- KAISTi uuringu kohaselt tarbivad agentlikud tehisintellekti süsteemid päringu kohta kuni 136.5 korda rohkem energiat kui traditsioonilised vestlusrobotid, mis tekitab jätkusuutlikkuse probleeme.
- Tootmises võimaldab agentiivne tehisintellekt reaalajas otsuste langetamist laoseisu, kvaliteedi ja tööjõu haldamise valdkonnas, kuid see nõuab servandmetöötlust ja andmete integreerimist.
- Gartner hoiatab, et personalijuhid peavad valmistuma autonoomseteks töövoogudeks, samal ajal kui AWS ja partnerid loovad tööriistu äriväärtuse mõõtmiseks ja agentide lahenduste skaleerimiseks.
- Andmehaldus ja kultuurilised muutused on kriitilise tähtsusega: ilma puhaste ja ühtsete andmeteta ning kontrollilt orkestreerimisele üleminekuta riskib agentlik tehisintellekt jääda vaid kontseptsiooni tõestuseks.
Vestlus tehisintellekti ümber on nihkunud lihtsatest vestlusrobotitest millegi palju ambitsioonikama poole: agentiivsed tehisintellekti süsteemid, mis suudavad mitmeastmelisi ülesandeid autonoomselt planeerida, arutleda ja täita . Erinevalt traditsioonilistest generatiivsetest mudelitest, mis reageerivad ühele ülesandele, jagavad need agendid keerulisi eesmärke, kutsuvad välja väliseid tööriistu ja kohandavad oma tegevusi reaalajas. Kuid kuna see tehnoloogia liigub laboritest tehastesse, kontoritesse ja pilveplatvormidele, kerkib esile rida väljakutseid, mis ulatuvad tavapärasest reklaamist kaugemale.
Hiljutised uuringud ja valdkonna teadaanded maalivad pildi nii paljulubavatest kui ka surve all olevatest valdkondadest. Alates energiatarbimisest, mis võib konkureerida riiklike elektrivõrkudega, kuni vajaduseni uute juhtimispõhimõtete järele – tee laialt levinud agentiivse tehisintellekti poole on sillutatud raskete kompromissidega . Siin on see, mida näitavad uusimad uuringud ja ekspertarvamused selle tehnoloogia suundumuse ja toimima panemise kohta.
Autonoomsete agentide varjatud energiakulu
Korea Täiustatud Teaduse ja Tehnoloogia Instituudi (KAIST) uuring on toonud esile olulise probleemi: agentlik tehisintellekt võib päringu kohta tarbida kuni 136.5 korda rohkem energiat kui tavaline vestlusrobot . Põhjus peitub arhitektuuris. Kui vestlusrobot genereerib ühe vastuse, siis agent võib enne lõpliku vastuse andmist mitu korda käivitada suure keelemudeli, oodata väliste tööriistade vastuseid ja koordineerida mitu sammu. Ühes stsenaariumis kasutas 70 miljardi parameetriga mudel päringu kohta keskmiselt 348.41 vatt-tundi.
Probleemi süvendab jõudeaeg. KAISTi andmetel võib agentidel ülesande täitmiseks kuluda kuni 153.7 korda kauem aega kui vestlusrobotitel ning selle aja jooksul võivad graafikaprotsessorid olla kuni 54.5% ajast passiivsed, oodates väliseid andmeid . Sellegipoolest on need graafikaprotsessorid endiselt toidetud ja reserveeritud, mis suurendab elektriarvet ilma produktiivset tööd tegemata. Instituudi halvim stsenaarium – 13.7 miljardit agendi päringut päevas, mis võrdub Google'i otsinguliiklusega – nõuaks 198.9 GW andmekeskuse energiat, mis on umbes pool USA keskmisest elektritarbimisest.
See pole pelgalt teoreetiline harjutus. Rahvusvahelise Energiaagentuuri hinnangul tarbisid andmekeskused 2024. aastal 415 TWh ja 2030. aastaks võib see arv kahekordistuda 945 TWh-ni. USA energeetikaministeeriumi prognooside kohaselt võib andmekeskuste elektritarbimine 2028. aastaks ulatuda 6.7–12%-ni riigi kogutarbimisest. Agentne tehisintellekt kiirendab seda nõudlust tempos, millega elektrivõrgud uue põlvkonna ja ülekandeinfrastruktuuri pikkade ettevalmistusaegade tõttu vaevalt sammu peavad.
