GenPact فراتر از اتوماسیون برای ساخت شرکت های عامل حرکت می کند

مسابقه برای تعریف مجدد عملیات سازمانی با هوش مصنوعی تولیدی به خوبی در حال انجام است. در حالی که بسیاری از شرکت ها در حال آزمایش اتوماسیون و ابزارهای هوشمند هستند ، GenPact مسیری ساختاری و جاه طلبانه تری را طی می کند.

فشار این شرکت به هوش مصنوعی تولیدی و اتوماسیون اکنون به آنچه که آن را شرکت عامل می نامد ، همگرا است ، جایی که AI فقط از این روند پشتیبانی نمی کند ، بلکه به این روند تبدیل می شود.

در حالی که در هدف رویداد DES 2025 ، آنیروددا ری ، معاون ارشد محصولات عامل و مهندسی پلتفرم در GenPact ، این موضوع را “قدرتمندترین سازه در طول زندگی من” توصیف کرد.

وی تحول GenPact را تحت “استراتژی بعدی GenPact” بیان کردبشر این استراتژی بر سه ستون متمرکز شده است – پیشرو با فناوری پیشرفته ، اولویت بندی خطوط خدمات و باز کردن ارزش برای مشتریان.

از مجهز به شرکتها تا شرکتهای عامل

ری تفاوت بین شرکتهای عامل و شرکتهای عامل را برجسته کرد.

وی توضیح داد ، وقتی صحبت از شرکتهای مأمور عامل می شود ، هوش مصنوعی در فرآیندهای موجود تعبیه شده است. با این حال ، در شرکت های عامل ، AI به این روند تبدیل می شود. وی گفت: “امروز ، اگر من یک فرآیند را اجرا کنم و AI یا نرم افزار را در آن جاسازی کنم ، آنچه اتفاق خواهد افتاد این است که این روند توسط هوش مصنوعی هدایت می شود و انسان ها در واقع بخشی از آن را فعال می کنند.”

در این تغییر ، داده ها دیگر استاتیک و خاموش نیستند. GenPact به سمت داده های یکپارچه ، متنی ، در زمان واقعی ، که توسط نمودارهای دانش و هستی شناسی معنایی پشتیبانی می شود ، حرکت می کند. رابط های کاربردی پیچیده با تعامل عامل محور جایگزین می شوند.

از انسان در حلقه تا انسان روی حلقه ، رابطه بین هوش مصنوعی و مردم به تدریج در حال تحول است. این نشان می دهد که انسان از شرکت کنندگان فعال به سمت مانیتورهای استراتژیک سیستم های هوش مصنوعی حرکت می کند.

“[While] مأمورین کارهای زیادی انجام می دهند ، انسان ها نظارت ، تقویت و حاکمیت را انجام می دهند. “

با این حال ، برای انتقال کامل به حالت عامل ، چیزی هنوز از دست رفته بود. GenPact با سیستم های بینش و سیستم های ادغام آزمایش کرده بود ، اما هیچ شکافی را پر نکرد.

ری گفت که معلوم است که پیوند مفقود شده “سیستم های نوآوری” است – یک لایه ارکستر شده که در آن مأمورین در بین خود ، با سیستم ها و با انسان تعامل دارند. وی افزود: “این لایه عامل است و این لایه نوآوری است.”

توانمندسازی کارگران دانش

به گفته ری ، یکی از اولین مراحل ، “کارگران دانش فوق العاده” بوده است. وی به ابزارهایی مانند DataVerse اشاره کرد ، که می تواند مدل های خاص صنعت را با حداقل داده ها تولید کند و Cora Code Geny ، یک مدل توسعه نرم افزار برای تولید کد و موارد آزمایش.

