Agentic AI: Το Επόμενο Παιχνίδι Αποδοτικότητας Τρισεκατομμυρίων Δολαρίων

Από τα LLMs προς τους AI Agents

Η απόδοση της AI έχει αλλάξει τον τρόπο που αντιλαμβανόμαστε την ικανότητα των τεχνητών συστημάτων να αλληλεπιδρούν με τους ανθρώπους, κυρίως χάρη στην σχεδόν ανθρώπινη ομιλία από τα LLMs (Μεγάλα Γλωσσικά Μοντέλα) όπως το ChatGPT.

Ήδη με αυτό το επίπεδο δυνατότητας, η AI μπορεί να βοηθήσει ή ακόμη και να αντικαταστήσει τους ανθρώπους σε εργασίες όπως η μετάφραση, η αναζήτηση δεδομένων, ο προγραμματισμός κ.λπ. Ωστόσο, ένα νέο επίπεδο ικανότητας της AI ξεκλειδώνεται με τους AI Agents. Η βασική ιδέα των AI agents είναι η δημιουργία AI που μπορούν να λειτουργούν ανεξάρτητα σε ένα δεδομένο περιβάλλον. Αυτό τους επιτρέπει να ενεργούν από μόνοι τους, χωρίς την ανάγκη συνεχούς επιβεβαίωσης ή επίβλεψης.

Αυτό τους δίνει πολύ διαφορετικούς πρακτικούς ρόλους σε σύγκριση με τη γενετική AI όπως τα LLMs ή οι δημιουργοί εικόνων, που είναι κυρίως αντιδραστικά σε προτροπές που δημιουργούνται από ανθρώπους.

Σε αυτό το πλαίσιο, το “περιβάλλον” μπορεί να σημαίνει τόσο συγκεκριμένες καταστάσεις στον πραγματικό κόσμο — όπως ένα αυτοκίνητο στο δρόμο για έναν αυτόνομο πράκτορα — όσο και ένα πλήρως εικονικό “χώρο”, όπως μια συγκεκριμένη σουίτα λογισμικού ή ψηφιακό περιβάλλον.

Αυτό είναι το βήμα όπου η AI εξελίσσεται από το “Συνομιλία” στο “Δράση”. Σε αντίθεση με τα γενικά LLMs, οι AI agents συχνά έχουν πιο περιορισμένο και στενό πεδίο. Αυτό τους βοηθά να είναι πιο αποδοτικοί και αξιόπιστοι όταν λαμβάνουν αυτόνομες αποφάσεις, ενώ μια γενική AI θα μπορούσε πιο εύκολα να απομακρυνθεί σε απρόσμενα μονοπάτια.

Οι AI agents είναι το επόμενο βήμα για να γίνει η AI χρήσιμη στη βελτίωση της αποδοτικότητας αμέτρητων διαδικασιών.

Εξήγηση των AI Agents

Σύρετε για κύλιση →

Οι AI Agents είναι μια Νέα Επανάσταση ή μια Εξέλιξη;

Αυτά τα χαρακτηριστικά τοποθετούν τους AI agents ένα βήμα πάνω από τις προηγούμενες εκδοχές εργαλείων AI, όπως οι βοηθοί και τα bots, χάρη στις πιο προδραστικές δυνατότητες, την αυτονομία και την ικανότητα διαχείρισης σύνθετων, πολυβήματων εργασιών.
Όπως μια πραγματική νοημοσύνη, μπορούν να αυτο‑βελτιώνονται: μαθαίνουν από την εμπειρία, προσαρμόζουν τη συμπεριφορά τους βάσει ανατροφοδότησης και βελτιώνουν συνεχώς τις δυνατότητες απόδοσής τους με την πάροδο του χρόνου.

Έτσι, ενώ τα bots και οι AI assistants μπορούν να εκπληρώσουν μέρη των εργασιών που δίνονται σε έναν AI agent, η αυτονομία, η προδραστική προσέγγιση και το υψηλό επίπεδο πολυπλοκότητας ξεχωρίζουν τους πράκτορες από τα προηγούμενα επίπεδα αυτοματοποίησης. Αυτό τους φέρνει πολύ πιο κοντά σε έναν πραγματικό ανθρώπινο εργαζόμενο, τουλάχιστον για τη συγκεκριμένη εργασία για την οποία έχουν εκπαιδευτεί.

