McKinsey: iri şirkətlərin 40%-i AI agentlərini genişləndirir

McKinsey-in «The State of AI in 2026» sorğusuna görə, illik gəliri $1 milyarddan çox olan təşkilatların respondentlərinin 40%-i AI agentlərini ən azı bir biznes funksiyasında geniş miqyasda tətbiq etdiyini deyib. Bir il əvvəl bu göstərici 27% idi. Bütün respondentlər arasında isə AI-ın təşkilatın EBIT göstəricisinə müsbət töhfə verdiyini bildirənlərin payı 37%-də qalıb və 2025-ci illə müqayisədə demək olar dəyişməyib.

Bu rəqəmləri Forbes jurnalı üçün Appier şirkətinin icraçı direktoru və həmtəsisçisi Dr. Chih-Han Yu şərh edib. Onun sözlərinə görə, tətbiqin artması ilə korporativ səviyyədə təsirin eyni templə gəlməməsi çox vaxt texnologiyanın özündən asılı deyil. Bugünkü modellər kifayət qədər güclüdür və bir çox şirkət agentləri iş axınlarına artıq daxil edib. Geri qalan hissə agentlərin quraşdırıldıqdan sonra necə idarə olunmasıdır: strateji hədəflərin necə qoyulması, qərarların necə yoxlanması, tapşırıqların necə bölüşdürülməsi və sistemlərin zamanla necə təkmilləşməsi.

Yu agentik AI-ın genişləndirilməsinin həm tətbiqin yayılmasından, həm də onun idarə olunmasından asılı olduğunu yazır. O, şirkətlərin qurmasını məsləhət gördüyü beş prinsipi SCALE adı altında birləşdirir. Birinci prinsip hədəfin əvvəlcədən dəqiq müəyyən edilməsidir. Gəlirin artımı, müştərinin konversiyası, xərclərin azaldılması və məhsuldarlığın yüksəlməsi fərqli ölçü göstəriciləri və fərqli vaxt çərçivələri tələb edir. Bu aydınlıq olmadan komandalar adətən ən asan görünən göstəriciləri ölçür — fəallığı, istifadəni və ya işə salınmış agentlərin sayını. Belə rəqəmlər artdığı halda biznes nəticəsi dəyişməz qala bilər. Yu-ya görə, nəticə və qiymətləndirmə meyarları tətbiqdən əvvəl razılaşdırılmalıdır ki, AI nə qədər məşğul görünməsi ilə deyil, nə verdiyi ilə qiymətləndirilsin. Hədəf aydın olduqda agentin genişləndirilməsi, təkmilləşdirilməsi və ya işdən çıxarılması barədə qərar da asanlaşır.

İkinci prinsip etibarlılıqdır. Agent-lər daha çox qərar qəbul etdikcə, onlar öz imkanlarını və əminlik səviyyəsini qiymətləndirməli, hərəkətdən əvvəl mümkün riskləri ölçməlidir. Korporativ mühitdə kiçik səhvlər ciddi nəticələr verə bilər: səhv qiymət təklifi, səhv ünvana yönləndirilmiş müştəri sorğusu və ya yanlış məlumat daxiletməsi sonrakı sistemlərə keçə bilər. Bu səbəbdən yalnız son nəticəni yoxlamaq kifayət etmir. Təşkilatlar AI qərarlarını iş axınının kritik nöqtələrində qiymətləndirməli, riskin ən yüksək olduğu yerlərdə qoruyucu məhdudiyyətlər qoymalıdır. Yu hesab edir ki, nə vaxt dayanacağını, qeyri-müəyyənliyi işarələyəcəyini və ya tapşırığı insana qaytaracağını bilən agent həmişə cavab verən agentdən daha dəyərli ola bilər.

Üçüncü prinsip uyğunluqdur. AI-ın tapşırığı yerinə yetirə bildiyini bilmək məsələnin yalnız yarısıdır; digər yarısı hansı modelin və ya agentin bu işi görməli olduğunu seçməkdir. Hər ssenariyə tək model tətbiq etmək sadədir, amma çox vaxt optimal deyil. Sürətli təsnifat tapşırığı ilə mürəkkəb, çoxmərhələli analiz fərqli tələblərə malikdir. Model marşrutlaşdırması hər tapşırığı ən uyğun modelə yönəldir. Mürəkkəb işlərdə agent orkestrasiyası fərqli rol və bilik sahələrinə malik bir neçə agentin komanda kimi birlikdə işləməsinə imkan verir. Yu vurğulayır ki, məqsəd güc deyil, uyğunluqdur: ən güclü model həmişə düzgün seçim olmur, düzgün seçim isə tapşırıqlar və modellər dəyişdikcə dəyişə bilər.

Dördüncü prinsip öyrənmədir. Agentik AI-ın birdəfəlik avtomatlaşdırmadan kənara çıxıb davamlı dəyər yaratması üçün zamanla yaxşılaşmalıdır. Bu, kontekstin, istifadəçi rəyinin və əvvəlki hərəkətlərin nəticələrinin agentin gələcək qərarlarına qaytarılmasını tələb edir. Bir çox tətbiq hələ də hər tapşırığa sıfırdan başlayır: agent işi bitirir, nəticədən öyrənilə biləcək hər şey itir. Yu-ya görə, geribildirim dövrələri iş axınlarına əvvəlcədən daxil edilməlidir ki, sistem müvafiq insan nəzarəti altında istifadə ilə təkmilləşsin, dövri əl yeniləmələrindən asılı olmasın. Hər dövrdə yaxşılaşan agent dəyərini toplayır, yaxşılaşmayan isə başladığı səviyyədə qalır.

Beşinci prinsip səmərəlilikdir. Agentik sistemlər mürəkkəbləşdikcə bu daha çox önə çıxır. Çoxmərhələli düşünmə, təkrar model çağırışları və agentlər arasındakı qarşılıqlı təsir hesablama resursu sərf edir, istifadə artdıqca bu xərclər səssizcə yüksələ bilər. Yu yazır ki, məqsəd resurs sərfini sadəcə azaltmaq deyil, tapşırığın tələb etdiyindən çoxunu xərcləmədən sabit nəticə verməkdir. Model-lər və hesablama gücü işə uyğun seçilməli, real istifadə məlumatları gəldikcə xərclər müntəzəm nəzərdən keçirilməlidir.

Yu əlavə edir ki, bu prinsiplər bir-birini gücləndirir: strateji hədəflər nəyin ölçüləcəyini göstərir, kalibrlənmiş əminlik AI-ın nə vaxt hərəkət edəcəyini müəyyənləşdirir, uyğun model seçimi onu effektiv edir, öyrənmə təkmilləşdirir, səmərəli resurs istifadəsi isə bu təkmilləşməni davamlı saxlayır. Onun fikrincə, AI daha muxtar olduqca daha az idarəetmə tələb edəcəyi barədə yayılmış fərziyyə yanlışdır. AI nə qədər çox qərar və hərəkət edirsə, şirkətlər onun idarə olunmasında bir o qədər yetkin olmalıdır. Muxtarlıq özlüyündə uğur ölçüsü deyil; vacib olan AI-ın etibarlı və səmərəli idarə oluna bilməsi və biznes təsirinin zamanla artmasıdır.