برای فشار بیشتر این ، GenPact مدلی به نام AI Gigafactory را معرفی کرد. این امکان را برای اتوماسیون در مقیاس بزرگ در برابر موارد استفاده خاص فراهم می کند و جدول زمانی پروژه را به میزان قابل توجهی کاهش می دهد. ری گفت: “تحولی که باید در شش ماه انجام شود … ما می توانیم این کار را در دو تا چهار ماه انجام دهیم.”

مرحله سوم ارائه این راه حل ها به عنوان ارائه عامل است. GenPact به جای اندازه گیری موفقیت بر اساس درصد اتوماسیون ، بر ارزش تجاری ملموس ، مانند کاهش هزینه پردازش فاکتور ۷۰ ٪ یا بهبود سرعت رسیدگی به ادعاها ، تمرکز دارد.

خدمات به عنوان نرم افزار عامل

ری دو تغییر عمده عملیاتی را در GenPact توصیف کرد. اولین مورد حرکت به خدمات خدمات-آژانس ، آنچه او “SaaS 2” نامیده می شود-جایی که خود سرویس توسط نرم افزار هدایت می شود.

دوم مدل AI Gigafactory است که ترکیبی از اتوماسیون به رهبری عامل با راه حل های تولید شده است. ری محصولی را برای حساب های قابل پرداخت به عنوان نمونه ارائه داد.

این معماری سیستم های ضبط ، سیستم های بینش و سیستم های تعامل را به هم متصل می کند. در هسته ، لایه ای از مأمورین متخصص و عمومی که از طریق ارکستراسیون با هم کار می کنند قرار دارد. وی گفت: “این موتور عامل AI است.”

با این حال ، موفقیت به بیش از عوامل بستگی دارد. به گفته ری ، سه چالش اصلی وجود دارد – کیفیت داتا ، ادغام و انتخاب عامل. وی گفت: “ما در حال درک هستیم که باید یک گروه عامل را ایجاد کنیم … با توجه به نوع داده هایی که برای آن اعمال می شود.” تخصص دامنه و درک معنایی بسیار مهم است.

ساختمان به سمت محصولات عامل

GenPact این تفکر را از طریق امور مالی و ریسک ، از حساب های قابل پرداخت گرفته تا فاکتور به نقدی و گزارش به گزارش به کار می برد. برخی از آنها راه حل های تولید شده برای تعداد معدودی از مشتریان هستند.

برای مقیاس ، این شرکت در حال سرمایه گذاری در یک مدل توانایی قوی است. این کار با اتاق موتور داده شروع می شود ، جایی که داده های ناشناس یا مصنوعی برای آموزش انواع مختلف عوامل تهیه و استفاده می شود.

یک لایه ابرداده معنایی زنده بالای آن قرار دارد. ریخته گری عامل AI جایی است که چندین عامل ایجاد می شود ، هر یک با LLMS و SLM های خاص دامنه تنظیم شده است.

ری گفت: “شما بدون همکاری با شرکا کاری انجام نمی دهید.” چه از طریق مشارکتها ، بازارهای عامل و چه ابزارهای اختصاصی ، هدف برای ساخت و مقیاس سیستم های AI عاملی که ارزش قابل اندازه گیری را برای مشتریان ایجاد می کنند ، روشن است.

وی خاطرنشان کرد: این شرکت G Solutions ، بازار دارایی های هوش مصنوعی GenPact را توسعه داده است. در حال حاضر بیش از ۱۰۰۰ مدل فعال هوش مصنوعی مستقر در سیستم عامل های داخلی ، محصولات مشتری و راه حل های سازمانی اجرا می شود.

ری در ادامه افزود: در حالی که همه مدل ها عامل نیستند ، GenPact قبلاً ۲۱ عامل اجرایی را توسعه داده و قصد دارد تا پایان سال این تعداد را به ۵۰ برساند. “محصولات AI اخیر تا ۴۰ ٪ سود حاصل از بهره وری را هدایت کرده اند ، با هدف ۶۰-۷۰ ٪ در طی ۱۲-۲۴ ماه آینده.”