AI-agenter behöver verksamhetskontext för bättre beslut

AI-agenter kan utföra åtgärder i ett företag, men de behöver rätt information för att fatta välgrundade beslut. En leverantörsbetalning kan stämma med en inköpsorder, budget och leverantörsregister men ändå vara fel om avtalet löpte ut dagen innan.

I en artikel i TechRadar hävdar Will McAllister, som där presenteras som Senior VP och Managing Director för EMEA på Guidewire, att företags AI behöver mer än kapabla modeller. Assistenters sammanfattningar och rekommendationer granskas fortfarande av människor, och den granskningen kan brista. Insatserna blir högre när agenter själva kan uppdatera register, godkänna förfrågningar eller starta arbetsflöden.

McAllister säger att företag bör ge agenter insyn i aktuella mål, regler och information om uppgiften utan att ge dem obegränsade befogenheter. Han beskriver principen som ”bred kontext, men snäva befogenheter”. Om agenter tränas stegvis med företagsdokument kan de få inaktuella regler eller exempel som inte visar hur undantag hanteras i praktiken.

Hans föreslagna metod, ”kontext i kärnan”, innebär att AI placeras i operativa plattformar där åtaganden registreras, regler tillämpas och transaktioner genomförs. En betrodd kärna kan samla aktuella data, regler, behörigheter och historik. Agenterna hämtar då den minsta mängd auktoritativa fakta som behövs för uppgiften.

McAllister tar försäkring som exempel: beslut kan bero på försäkringsvillkor, kundens situation, lokala regler och skadeärendets aktuella status. Om en försäkring ändrades dagen innan kan ett utdrag från föregående vecka redan vara inaktuellt. Enligt McAllister gäller samma behov av verksamhetskontext även andra komplexa processer i företag.