지난 12 개월 동안 고객 대화는 생성 AI에 초점을 맞추는 것에서 에이전트 AI에 대한 논의로 전환했습니다. 이러한 진화는 비즈니스 프로세스를 향상시키고 혁신을 주도 할 AI의 잠재력을 강화하기 위해 에이전트 시스템의 인식이 증가하고 있음을 반영합니다.
그러나 모든 기술과 마찬가지로 어디서부터 시작 해야하는지 알아내는 데 어려움이 있습니다. “당신이 가진 모든 것이 망치 일 때, 모든 것이 손톱처럼 보입니다.”또는 표현이 진행됩니다. 그러나 비즈니스 문제에 관해서는 모든 문제가 대리인 AI 접근법을 보증하는 것은 아닙니다.
당신은 그와 유사한 접근법을 사용하여 에이전트 AI의 후보 영역을 결정했을 수 있습니다. 우리는 이전 블로그에서 가치에 대해 빠르게 Ideating에 대해 논의 할 때 설명했습니다.. 그러나 그것이 실제로 대리인 접근 방식을 보증하는지 어떻게 알 수 있습니까? 그리고 일단 그것이 그렇게한다고 확신하면, 조직에 가져올 가치를 어떻게 결정합니까?
이 블로그는 이러한 영역을 해결하는 방법에 대한 지침을 제공하여 정보에 입각 한 결정을 내리고 에이전트 AI의 잠재력을 최대한 활용할 수 있도록합니다.
비즈니스 및 기술 기준
전 세계 소매 및 소비재 회사와의 협력 경험을 바탕으로 특정 프로세스 또는 프로세스의 일부가 에이전트 AI의 좋은 사용 사례인지 결정하기위한 기준으로 간주 될 수있는 몇 가지 일반적인 추세가 있습니다.
이것들은 단지 지침 일뿐입니다.
- 용량. 많은 양 또는 상호 작용 수가 많은 프로세스. 예를 들어, 소비재 회사는 항공기 제조업체보다 더 많은 주문을 받으므로 소비재 회사의 주문 섭취 프로세스에 에이전트 AI를 적용하는 것이 훨씬 더 적용 할 수 있습니다. 그렇다고 Agentic AI 가이 프로세스로 항공기 제조업체를 도울 수 없다는 것을 의미하지는 않습니다. 이는 적용되는 특정 프로세스 요소가 다르다는 것을 의미합니다. 예를 들어, 항공기를 주문할 때는 여러 세부 구성 문서가 필요할 수 있으며, 에이전트 AI는 해당 문서가 올바른지 확인하는 귀중한 역할을 할 수 있습니다.
- 상호 작용. 여러 시스템과 상호 작용하는 프로세스. 예를 들어, 다른 시스템 간의 업데이트, 읽기 또는 데이터를 통합합니다. 사용자가 여러 시스템의 컨텐츠를 검토하거나 통합 해야하는 프로세스는 에이전트 AI의 적용을위한 주요 후보입니다. 때때로 “스위블 의자 통합”이라고도하는 이러한 유형의 프로세스는 지루하고 오류가 발생합니다.
- 인간. 높은 수준의 인간 상호 작용이 필요한 과정. 아마도 여러 정보, 문서 또는 시스템을 추구, 읽기, 고려 및 추론하는 것일 수 있습니다. 이것은 일반적으로 평범하고 반복적 인 일입니다. 에이전트 AI는 격차, 차이 또는 이상을 평가하고 강조 할 수 있습니다. 그것은 인간이 평가할 권장 사항을 만들 수 있으며, 따라서 평범하고 반복적 인 활동의 양을 줄임으로써 인간과 함께 작동하거나 증강하도록 설계되었습니다. 인적 요소는 여기서 중요합니다. 인간은 혁신을 지원하면서 인간이 예외, 전략적 분석 및 복잡한 결정에 집중할 수 있습니다.
- 오류. 오류가 발생하기 쉬운 프로세스 – 종종 반복적이고 평범한 인간 작전에서 발생합니다. 더 중요한 것은, 프로세스 실행 중 오류 나 문제가 지연된 배송, 판매 손실, 보상 청구 또는 비용 또는 시간을 발생시키는 인간의 취급과 같은 하류의 결과를 유발하는 경우입니다. 이것은 핵심 관심 분야가 될 수 있습니다.
솔루션을 설계 할 때 고려해야 할 추가 요구 사항이 있습니다. 이것은 데이터 가용성과 관련이 있습니다.
에이전트 AI 애플리케이션에 필요한 데이터를 다른 곳에 도전하지 않고도 사용할 수 있고 액세스 할 수 있도록하는 것이 중요합니다. 에이전트 시스템은 의사 결정을 돕기 위해 데이터를 참조 해야하는 것이 일반적입니다. 예를 들어, 거래 시스템에서 고객 또는 공급 업체 마스터 레코드를 찾아야 할 수도 있습니다. 이들 중 다수가 매우 짧은 시간에 필요한 경우 에이전트 솔루션이 트랜잭션 시스템에서 성능 문제를 일으킬 수 있습니다. 건축 적으로,이 데이터를 데이터 호수 또는 기타 데이터 저장소로 추출하여 참조 위치 역할을 함으로써이 과제를 피할 수 있습니다.
