszy VC w startupy zajmujące się agentową sztuczną inteligencją wzrosły do 2,8 mld dol. w pierwszej połowie 2025 r., co wynika z analizy firm Dealroom i Profus. Prognozy na cały rok są jeszcze bardziej optymistyczne, bo wskazują na wartość inwestycji w wysokości 6,7 mld dol., co oznacza, że sztuczna inteligencja oparta na agentach będzie stanowić 10 proc. wartości wszystkich rund finansowania w dziedzinie AI w 2025 r. Najbardziej znaczącym segmentem działalności startupów rozwijających zastosowania agentów AI jest tworzenie oprogramowania. Reprezentantem takich podmiotów jest wyceniany na blisko 10 mld dol. Anysphere, oferujący narzędzie do kodowania o nazwie Cursor. Szybko rosną też inwestycje w startupy rozwijające rozwiązania agencyjne przeznaczone dla platform obsługi klienta i w zakresie opieki zdrowotnej.

Wpływ agentowej AI będzie w najbliższych latach szybko rósł, generując strumienie przychodów i oszczędności. Firma konsultingowa Capgemini prognozuje, że agenty AI mogą wygenerować do 450 mld dol. wartości ekonomicznej w 14 badanych krajach rozwiniętych do 2028 r. Aż 93 proc. liderów spośród 1500 firm uważa, że podmioty, które zbudują skalę zastosowań agentów AI w ciągu najbliższych 12 miesięcy, zdobędą przewagę nad konkurentami z branży. Do połowy 2025 r. 14 proc. badanych firm całkowicie lub częściowo wdrożyło agentów AI do swoich procesów biznesowych, a jedna czwarta uruchomiła programy pilotażowe. Badane podmioty odnotowują najszersze zastosowania agentów w obsłudze klienta, działach IT oraz sprzedaży i oczekują w ciągu trzech lat wdrożeń w funkcjach zaplecza operacyjnego, badaniach i rozwoju, a także w marketingu.

Agenty AI nie będą jednak działać w pełni autonomicznie (bez nadzoru). Przedstawiciele badanych biznesów deklarują, że w ciągu roku jedynie w 15 proc. wszystkich procesów biznesowych agenty będą działać częściowo autonomicznie (poziom 3). W ciągu trzech lat udział ten wzrośnie do 25 proc.

Imperatyw nadzoru

Zaufanie do nowych możliwości sztucznej inteligencji jest jednak ciągle ograniczone – tylko 27 proc. badanych firm nie ma obaw przed zastosowaniem w pełni autonomicznej AI. Przynajmniej w części wynika to ze wstępnej fazy rozwoju AAI i stosunkowo niewielkiej jeszcze liczby ofert gotowych rozwiązań agentowych. Na początku 2025 r. firma analityczna Gartner za takie uznała zaledwie 130 propozycji. Firma szacuje, że do końca 2027 r. ponad 40 proc. prób wdrożeń nowej wersji AI zostanie porzuconych lub przerwanych z uwagi na rosnące koszty, ograniczoną wartość biznesową lub zbyt wysokie ryzyko.

Sztuczna inteligencja ma potencjał, by zmienić zasady gry w bankowości

Technologia agentów AI z dużym prawdopodobieństwem okaże się cezurą rewolucjonizującą wiele branż i strukturę zatrudnienia, przy czym relatywnie najwięcej mogą stracić na jej wdrożeniu młodzi, wykonujący rutynowe zadania i mniej doświadczeni pracownicy. Współpraca z agentami AI stanie się podstawową umiejętnością. Nadchodząca zmiana technologiczna będzie wymagała opanowania trzech podstawowych kompetencji zarządczych: precyzyjnego i jasnego opisania zadania, skutecznego delegowania go agentowi AI oraz nadzorowania wyników. AAI stwarza przy tym zagrożenia operacyjne, w tym  dotyczące tego, że luki w zabezpieczeniach mogą powodować ryzyko przejęcia kontroli nad agentami, a osiągane wyniki ich pracy okażą się stronnicze pod względem etycznym czy społecznym. Poza tym agenty AI, dążąc do celów, nie będą uwzględniać kwestii zrównoważonego rozwoju, doprowadzając do drenażu zasobów i wzrostu kosztów. Nadzór nad agentami jest więc kluczową kwestią. To wymaga nowego rodzaju przywództwa, takiego, które rozumie, co agenty AI mogą, a czego nie mogą robić i jak należy nimi zarządzać. W tym kontekście warto pamiętać o regule 10–20–70 promowanej przez BCG odnośnie do biznesowych wdrożeń sztucznej inteligencji – 10 proc. wysiłków powinno być skoncentrowane na algorytmach, 20 proc. – na technologii i danych, a pozostałe 70 proc. ma dotyczyć ludzi i procesów!

(©Getty Images)

Zamknij pokaz zdjęć