ההשקה האחרונה של Agentforce מסמנת רגע משמעותי בכל מה שקשור לאוריינטציה של סיילספורס לגבי לקוחותיה ולגבי העתיד – שמועצם על ידי בינה מלאכותית. ובנוף המתהווה הזה, שמתוגבר על ידי רשת של סוכני בינה מלאכותית, תפקידם של בני האדם בעבודה הופך להיות עוצמתי, מעניין ויצירתי יותר מתמיד.
אנחנו נמצאים בגל השלישי של הבינה המלאכותית, שמתבסס על הכוח של בינה מלאכותית חזויה ויוצרת (גנרטיבית). מגיוס של "טאלנטים" ועד שירותי בריאות מועצמים – כעת אנחנו עדים לבינה מלאכותית שעובדת עם בני האדם בשלל ענפים ותחומים, כדי למלא מגוון צרכים אדיר. וכל זה מהיר יותר – ובמקרים רבים גם מדויק יותר – ממה שבני אדם לבדם יכלו לעשות אי פעם.
נכון, אולי ייקח קצת זמן להתרגל לסוכני בינה מלאכותית, אבל הם ישפרו היבטים רבים של העבודה שלנו: את הפרודוקטיביות, היעילות, קבלת ההחלטות האסטרטגיות, ובעיניי רבים – גם את שביעות הרצון הכללית שלנו מהעבודה.
אז ברוכים הבאים לתחילתו של עידן סוכני הבינה המלאכותית – וכמו במקרים רבים, באנגלית זה נשמע יותר טוב: Agentic AI. החל מעכשיו, כמעט כל עסק – מרמת העובד הזוטר ועד למנהלים בכירים – יכול "לתזמר" לא רק את כוח האדם האנושי, אלא גם את כוח העבודה הדיגיטלי. בהקשר הזה, הנושאים של מהימנות ואחריות יהיו ציון דרך לאבולוציה החדשה הזו, שמתפתחת בשלושה שלבים: סוכנים מיוחדים ששולטים במשימות מוגדרות נפרדות, מערכות מרובות-סוכנים שמשתפות פעולה בצורה רציפה, ותזמור ברמת הארגון, שישכתב את הדרך שבה עסקים פועלים.
תפקידו של מחקר הבינה המלאכותית של סיילספורס הוא לעצב את עתיד הבינה המלאכותית הארגונית. קבלו את החזון שלנו לגבי הדרך שבה זה יקרה – ומה יידרש מבני האדם כדי לסייע לתהליך לאורך הדרך.
האבולוציה של סוכני בינה מלאכותית: מכללים ועד הסקת מסקנות
מודל שפה גדול הוא מודל מיומן, עם יכולת למידה עמוקה, שמבין טקסט ומסוגל ליצור טקסט. מערכות מסורתיות שהיו מבוססות כללים, כמו אוטומציית תהליך רובוטית (RPA), היו מסוגלות לבצע רצפים מדויקים, אך נכשלו כשהן היו צריכות להתמודד עם שׁונוּת. היישומים המוקדמים האלה דרשו תקורה טכנית ושירותי ייעוץ משמעותיים, שיצרו מחסום כניסה גבוה עבור ארגונים רבים.
בעשורים האחרונים היינו עדים להתקדמות פורצת דרך ששינתה את הדרך שבה מכונות מעבדות מידע – הן התפתחו מאוטומציה קשיחה למערכות למידה גמישות, אדפטיביות ויעילות הרבה יותר. סוכנים חכמים שנבנו עם פלטפורמות מודרניות כמו Agentforce יכולים להבין הקשר, להסתגל למצבים חדשים ולטפל בספקטרום רחב של משימות. אבל מה שמרגש עוד יותר הוא הכיוון שאליו אנחנו צועדים: סוכנים שמסתגלים בעצמם ומאפשרים חשיבה והסקת מסקנות מרובת-סוכנים: כלומר, סוכנים שיכולים ללמוד מהסביבה שלהם, להשתפר באמצעות ניסיון ולשתף פעולה הן עם בני אדם והן עם סוכנים של הלקוחות הארגוניים שלנו, השותפים, הספקים ואפילו עוזרי הבינה המלאכותית המותאמים אישית של הצרכנים, כאלו שהופכים לחלק יותר ויותר גדול בחייהם. אנחנו רק בתחילתו של עתיד שכולל שלושה שלבים.