값 정의
발전은 에이전트 AI를보다 탄력적이고 효율적이며 지속 가능하며 자율적 인 공급망을 창출하기위한 초석으로 위치합니다. 기술 투자의 비즈니스 가치를 평가할 때 고려해야 할 첫 번째 요점 중 하나는 특정 가치의 원동력을 결정하는 것입니다. 또한이를 측정하는 방법을 이해하는 것도 마찬가지로 중요합니다.
에이전트 AI와 관련된 작업에서 값은 일반적으로 세 가지 영역에 속합니다.
- 생산력. 이것을“에이전트 해방 시간”이라고 생각할 수 있습니다. 이는 부가가치 활동에 대한“해방 시간”을 사용하여 프로세스 또는 프로세스 단계에서 인간 상호 작용과 관련된 비 부가가치 시간을 줄이는 것을 반영합니다. 이러한 추가 활동을 범위화하는 것은 에이전트 AI의 가치를 제공하는 데 중요합니다. 예를 들어, 한 소매 업체는 공급망 플래너가 미래의 홍보 재고를 계획하는 개별 공급 업체와 더 많은 시간을 할애 할 수있는 시간을 확보하려고했습니다. AI 에이전트는 공급 업체와의 통신을 간소화하고 계약 준수를 모니터링하며 분쟁을 효율적으로 해결할 수 있습니다.
- 프로세스 효율성. 이는 프로세스가 취하는 경과 시간과 관련이 있습니다. AI 에이전트는 반복적 인 작업을 자동화하고 작업을 최적화하여 프로세스 효율성 수준을 높이고 비용을 낮출 수 있습니다. 이는 후속 혜택이 있습니다. 예를 들어, 고객 주문을받는 것과 처리 사이의 시간을 줄이면 고객 대응이 향상됩니다.
- 품질. 이것은 종종 진부한 것으로 보일 수 있습니다. 그러나이 경우 중점은 오류 또는 문제의 감소입니다. 구체적으로, 조직이나 공급망 내에서 하류에서 부정적인 결과를 초래하는 사람들. 예를 들어, 존재하지 않는 유망한 인벤토리는 고객 만족도 점수에 부정적인 영향을 미치며 향후 판매가 손실 될 수 있습니다.
측정이 핵심입니다
이러한 각 값 드라이버 영역에 대해 특정 사례에 영향을 줄 수 있음을 메트릭 또는 KPI를 설정하는 것이 중요합니다. 위의 그래픽은 몇 가지 예를 제공하지만, 이곳은 에이전트 AI의 가치가 실제로 시행됩니다.
생산성 가치 운전자의 경우 해방 시간을 사용하여 추가 수익 창출 기회를 식별하여 직원 KPI 당 수익을 향상시킬 수 있습니다. 프로세스 효율성의 경우 예를 들어 고객 주문 프로세스를 자동화하는 경우 판매 손실 감소가 관련 메트릭이 될 수 있습니다.
그러나 품질은 흥미로워지는 곳입니다. 지연되거나 잘못된 결정의 하류 부정적인 결과를 결정하는 것은 어려울 수 있지만 가치가 있습니다. 고려해야 할 한 가지 방법은 사용하는 것입니다 Microsoft Copilot 이를 돕기 위해 특정 프로세스에서 오류의 부정적인 다운 스트림 결과가 무엇인지에 대한 제안을 요청합니다. 이것은 귀하의 비즈니스에 대한 정확한 답을 얻지 못할 수도 있지만, 실습은 일반적으로 비즈니스와 관련된 새로운 생각이나 관점을 고무시키는 것으로 나타났습니다.
가치로 이동
에이전트 AI에 대한 올바른 사용 사례를 선택하려면 구현 기준과 가치의 동인 모두에 대한 철저한 이해가 필요합니다. 상당한 인간의 노력과 여러 시스템과의 상호 작용이 필요한 대량의 오류가 발생하기 쉬운 프로세스에 중점을 두어 조직은 AI 애플리케이션에 가장 유망한 영역을 식별 할 수 있습니다.
또한 생산성, 프로세스 효율성 및 품질 개선을 통해 AI 투자 가치를 정의하고 측정하면 조직이 에이전트 AI의 잠재력을 최대한 발휘할 수 있습니다. 이러한 지침을 통해 조직은 정보에 입각 한 결정을 내리고 AI 사용 사례 선택의 복잡성을 탐색하여 궁극적으로 혁신과 효율성을 주도 할 수 있습니다.
에이전트 AI에 대해 자세히 알아보십시오
- Microsoft의 책임있는 AI 원칙
- 소매 준비 : 소매의 미래를 위해 구축 된 에이전트 AI – 지금 준비
- 물류의 미래 : 생성 AI 및 에이전트 AI가 새로운 효율성과 혁신의 새로운 시대를 창출하는 방법
게시물 소매 업체 및 소비재 조직이 가장 귀중한 대리인 AI 사용 사례를 식별하도록 돕습니다. 먼저 나타났습니다 Microsoft AI 블로그.