Πώς οι Αυτόνομοι AI Agents Θα Κλιμακώνονται Καθ’ Όλη τη Βιομηχανία

Η σύγχρονη ζωή είναι γεμάτη επαναλαμβανόμενες εργασίες που είναι ελαφρώς πολύπλοκες για απλά σενάρια αυτοματοποίησης αλλά βαρετές για τους ανθρώπους. Αυτό καθιστά τους AI agents ιδιαίτερα σχετικούς για εξαιρετικά επαναλαμβανόμενες, βασισμένες σε κρίση ροές εργασίας — από την καθοδήγηση ενός πελάτη μέσω ενός αλγορίθμου αντιμετώπισης προβλημάτων μέχρι την οδήγηση φορτηγών σε αυτοκινητόδρομο.

Σε αντίθεση με τους ανθρώπους, τέτοιοι AI agents μπορούν να εργάζονται 24/7 και να κλιμακώνονται άμεσα χωρίς επιπλέον κόστος.

Υπάρχουν πολλοί τρόποι για να ταξινομήσουμε το επίπεδο που έχουμε φτάσει στις ικανότητες της AI. Συνολικά, τα μετρικά τείνουν να συγκρίνουν την ικανότητα της AI με τον γενικό πληθυσμό των ανθρώπων. Οι πιο πρόσφατοι AI agents φθάνουν στις δεξιότητες του 50-90% του πληθυσμού σε συγκεκριμένες, στενές εργασίες.

Αυτοί οι “Επίπεδο 2-3” AI agents θεωρούνται συνήθως ένα ενδιάμεσο σημείο στην πρόοδο της AI, και μόνο η αρχή για το AGI (Τεχνητή Γενική Νοημοσύνη).

Η αναδυόμενη αρχιτεκτονική είναι η δημιουργία πολλών εξειδικευμένων AI agents και η ανάθεση σε καθέναν να χειρίζεται μια συγκεκριμένη εργασία σε επίπεδο συγκρίσιμο με έναν ανθρώπινο εργαζόμενο. Για πιο σύνθετες ροές εργασίας, μια σειρά AI agents θα ενεργεί διαδοχικά, συνεργαζόμενοι για την εκτέλεση του μεγαλύτερου έργου διασπώντας το σε μικρότερες υποεργασίες.

Προσαρμοσμένοι πράκτορες, που αναπτύσσονται εσωτερικά με τη βοήθεια πλατφορμών AI, είναι επίσης πιθανό να γίνουν πιο συνηθισμένοι καθώς οι πράκτορες κώδικα μειώνουν την πολυπλοκότητα της ανάπτυξης επιχειρηματικών εφαρμογών.

Αύξηση της Αποδοτικότητας της AI Και των Ανθρώπων Ταυτόχρονα

Ένα ακόμη πλεονέκτημα των AI agents σε σχέση με την πιο γενική AI είναι η αποδοτικότητα. Ενώ διαπρέπουν σε μία εργασία, δεν φορτώνονται με περιττές δυνατότητες.

Για παράδειγμα, ένας αφιερωμένος AI agent θα μπορούσε να οδηγήσει ένα αυτοκίνητο όπως ένας άνθρωπος ενώ δεν διαθέτει τις άλλες ανθρώπινες ικανότητες λογικής. Θα “καταλαβαίνει” τους δρόμους, αλλά δεν θα είναι καλός συνομιλητής, δεν θα ξέρει πώς να δημιουργήσει μια εικόνα από μια προτροπή, ή να διαχειριστεί μεγάλες βάσεις δεδομένων.

Ως εκ τούτου, το μοντέλο απαιτεί λιγότερη μνήμη και υπολογιστική ισχύ για να λειτουργήσει. Αυτό με τη σειρά του μειώνει τις απαιτήσεις υλικού και την ενέργεια που καταναλώνεται για την εκτέλεση της εργασίας του.

Πόση Αυτονομία;

Η μεγαλύτερη αυτονομία των AI agents είναι το μεγαλύτερο πλεονέκτημά τους, αλλά μπορεί επίσης να αποτελεί εμπόδιο στην υιοθέτησή τους.

