Inwestycje przedsiębiorstw w AI rosną w siłę, ale miesiąc miodowy oficjalnie się skończył. Gartner ogłosił rok 2026 „rokiem przełomowym” dla organizacji, które muszą dostosować swoje projekty AI do strategicznych celów biznesowych – co w korporacyjnym żargonie oznacza „pokażcie nam pieniądze, albo odcinamy wtyczkę”. W miarę jak presja na udowodnienie zwrotu z inwestycji rośnie, dyrektorzy zwracają się ku agentowemu AI, mając nadzieję, że przyniesie ono wymierne wyniki finansowe, których domagają się ich akcjonariusze.

Główna szansa dla agentów AI istnieje w samym dziale technicznym, gdzie koszty infrastruktury IT mają wzrosnąć dwu- lub trzykrotnie do 2030 roku, według McKinsey, mimo że budżety pozostają zamrożone. Przez ostatnie 18 miesięcy zespoły techniczne – inżynierowie, programiści, architekci i inni praktycy, którzy utrzymują cyfrowe światło – wyraźnie wdrożyły agentów do pracy. Ostateczna obietnica agentów to nie tylko automatyzacja zadań, ale zarządzanie całymi przepływami pracy, realizacja celów biznesowych w sposób umożliwiający współpracę ludzi i agentów. Jednak biorąc pod uwagę ryzyko związane z automatycznym podejmowaniem decyzji, zespoły nie mogą po prostu oddać kluczy bez pewności, że agenci są bezpieczni, niezawodni i chronieni.

Wśród ekspertów technologicznych nasze badania pokazują, że zespoły są niezwykle pewne stosowania agentowego AI w znacznej liczbie zadań związanych z AI, danymi i chmurą. Tam, gdzie gotowość agentów spada, wynika to głównie z braku kontekstu biznesowego dostarczanego tym systemom. Im bardziej złożone zadanie, tym więcej zdolności rozumowania potrzebuje agent – i tym więcej kontekstu biznesowego wymaga. Takie możliwości generowania kontekstu są wciąż na wczesnym etapie rozwoju, zwłaszcza gdy dane korporacyjne są chaotyczne i trudne do okiełznania. Nadzór człowieka, jak się okazuje, pozostaje kluczowym czynnikiem sukcesu.

Wiedząc, że zespoły techniczne są kluczowe dla tej transformacji, eksperci, których przesłuchaliśmy, spodziewają się, że pewność agentów wzrośnie wraz z pogłębianiem doświadczenia i dojrzewaniem środowisk biznesowych. „Projektując agentów, aby działali w tych samych granicach operacyjnych, systemach tożsamości i modelach zarządzania, które zespoły już stosują, zaczynają zachowywać się bardziej jak systemy, którym organizacje już ufają” – mówi Jeremy Winter, wiceprezes korporacyjny i dyrektor ds. produktów w Microsoft Azure Platform.

Raport ten – oparty na ankiecie 300 globalnych ekspertów technologicznych – rankinguje 101 zadań w przepływach pracy AI, danych i chmury na podstawie pewności respondentów co do działania agentów w ich imieniu. Bada również, jak zespoły techniczne postrzegają szanse i wyzwania agentowego AI, a także jego potencjał do rozwoju ich karier. Pewność rośnie w przypadku mierzalnych zadań i rozwija się w obszarach złożonego osądu. Eksperci technologiczni w przeważającej mierze uważają, że agenci pomagają w codziennej pracy, w tym usprawniają procesy, poprawiają wydajność i redukują powtarzalne zadania. Największa pewność dotyczy generowania raportów i standardowego kodu, z wyraźną szansą w wieloetapowych przepływach pracy i zaawansowanym rozumowaniu.

Przepływy pracy z danymi są przełomową domeną. Zespoły techniczne ufają agentom najbardziej tam, gdzie struktura zapewnia solidną podstawę do podejmowania decyzji – obszary takie jak monitorowanie jakości danych, wykrywanie anomalii wizualizacji, monitorowanie strumieni danych w czasie rzeczywistym i profilowanie danych. To tutaj eksperci domenowi najbliżsi danych mogą dostarczyć kontekst, aby agenci mogli działać i dostarczać zaufane wyniki.

Przeczytaj blog Microsoft Cloud autorstwa Amandy Silver, wiceprezes korporacyjnej Microsoft 365 Core i Work IQ, który podkreśla znaczenie utrzymania człowieka w pętli i jak myślenie systemowe rozwija kariery. Aby głębiej zagłębić się w przepływy pracy z danymi jako przełomowy przypadek użycia agentów, sprawdź blog Fabric, aby usłyszeć od Kim Manis, wiceprezes korporacyjnej ds. produktów w Microsoft Fabric.

Ta treść została wyprodukowana przez Insights, dział treści niestandardowych MIT Technology Review. Nie została napisana przez redakcję MIT Technology Review. Została zbadana, zaprojektowana i napisana przez ludzkich pisarzy, redaktorów, analityków i ilustratorów. Obejmuje to pisanie ankiet i zbieranie danych.