Agentic AI: Ang Susunod na Trilyong-Dolyar na Laro sa Kahusayan

Mula sa LLMs Patungo sa AI Agents

Ang pagganap ng AI ay nagbago kung paano natin nakikita ang kakayahan ng mga artipisyal na sistema na makipag-ugnayan sa mga tao, karamihan dahil sa halos makataong pagsasalita ng mga LLM (Large Language Models) tulad ng ChatGPT.

Sa antas na ito na, kaya na ng AI na tumulong o kahit palitan ang mga tao sa mga gawain tulad ng pagsasalin, paghahanap ng datos, pagprograma, atbp. Gayunpaman, isang bagong antas ng kakayahan ng AI ang binubuksan ng AI Agents. Ang pangunahing ideya ng AI agents ay lumikha ng mga AI na maaaring gumana nang mag-isa sa isang ibinigay na kapaligiran. Pinapayagan nito silang kumilos nang walang patuloy na kumpirmasyon o superbisyon.

Ibig sabihin nito ay may napakaibang praktikal na papel sila kumpara sa generative AI tulad ng mga LLM o mga image generator, na kadalasan ay tumutugon lamang sa mga prompt na ginawa ng tao.

Sa kontekstong iyon, ang “kapaligiran” ay maaaring tumukoy sa mga tiyak na sitwasyon sa totoong mundo—tulad ng isang sasakyan sa kalsada para sa isang self‑driving agent—o isang ganap na virtual na “lugar,” tulad ng isang tiyak na suite ng software o digital interface.

Ito ang hakbang kung saan ang AI ay umuusad mula sa “Pakikipag-usap” tungo sa “Paggawa”. Salungat sa mga generalist na LLM, kadalasan ay may mas limitado at mas makitid na saklaw ang mga AI agents. Nakakatulong ito upang maging mas epektibo at mapagkakatiwalaan sila sa paggawa ng mga autonomous na desisyon, samantalang ang isang generalist na AI ay maaaring madaling lumihis sa hindi inaasahang direksyon.

Ang mga AI agents ay susunod na hakbang sa paggawa ng AI na kapaki-pakinabang para mapabuti ang kahusayan ng napakaraming proseso.

AI Agents Explained

I-swipe para mag-scroll →

Ang AI Agents ba ay Bagong Breakthrough o Isang Ebolusyon?

Ang mga tampok na ito ay naglalagay sa AI agents isang hakbang sa itaas ng mga nakaraang iterasyon ng AI tools, tulad ng mga assistants at bots, dahil sa mas proaktibong kakayahan, autonomiya, at kakayahang humawak ng kumplikado, multi‑step na mga gawain.

Tulad ng tunay na katalinuhan, maaari silang mag‑self‑refine: natututo sila mula sa karanasan, inaayos ang kanilang pag‑uugali base sa feedback, at patuloy na pinapahusay ang kanilang kakayahan sa pagganap sa paglipas ng panahon.

Kaya habang ang mga bots at AI assistants ay maaaring magampanan ang bahagi ng mga gawain na ibinibigay sa isang AI agent, ang autonomiya, proaktibong lapit, at mataas na antas ng komplikasyon ay nagtatangi sa mga agent mula sa mga nakaraang antas ng automation. Ginagawa nitong mas malapit sila sa isang tunay na manggagawa, kahit na para lamang sa tiyak na gawain na kanilang sinanay.

Paano Mag‑scale ang Autonomous AI Agents sa Iba‑ibang Industriya

Ang modernong buhay ay puno ng paulit‑ulang gawain na bahagyang mas kumplikado para sa simpleng automation scripts ngunit nakakapagod para sa mga tao. Ginagawa nitong lalo pang mahalaga ang mga AI agents para sa mga workflow na paulit‑ulit at batay sa paghuhusga—mula sa pag‑gabay sa isang customer sa pamamagitan ng troubleshooting algorithm hanggang sa pagmamaneho ng mga trak sa highway.

Hindi tulad ng mga tao, ang mga ganitong AI agents ay maaaring magtrabaho 24/7 at mag‑scale agad nang walang karagdagang overhead.

Maraming paraan upang iklasipika ang antas na ating narating sa kakayahan ng AI. Sa pangkalahatan, ang mga sukatan ay nagkukumpara sa kakayahan ng AI sa pangkalahatang populasyon ng tao. Ang pinakabagong mga AI agents ay umaabot na sa kasanayan ng 50‑90% ng populasyon sa mga tiyak, makitid‑domain na gawain.

Ang mga “Level 2‑3” na AI agents ay karaniwang itinuturing na gitnang punto sa pag‑unlad ng AI, at simula pa lamang para sa AGI (Artificial General Intelligence).