Ακόμη και ένας πολύ ικανός και αξιόπιστος AI agent ενδέχεται να μην εμπιστεύεται πλήρως για λήψη αποφάσεων που έχουν υψηλό αντίκτυπο στον πραγματικό κόσμο. Είναι ένα πράγμα να ρυθμίσετε ένα βελτιωμένο chatbot για εξυπηρέτηση πελατών· είναι κάτι άλλο να το αφήσετε να διαχειρίζεται μισθοδοσία για χιλιάδες υπαλλήλους.

Πιθανότατα η παράλληλη ανάπτυξη στην ποιότητα των αποφάσεων AI και η αυξανόμενη εξοικείωση με αυτές θα επιτρέψει στις αρχές να δώσουν μεγαλύτερη ελευθερία στη λήψη αποφάσεων από AI. Αυτό, ωστόσο, ανοίγει ενδιαφέροντα νομικά και ηθικά ερωτήματα σχετικά με την ευθύνη των ενεργειών της AI.

Θα χρειαστεί να καθοριστεί ένα σαφές νομικό πλαίσιο. Για παράδειγμα, αν ένα αυτόνομο αυτοκίνητο συγκρουστεί, είναι ο πάροχος του AI agent υπεύθυνος; Καθώς η αυτονομία αυξάνεται, οι αποφάσεις επηρεάζουν πραγματικούς ανθρώπους και γίνονται ακριβές ερωτήματα ευθύνης.

Αυτό καλύπτει επίσης το ζήτημα της κακής χρήσης, όπως η κλοπή ταυτότητας ή η αυτοματοποιημένη απάτη. Αυτά είναι νομοθετικά ερωτήματα, αλλά η τεχνολογική πρόοδος συχνά υπερβαίνει τη ρύθμιση.

Το Μέλλον των AI Agents

Μπορούν οι AI Agents να Γίνουν Στενοί Γενικιστές;

Όπως εξηγήθηκε, οι πρώτοι AI agents είναι στενοί για να είναι αποδοτικοί και αξιόπιστοι. Ωστόσο, οι AI agents υψηλότερου επιπέδου θα απαιτήσουν κατανόηση του πλαισίου, μνήμη προηγούμενων αποφάσεων και συνέχιση της εργασίας.

Αρχικά, αυτό μπορεί να γίνει με τη βοήθεια ενός ανθρώπου, ο οποίος γίνεται περισσότερο “διευθυντής” των agentic AI παρά να εκτελεί την εργασία ο ίδιος. Φυσικά, η αφαίρεση της ανθρώπινης εργασίας από την εξίσωση είναι ο τελικός στόχος για τη βελτίωση της αποδοτικότητας.

Για παράδειγμα, μια AI που εκτελεί διάγνωση σε νοσοκομείο θα χρειαστεί να αναλύει ιατρικές εικόνες, να κατανοεί κείμενο ή φωνή που περιγράφει συμπτώματα, να ενσωματώνει αποτελέσματα ιατρικών εξετάσεων και το ιστορικό του ασθενούς, και να βρίσκει σχετική επιστημονική βιβλιογραφία — όλα ταυτόχρονα. Πρέπει στη συνέχεια να συνδυάσει αυτά τα δεδομένα με έξυπνο τρόπο.

Εφαρμογές στα Χρηματοοικονομικά

Κάποιοι τομείς είναι επιφυλακτικοί για την αφαίρεση των ανθρώπων από τον βρόχο λήψης αποφάσεων, ιδιαίτερα η βιομηχανία ή η υγειονομική περίθαλψη όπου τα λάθη μπορούν να είναι θανατηφόρα. Ωστόσο, ένας τομέας αγκαλιάζει ενθουσιαστικά τους AI agents: τα χρηματοοικονομικά.

Το μεγαλύτερο μέρος του χρηματοοικονομικού κόσμου χρησιμοποιεί ήδη υψηλά επίπεδα αυτοματοποίησης, από συστήματα συναλλαγών μέχρι ανίχνευση απάτης. Οι fintechs είναι ακόμη πιο ανοιχτοί στην agentic AI, καθώς η ύπαρξή τους εξαρτάται από την αυτοματοποίηση της χρηματοοικονομικής αποδοτικότητας. Η βελτιωμένη αποδοτικότητα σε έναν κλάδο που διαχειρίζεται τρισεκατομμύρια μπορεί γρήγορα να μετατραπεί σε κερδοφόρο επέκταση περιθωρίου.