שלושת השלבים של סוכני בינה מלאכותית ארגונית
בדיוק כמו שהמוזיקה התפתחה ממנגינות של תו אחד לסימפוניות מורכבות, סוכני בינה מלאכותית מתקדמים מביצועי סולו להרכבים מתוזמרים. כל שלב מתבסס על השלב שקודם לו, ויוצר אינטראקציות עשירות ומגוונות יותר בסביבה הארגונית.
שלב 1: בינה מלאכותית "חד-קולית" – כמו שירת סולו
בשלב הראשון של אבולוציית הסוכנים, אותם סוכנים מיוחדים מצטיינים במשימות מוגדרות בענפים מסוימים, ומביאים איתם יעילות ודיוק חסרי תקדים לפעולות עסקיות שגרתיות – אך משמעותיות. הם מייצגים את הבסיס לאימוץ בינה מלאכותית ארגונית, ומטפלים במשימות בדידות ברמת עקביות ומהירות שמשנה את תהליכי העבודה המחלקתיות. הם גם מיומנים לתת לנו את כל היתרונות של התקדמות הבינה המלאכותית עד כה, כמו חיזוי הפעולות הבאות וההמלצות למוצרים, והם גם מותאמים אישית להעדפות ולהתנהגויות של כל לקוח. הם נותנים ללקוחות ולנציגי שירות ומכירות (כולל לבוטים שבהם) הכוונה גנרטיבית, שפה שיווקית והתכתבות ברמה הגבוהה ביותר.
במסחר, למשל, הם מחוללים מהפכה במלאי ובניהול חשבונות. הסוכנים לא רק מטפלים בבדיקות מלאי בסיסיות – הם עוקבים באופן יזום אחרי רמות המלאי במספר מיקומים, חוזים דרישות עונתיות ומייצרים סיכומים בזמן אמת שמסמנים דפוסים או הזדמנויות לא שגרתיות. משימות שפעם דרשו שעות של ניתוח אנושי ניתנות כעת לביצוע בתוך שניות, עם דיוק ועומק רב יותר, וגם מציעות חוויות אופטימליות, מותאמות אישית, אפילו כמעט "קסומות" עבור הלקוחות הקמעונאים.
ומעבר לסיכום החיובים הבסיסי, הסוכנים אלה מנתחים דפוסי אינטראקציה עם לקוחות, מסווגים אוטומטית ומתעדפים בקשות שירות, וגם מייצרים תובנות חזויות לגבי צורכי הלקוח. הם מזהים מגמות בהתנהגות לקוחות שעשויות להצביע על בעיות שביעות רצון או הזדמנויות להתרחבות, ומספקים לצוותי השירות יכולת פעולה חכמה במקום נתונים גולמיים. התוצאה היא שירות לקוחות שמרגיש חסר מאמץ, וכמעט בלתי נראה ללקוח הקצה. לפעמים, הבעיה שלהם נפתרת עוד לפני שהם בכלל ידעו שיש בעיה.
במקביל, בתחום השירותים הפיננסיים, הסוכנים מגדירים מחדש את נושא היעילות בשירות לקוחות. הם מנתחים היסטוריית עסקאות, מזהים דפוסים של פעילות שעלולה להיות הונאה ומפעילים פרוטוקולי אבטחה רלוונטיים בצורה אוטומטית. ולטובת התכנון הפיננסי, הם יוצרים ניתוחים מקיפים על ידי התאמה בין נתוני השוק, היסטוריית לקוחות בודדים ואינדיקטורים כלכליים נרחבים. אם עושים בהם שימוש נכון, הסוכנים האלה יאפשרו לעסקים להגיע ליעילות חסרת תקדים בבק-אופיס, והם יאפיינו את הדור הבא של הבנקאות הקמעונאית, הכוונת השקעות וחוויות ניהול עשירות.
שלב 2: בינה מלאכותית "רב-קולית" – שיתוף פעולה חלק
השלב הבא מציג שיתוף פעולה מתוזמר בין סוכנים מתמחים באותה חברה, שמשתפים פעולה יחד לטובת מטרה עסקית משותפת. במקרה זה, "סוכן מתזמר" מתאם מספר מומחים שפועלים בשיתוף פעולה. ממש כמו שמנהל מסעדה גדולה "מתזמר" מלצרים, מארחים, עובדים כלליים, שפים, עוזרי שפים ואחרים – שיעבדו יחד כדי לזכות בכוכב מישלן נחשק…
איך נראית בינה מלאכותית רב-קולית בפעולה עסקית מורכבת? דמיינו תרחיש של שירות לקוחות שבו סוכנים מרובים עובדים יחד באופן בלתי נראה כדי לתמוך בבקשת לקוח קמעונאי להחלפת גדלים של מק"ט מחוץ לעונה.