Tootmise ümberkujundamine autonoomse otsustusprotsessi abil
Tööstusmaailmas peetakse agentide tehisintellekti järgmiseks hüppeks automatiseerimisest kaugemale. Zebra Technologies, ettevõtete varade luure liider, näeb seda kui viisi, kuidas muuta tehased iseorganiseeruvateks üksusteks. Eelprogrammeeritud reeglite järgimise asemel saavad agendid tõlgendada reaalajas andmeid laoseisust, tootmisest, müügist ja logistikast, et teha koordineeritud otsuseid ilma inimese sekkumiseta.
Zebra tuvastab kolm valdkonda, kus mõju on kõige kohesem:
- Arukas varude haldamineAgentid analüüsivad tarbimistrende, tarnijate kättesaadavust ja hooajalisust, et optimeerida laoseisu, vähendades jäätmeid ja kaupadega seotud kapitali.
- Kvaliteedi tagamineTehisintellektil põhinev arvutinägemine kontrollib iga toodet defektide, valede siltide või loetamatute kuupäevade suhtes, tuvastades probleemid ilma tootmisliini peatamata.
- Tööjõu optimeerimineSuurtes tehastes kohandavad agendid automaatselt vahetuste ajakavasid, määravad ülesandeid oskuste põhjal ja asendavad puudujaid, vabastades juhendajaid strateegiliseks tööks.
Selle reaalajas toimimiseks on hädavajalik servapidi tehisintellekt . Uued tööstusseadmed, millel on närviprotsessorid (NPU-d), käitavad mudeleid lokaalselt, vähendades latentsust ja tagades tegevuse jätkumise isegi siis, kui pilveühendus katkeb. Esialgsed tulemused on paljulubavad: partneri juhtumiuuring näitas 98% kiiremat intsidentide diagnoosimist ja 50% vähenemist operatiivses varieeruvuses, lisaks vähemalt 50% langust erakorralise transpordi kuludes.
Töö ümberdefineerimine: CHRO roll agentide ajastul
Gartneri uusim analüüs hoiatab, et agentiivse tehisintellekti esiletõus sunnib personalijuhte kogu oma lähenemisviisi ümber mõtlema. Erinevalt generatiivsest tehisintellektist, mis abistab, täidab agentiivne tehisintellekt autonoomselt terveid töövooge alates esialgsest värbamisvalikust kuni sisseelamise ja palgaarvestuseni. See nihutab personalijuhi ülesannet tehnoloogia kasutuselevõtu järelevalvelt kultuuriliste muutuste juhtimisele ja tööülesannete ümberkujundamisele.
Peamine väljakutse on juhtimine. Autonoomseid agente, kes langetavad otsuseid töölevõtmise, tulemuslikkuse või hüvitiste kohta, tuleb auditeerida eelarvamuste ja privaatsusnõuete järgimise osas. Personalijuhid peavad looma selged raamistikud, millal ja kuidas agendid saavad tegutseda , ning tuvastama samal ajal ka selle, millised inimoskused on kriitilise tähtsusega maailmas, kus rutiinseid ülesandeid täidab tarkvara. Gartner rõhutab, et see ei ole tehnoloogiline, vaid strateegiline probleem, mis nõuab aktiivset juhtimist tipptasemel.
Ökosüsteemi loomine: AWS ja partneralgatused
Amazon Web Services panustab suurelt agentide tehisintellektile kui oma partnervõrgustiku tuluallikale. AWS New Yorgi partnerite tippkohtumisel käivitas ettevõte mitu algatust, mis aitavad partneritel demonstreerida ärilist väärtust. Uus äriväärtuse realiseerimise (BVR) programm pakub investeeringutasuvuse tõendamiseks metoodikaid, võrdlusaluseid ja tulemuspõhist rahastamist , käsitledes McKinsey leidu, et vaid 39% organisatsioonidest suudab tehisintellekti mõju mõõta.
