Därför är mänsklig strategi viktigare när AI-agenter blir mer autonoma

När AI-agenter tar över fler uppgifter och beslut behöver företag tänka noga på hur systemen ska fungera tillsammans, skriver TechRadars Marie Aiello.

AI-verktyg kan redan analysera målgrupper, skapa och anpassa marknadsföringsinnehåll, kontrollera det mot krav och utvärdera resultaten. Om stegen kopplas ihop kan en åtgärd automatiskt utlösa nästa. Men ett arbetsflöde kan följa sina instruktioner och ändå ge dåliga resultat om målen, sammanhanget eller kopplingarna mellan besluten är dåligt utformade.

Ett system kan till exempel rikta sig till personer som sannolikt svarar på ett erbjudande och samtidigt missa kunder som företaget vill utveckla relationen med över tid. En innehållsagent kan optimera för klick på ett sätt som inte stämmer med varumärkets inriktning. Ett system som utvärderar resultat kan också föreslå ändringar utifrån ett mått som inte fångar ett bredare affärsmål. Aiello menar att sådana utfall kan bero på hur systemet har utformats, snarare än på att AI inte följer instruktionerna.

Företag har ställts inför en liknande utmaning med specialiserad affärsmjukvara. Team har ofta behövt koppla ihop separata plattformar, reda ut motstridiga uppgifter och föra sammanhang vidare mellan systemen. När AI-agenter blir vanligare kan samma samordningsproblem uppstå, med agenter som använder olika data, instruktioner och mål.

Aiello säger att företag bör avgöra var agenter får agera självständigt, när övervakning räcker och när en människa bör vara med. Vilken nivå som passar kan variera mellan arbetsflöden och bero på beslutets konsekvenser. När AI-modeller förändras snabbt och blir mer tillgängliga kan en organisations förståelse för sin verksamhet, sina kunder och sina mål, enligt Aiello, vara svårare att kopiera än tillgången till en viss modell.