· סוכן שירות קו ראשון מעבד את פניית הלקוח הראשונית
· מומחה מלאי בודק את זמינות המוצרים במקומות שונים
· סוכן לוגיסטי מחשב אפשרויות משלוח ולוחות זמנים
· מומחה חיובים סוקר את היסטוריית החשבון ואת אפשרויות התשלום, והכי חשוב:
הסוכן המתזמר מתאם את כל התשומות האלה לתגובה קוהרנטית, אפקטיבית ורלוונטית מבחינה הקשרית עבור העובד האנושי שעומד בראש – כדי לבדוק, לחדד ולשתף את הלקוח.
כאשר מיישמים אותה בצורה הטובה ביותר, הגישה הזו של ריבוי סוכנים – עם "סוכן מתזמר" שמשרת את "המתזמר האנושי" שלו – מספקת יתרונות מונעי בינה מלאכותית עוצמתיים: המערכת משיגה מהימנות משופרת על ידי מינוף סוכנים מיוחדים ומהימנים שמתמקדים בתחומים ספציפיים. וכל זאת, תוך הפחתת ה״הזיות״ מאחר שכל סוכן פועל בהיקף מצומצם יותר. הגישה המבוזרת הזו גם מחזקת את האבטחה על ידי בידוד הטיפול בנתונים רגישים לסוכנים ספציפיים. ואולי הכי חשוב: האקו-סיסטם הזה מציע סקלביליות רציפה. וכך, ארגונים יכולים להוסיף ללא הפסקה סוכנים מיוחדים חדשים במטרה להרחיב את היכולות, ככל שהצרכים מתפתחים.
שלב 3: "להקה" של בינה מלאכותית – התזמורת הארגונית
השלב האחרון – שהוא השלב האידיאלי – מוסיף אינטראקציות מתוחכמות של סוכן לסוכן (A2A) לאורך גבולות ארגוניים, ויוצר דפוסים חדשים לחלוטין של קשרים עסקיים. מעבר למודלים המסורתיים של B2B ו-B2C, אנחנו עדים להופעתן של אינטראקציות B2A (עסק לסוכן) ואפילו B2A2C שבהן סוכני בינה מלאכותית משמשים כמתווכים לעבודה ולעסקאות.
דמיינו תרחיש פשוט של השכרת רכב: סוכן בינה מלאכותית אישי של לקוח מנהל משא ומתן עם סוכני בינה מלאכותית עסקיים של חברת השכרה. הסוכן של הלקוח מבצע אופטימיזציה עבור המחיר והתמורה הטובים ביותר, בעוד שסוכן חברת ההשכרה שואף למקסם ההכנסות באמצעות שירותים נוספים. אבל הסוכן העסקי חייב לאזן בין טקטיקות מכירה אגרסיביות מול הסיכון לאבד את העסקה למתחרים. אינטראקציות כאלו יכולות להיות מנוהלות על ידי עקרונות מתוחכמים של "תורת המשחקים", שדורשים כישורי משא ומתן ופרוטוקולים מתקדמים, ניהול סיכונים תחת אי ודאות ומנגנוני אימות – כדי להבטיח מהימנות לאורך כל הדרך. ועוד לא דיברנו על היכולת לפתור קונפליקטים בזריזות.
ועכשיו, דמיינו את ההרחבה הזו לתהליכים ארגוניים מורכבים יותר ויותר שכולנו מכירים בענפים השונים: מאופטימיזציה של שרשרת האספקה ועד לתזמור חוויית לקוח. לא משנה לאיזה ענף אתם שייכים, המשמעות של "להקת סוכנים" כזו היא שיהיה מי שיעזור לכם לבצע תזמור מורכב ושיתוף פעולה משמעותי בהתאם לצרכים ולרצונות האישיים שלכם. וכדי להשיג זאת, יש לנו, בני האדם, עוד עבודה לעשות.
לא מתפשרים על מהימנות ואחריות
ככל שאנחנו פורסים מערכות סוכנים מתוחכמות יותר, יש שני עקרונות יסוד שחייבים להנחות כל החלטה: מהימנות ואחריות (accountability).
בניית אמון ומהימנות
בעידן הבינה המלאכותית של הסוכנים, המהימנות היא הרבה יותר מאמצעי הגנה טכניים מפני רעילות, הטיות והזיות. מחקר שנערך לאחרונה על ידי סיילספורס מראה ש-61% מהלקוחות מאמינים שפיתוחי בינה מלאכותית הופכים את המהימנות לקריטית מתמיד – והם צודקים. אנחנו נכנסים לטריטוריה שדורשת אמון ארגוני עמוק ביחסים הסימביוטיים בין בני אדם ובינה מלאכותית.