AWS tutvustas ka agentide tööriistade komplekti – sealhulgas Amazon Quicki, Kirot ning turbe-, DevOps- ja FinOps-agente – tasuta prooviperioodidega. Professionaalsete teenuste turuplatsi tasusid vähendati 2.5%-lt 0.5%-le ning uued tehisintellektil põhinevad müügifunktsioonid aitavad partneritel võimalusi leida. Ettevõtte hinnangul võib agentide tehisintellekt järgmise paari aasta jooksul partnerite ökosüsteemile genereerida kuni 200 miljardit dollarit uut väärtust.
Eksperimendist operatsioonini: agentide integreerimine äriprotsessidesse
Paljude organisatsioonide jaoks ei ole tegelik takistus mitte tehnoloogia ise, vaid see, kuidas seda olemasolevatesse töövoogudesse integreerida. Auronixi tootedirektor Carlos de Marco väidab, et agentliku tehisintellekti tõeline väärtus seisneb selle võimes ühendada killustatud protsesse . Näiteks jaemüügis saab agent klienti ostu sooritamisel juhendada, laoseisu kontrollida, makseid koordineerida ja tuge algatada – aga ainult siis, kui tal on juurdepääs kliendisuhete haldamisele (CRM), maksesüsteemidele ja logistikaandmetele.
See nõuab mõtteviisi muutust. Tehisintellekti käsitlemise asemel eraldiseisva tööriistana peavad ettevõtted seda nägema operatsioonilise kihina. Kõige edukamad organisatsioonid on need, kes ei küsi mitte "mida tehisintellekt teha saab?", vaid "millist protsessi me tahame muuta?". Mehhikos ulatus e-kaubandus 2025. aastal 941 miljardi peeso piirini, kuid paljud ettevõtted tegutsevad endiselt eraldatud andmetega, mis piirab tehisintellekti juurutamise mõju.
Andmed, juhtimine ja talent: edu alused
Globaalne digitaaltehnoloogia ettevõte SoftServe rõhutab, et agentide tehisintellekti tõhusus sõltub täielikult alusandmete kvaliteedist. MIT Technology Review'ga ühiselt läbi viidud uuring näitas, et 72% organisatsioonidest eeldab, et tehisintellekti agendid haldavad suurema osa või kogu tarkvara elutsüklit kahe aasta jooksul , kuid Ladina-Ameerikas on andmete killustatus endiselt peamine takistus. 58% ettevõtete juhtidest ütleb, et olulised otsused põhinevad ebatäpsetel või vastuolulistel andmetel.
John Howard, SoftServe'i Ladina-Ameerika asepresident, rõhutab, et agent on sama usaldusväärne kui selle taga olevad andmed ja õigused . Ettevõtted peavad kõigepealt ühtlustama oma andmearhitektuuri, looma juhtimise ja liikuma eraldatud pilootprojektidest üle jagatud tehisintellekti infrastruktuurile. Andekus on teine osa: nõudlus nihkub traditsioonilistelt arendajatelt automatiseerimise, andmete ja agentide inseneritöö spetsialistidele. SoftServe ise koolitas 2025. aastal oma AI Edu Space platvormi kaudu tehisintellekti alal 80% oma töötajatest.
Lõpuks ei saa ignoreerida kultuurilist nihet. Juhid peavad arenema ülesannete kontrollimisest töövoogude orkestreerimiseni, kus inimesed ja agendid teevad koostööd. Suurim pimeala on tehisintellekti käsitlemine pigem järelevalvet vajava tööriistana kui juhtimiskihina . Ainult jagatud töövoogude kujundamise ja kriitilise inimjärelevalve abil saavad ettevõtted muuta agentide tehisintellekti paljulubavast eksperimendist jätkusuutlikuks konkurentsieeliseks.
Agentne tehisintellekt ei ole lihtsalt kiirem vestlusrobot või targem assistent. See kujutab endast põhimõttelist muutust töö tegemise viisis – energiamahukatest andmekeskustest iseorganiseeruvate tehasteni, automatiseeritud personalitööprotsessidest integreeritud klienditeekondadeni. Tehnoloogia areneb kiiresti, kuid selle edu sõltub infrastruktuuri, andmete kvaliteedi, juhtimise ja juhtimise keeruliste probleemide lahendamisest. Järgmine suur võidujooks tehisintellektis ei pruugi seisneda targemate mudelite loomises, vaid selles, kuidas panna need tööle ilma süsteeme, millel nad töötavad, lõhkumata.