Για παράδειγμα, ένας πράκτορας μπορεί να στοχεύσει την χρονοβόρα εργασία της συμφωνίας (ταίριασμα τραπεζικών καταστάσεων, λογιστικών φύλλων και λογιστικών βιβλίων). Οι μεσαίου μεγέθους εταιρείες μπορούν να ξοδεύουν πάνω από 300 ώρες ετησίως μόνο για τη συμφωνία τραπεζικών λογαριασμών. Ενώ τα λογιστικά φύλλα μπορούν να αυτοματοποιήσουν μέρη αυτού, είναι εύθραυστα. Η Agentic AI προσφέρει μεγαλύτερη ευελιξία και δυνατότητες λογικής για να διαχειρίζεται εξαιρέσεις και αδόμητα δεδομένα.

Επένδυση στην Agentic AI

ServiceNow

Η ServiceNow (NOW ) είναι μια πλατφόρμα υπολογιστικού νέφους που ιδρύθηκε το 2003, αφιερωμένη στη δημιουργία και διαχείριση αυτοματοποιημένων επιχειρησιακών ροών εργασίας. Από μια καθιερωμένη βάση πελατών αυτοματοποίησης επιχειρήσεων, η εταιρεία έχει μεταβεί πλήρως στην agentic AI.

Επιτρέπει στις εταιρείες να αξιοποιούν τους AI agents της, καθώς και να τους προσαρμόζουν ή να δημιουργούν νέους από το μηδέν χρησιμοποιώντας low‑code και “vibe coding” (αφήνοντας μια AI να γράψει τον κώδικα ακολουθώντας προτροπές από έναν άνθρωπο).

Το βασικό σημείο πώλησης της ServiceNow είναι ότι δεν είναι “δεσμευμένη” σε κάποια συγκεκριμένη τεχνολογία AI και μπορεί να ενσωματωθεί στα υπάρχοντα ψηφιακά εργαλεία και ροές εργασίας των εταιρειών. Παρέχει επίσης ένα αξιόπιστο περιβάλλον για την κεντρική διαχείριση ενός αυξανόμενου αριθμού AI agents.

Η διακυβέρνηση της AI επαναπροσδιορίζεται, με ένα κεντρικό κόμβο για τη διαχείριση, την παρακολούθηση και τη βελτιστοποίηση των AI Agents — είτε ενσωματωμένους είτε τρίτων. Και σε αντίθεση με τα κλειστά οικοσυστήματα, η ServiceNow είναι ανεξάρτητη από LLM και βαθιά ενσωματωμένη με την NVIDIA (NVDA ), τους υπερ‑προμηθευτές και ένα ακμάζον οικοσύστημα AI — παρέχοντας στις επιχειρήσεις πλήρη έλεγχο για να εξασφαλίσουν το μέλλον της στρατηγικής τους στην AI.

Η εστίαση αυτών των agents είναι η βελτίωση των περιθωρίων των εταιρειών καθιστώντας τις πιο αποδοτικές — αυτοματοποιώντας εργασίες IT, απλοποιώντας το HR, διαχειριζόμενοι ρουτίνες αιτήσεις πελατών, και επιταχύνοντας την ανάπτυξη εφαρμογών.
Η εταιρεία, με περισσότερα από 20 χρόνια, συνεχίζει να αναπτύσσεται γρήγορα, με πάνω από 20% ετήσια αύξηση εσόδων μέχρι το τέλος του 2025. Αξιοσημείωτο, οι υπάρχουσες ομάδες πελατών αυξάνουν σταθερά τη χρήση τους, οδηγώντας σε επέκταση του ACV (Ετήσιας Αξίας Συμβολαίου). Τα ποσοστά ανανέωσης παραμένουν σταθερά στο 95%-97% εύρος, καθιστώντας τα έσοδα εξαιρετικά προβλέψιμα.

Η εταιρεία έχει καταφέρει να δημιουργήσει σταθερά περιθώρια λειτουργίας και ελεύθερη ταμειακή ροή, αντανακλώντας τη σχετικά χαμηλή βάση κόστους σε σχέση με τα επαναλαμβανόμενα έσοδα της.

Τελευταία Ειδησεία και Εξελίξεις Μετοχής ServiceNow (NOW)