כל זה מבוסס על ארבעה יסודות חיוניים.
הראשון הוא יצירת בסיס לדיוק ולגבולות – סוכני בינה מלאכותית חייבים לפעול בתוך פרמטרים מוגדרים היטב, תוך שמירה על דיוק. מעבר למניעת שגיאות, מגבלות הבטיחות האלה ייצרו שותפויות מהימנות שמגבירות את האינטליגנציה הקולקטיבית.
ולא פחות חשובה מכך היא המודעות העצמית של הסוכן. כמו כל עמית לעבודה, גם סוכני בינה מלאכותית חייבים להכיר במגבלות שלהם ולדעת מתי לפנות למומחיות אנושית. זה דורש פרוטוקולים מתוחכמים שמבטיחים שיתוף פעולה רציף וחלק בין בינה מלאכותית לבינה אנושית. כך למשל, צוות מחקר הבינה המלאכותית שלנו בוחן שיטות אימון שילמדו את סוכני הבינה המלאכותית לסמן אזורים של אי ודאות ולבקש סיוע כשהם מתמודדים עם אתגרים לא מוכרים. כאשר בינה מלאכותית מאומנת בדרך נכונה, היא תדע מתי לא לנסות לנחש אלא לפנות לבן אדם ולבקש עזרה.
עבור מערכות מרובות סוכנים, נצטרך גם פרוטוקולים שיהיו מקובלים ויאומצו ברחבי העולם. הרי גם לבנקים יש פרוטוקולים גלובליים וכללים לשיטת העברת כספים בין אנשים, עסקים ומדינות. לתחבורה שלנו יש פרוטוקולים שעוזרים להבטיח ציות לכללים, ואלו נשלטים על ידי מערכת צבעי הרמזורים האוניברסלית שלנו. לאינטרנט יש IP – פרוטוקול האינטרנט הגלובלי שמאפשר ניתוב של חבילות נתונים כדי לעבור בין רשתות ולהגיע ליעד הנכון.
בדיוק כך, גם סוכני העתיד יזדקקו לפרוטוקולים שיהיו מוסכמים ומיושמים באופן אוניברסלי. בדרך הזו, סוכנים מתזמרים יוכלו לתקשר, לנהל משא ומתן ולשתף פעולה עם סוכני עסקים אחרים באופן בטוח, אתי ולטובת שני הצדדים. רמת המעורבות ה"להקה" הזו תצטרך להיות מהירה, יעילה והוגנת. בלי פרוטוקולים כאלה, אנו נמצאים בסיכון של "דואר זבל" של סוכן לסוכן במקרה הטוב, ושל הונאה וסכנות אחרות במקרה הרע.
בסופו של דבר, ככל שכוח העבודה של סוכני הבינה המלאכותית שלנו גדל, כך גם אמצעי האבטחה שלנו גדלים. כמו בכל טכנולוגיה, בני אדם עם כוונות זדוניות יכולים גם הם להשתמש בבינה מלאכותית, לתכנן ולהכשיר "תולעי בינה מלאכותית" למטרות של פרצות מידע או כדי לנסות לחטוף סוכני בינה מלאכותית אחרים כדי לחשוף נתוני לקוחות פרטיים. לכן, אסור לראות בהגנה משופרת, בבקרות פרטיות ובניטור מתמשך כדרישות טכניות בלבד – הם חיוניים לשמירה על האמון שהופך את הבינה המלאכותית מכלי שבו אנחנו משתמשים לשותף שיחד איתו העסקים שלנו יצמחו.
להבטיח את האחריות
כאשר ארגונים פורסים סוכני בינה מלאכותית שמקבלים אלפי החלטות בשנייה, אנחנו צריכים להקים מסגרות ברורות לאחריות ופיקוח, כדי להבטיח שיש לנו תוכנית למצב שבו דברים ישתבשו. זה דורש גישה וראייה מקיפה. הנה כמה נקודות פתיחה עבור הצוותים הבכירים שמפקחים על הטמעת סוכנים.
· שרשרת אחריות ברורה על אחריות הסוכן. כשסוכן בינה מלאכותית מקבל החלטה שיש לה תוצאות, אסור שתהיה אי בהירות לגבי מי האחראי. זה אפילו אומר שיש צורך ליצור תפקידים חדשים כמו "קציני מבצעים של בינה מלאכותית" שיש להם גם את הסמכות לפקח על פריסת סוכנים וגם את האחריות במצבים שבהם מתעוררות בעיות.
· מערכות חזקות לאיתור ותיקון מידע חלקי, הטיות, הזיות או פלטים רעילים – לפני שהם משפיעים על העסק שלכם. העניין הזה חורג מבדיקות בטיחות בסיסיות והוא כולל ניטור רציף של החלטות הסוכן, יכולות התערבות בזמן אמת ומסלולי ביקורת שיטתיים. אחת הדוגמאות לכך היא ההתקדמות האחרונה של צוות המחקר שלנו, שמשפרת באופן דרמטי את האופן שבו מערכות הבינה המלאכותית שלנו ניגשות למידע ומאמתות אותו. החידושים האלה מאפשרים הערכה ותיקון מסלול מהירים – ומבטיחים שמערכות בינה מלאכותית יספקו תוצאות מדויקות ואמינות שבני אדם ועסקים יכולים לסמוך עליהן.
· תהליכים מוגדרים לפיקוח והתערבות אנושיים שמאזנים בין אוטונומיה לשליטה. הסיטואציה של "יש אדם בלופ" צריכה להתקדם הלאה. צריך לפתח מסגרות מתוחכמות של מתי ואיך בני אדם צריכים להתערב בהחלטות סוכנים. כלומר, לא "אדם בלופ" אלא "אדם עם היד על ההגה". המשמעות היא יצירת קווים מנחים ודרכים סטנדרטיות כלל-ארגוניות לתקשורת עם סוכנים, כמו גם מסלולים ברורים שממקסמים את האוטונומיה של הסוכן למשימות שגרתיות, תוך שמירה על שיקול דעת אנושי מרכזי להחלטות עם סיכון גבוה.
· גישות מובנות לתיקון דברים כאשר קורות טעויות. זה כולל לא רק הליכי ביטול טכניים, אלא גם פרוטוקולים ברורים לתקשורת עם לקוחות, תיקון ושיפורים שיטתיים כדי למנוע בעיות דומות.
· מסגרות משפטיות חדשות העומדות בדרישות הרגולטוריות, שעוסקות באופן מפורש באחריות של סוכני הבינה המלאכותית. הנוף הרגולטורי של היום לא תוכנן עבור סוכני בינה מלאכותית אוטונומיים שמקבלים החלטות עסקיות. התפקיד שלנו הוא לעבוד באופן יזום עם הרגולטורים כדי לפתח מבני משילות מתאימים.
מבט קדימה: כשהשיטה המדעית פוגשת חדשנות ארגונית
הדרך לפריסת מערכות בינה מלאכותית שהן אינטראקטיביות באמת, דורשת מהמנהלים יכולת של ראיית הנולד: אנחנו צריכים ליישם בעולם האמיתי את אותם סטנדרטים מדעיים מחמירים שיצרו את ההתקדמות הזו. המדד להצלחה לא יהיה רק לפי מספר סוכני הבינה המלאכותית שייפרסו או מהירות ההטמעה שלהם, אלא בהתאם לדרך שבה מנהלי ארגונים וטכנולוגים יתכננו את האינטגרציה שלהם עם הפרוטוקולים, התהליכים וההעדפות של העובדים.
ככל שנקדם את ההבנה שלנו לגבי שיתוף פעולה עם סוכנים, למידה משותפת ואינטראקציה בין בני אדם לבינה מלאכותית, כך נגלה עקרונות שמגובים במחקר. אלו עקרונות שניתנים לשחזור ויש להם ראיות אמפיריות. בהסתמך על עשרות שנות ההצלחה והמומחיות של סיילספורס בניהול קשרי לקוחות (CRM) לוגיקה עסקית ואופטימיזציה, הטמענו ב-Agentforce אסטרטגיות שמבטיחות שהמערכות שלנו לא רק חזקות, אלא גם מהימנות ואחראיות בכל מה שקשור למענה לצרכים העסקיים של הלקוחות שלנו. העתיד לא עוסק בבני אדם מול בינה מלאכותית – הוא עוסק בבני אדם עם בינה מלאכותית, שעובדים יחד, כאשר כל אחד מהם משתמש בנקודות החוזק הייחודיות שלו.
סוכנים יהפכו – ועם ההשקה של Agentforce הם כבר הופכים – למכפיל כוח עבודה אמיתי, שמאפשר לצוותים להתמודד עם משימות שבעבר היו בלתי אפשריות. הזמן לאמץ את השינוי הזה הוא ממש עכשיו, בדיוק כמו שכל ניסוי מדעי פורץ דרך מתחיל בהשערה, כל טרנספורמציה מוצלחת של בינה מלאכותית מתחילה בחזון – ומסתיימת עם אמת מאומתת.