Ang umuusbong na arkitektura ay magtayo ng maraming espesyal na AI agents at hayaang bawat isa ay humawak ng isang tiyak na gawain sa antas na katumbas ng manggagawa. Para sa mas kumplikadong workflow, isang serye ng AI agents ang magkakasunod na gagana, nakikipagtulungan upang maisakatuparan ang mas malaking trabaho sa pamamagitan ng paghahati nito sa mas maliliit na sub‑tasks.

Ang mga custom na agent, na binuo nang internal gamit ang tulong ng mga AI platform, ay malamang ding maging mas karaniwan habang ang mga coding agent ay nagpapababa ng komplikasyon ng pag‑develop ng enterprise apps.

Pagtaas ng Kahusayan ng AI at Tao Nang Sabay

Isa pang bentahe ng mga AI agents kumpara sa mas pangkalahatang AI ay kahusayan. Habang sila ay nagtataglay ng kahusayan sa isang gawain, hindi sila nabibigatan ng mga labis na kakayahan.

Halimbawa, ang isang dedikadong AI agent ay maaaring magmaneho ng kotse tulad ng tao ngunit wala itong iba pang kakayahan ng tao sa pag‑rason. Maaaring “maunawaan” nito ang mga kalsada, ngunit hindi ito magiging mahusay sa pakikipag‑usap, hindi alam kung paano lumikha ng imahe mula sa prompt, o humawak ng malalaking database.

Dahil dito, ang modelo ay nangangailangan ng mas kaunting memorya at computing power upang gumana. Bilang resulta, nababawasan ang pangangailangan sa hardware at enerhiya na kinakailangan para sa gawain nito.

Gaano Karaming Autonomiya?

Ang mas malaking autonomiya ng mga AI agents ay ang kanilang pinakamalaking lakas, ngunit maaari rin itong maging hadlang sa pag‑adopt.

Kahit na isang napaka‑kompetenteng at mapagkakatiwalaang AI agent ay maaaring hindi lubos na pagkatiwalaan sa paggawa ng mga desisyon na may mataas na epekto sa totoong mundo. Isang bagay ang mag‑set ng pinahusay na chatbot para sa customer service; iba naman ang hayaan itong pangasiwaan ang payroll para sa libu‑libong empleyado.

Malamang na ang sabay na pag‑lago sa kalidad ng mga desisyon ng AI at pag‑dami ng pamilyaridad dito ay magbibigay‑daan sa mga awtoridad na magbigay ng mas maraming latitude sa paggawa ng desisyon ng AI. Ito, gayunpaman, ay nagbubukas ng mga kawili‑wikiling tanong sa legal at etikal na aspeto hinggil sa responsibilidad ng mga aksyon ng AI.

Kailangan ng malinaw na legal na balangkas. Halimbawa, kung ang isang self‑driving na kotse ay magkaroon ng aksidente, sino ang responsable—ang provider ng AI agent? Habang tumataas ang autonomiya, ang mga desisyon ay nakakaapekto sa totoong tao at nagiging mamahaling tanong sa pananagutan.

Kasama rin dito ang isyu ng maling paggamit, tulad ng identity theft o automated fraud. Mga tanong ito sa lehislasyon, ngunit madalas na mas mabilis ang pag‑unlad ng teknolohiya kaysa sa regulasyon.

Ang Hinaharap ng AI Agents

Maaaring Maging Makitid na Generalist ang AI Agents?

Tulad ng ipinaliwanag, ang mga unang AI agents ay makitid upang maging epektibo at mapagkakatiwalaan. Gayunpaman, ang mga mas mataas na antas ng AI agents ay mangangailangan ng pag‑unawa sa konteksto, memorya ng mga nakaraang desisyon, at patuloy na pagkakaugnay ng gawain.

Sa simula, maaaring gawin ito sa tulong ng isang tao, na nagiging mas katulad ng “conductor” ng mga agentic AI kaysa gawin ang gawain mismo. Siyempre, ang pag‑alis ng paggawa ng tao mula sa ekwasyon ay ang panghuling layunin upang mapabuti ang kahusayan.

Halimbawa, ang isang AI na gumagawa ng diagnosis sa isang ospital ay kailangang magsuri ng mga medikal na imahe, maunawaan ang teksto o boses na naglalarawan ng mga sintomas, pagsamahin ang mga resulta ng medikal na pagsusuri at kasaysayan ng pasyente, at maghanap ng kaugnay na siyentipikong literatura—sabayan. Kailangan nitong pagsamahin ang datos na ito nang matalino.

Mga Aplikasyon sa Pananalapi

Ang ilang sektor ay nag‑aalinlangan sa pag‑alis ng tao mula sa decision loop, partikular sa manufacturing o healthcare kung saan ang mga pagkakamali ay maaaring mapanganib. Gayunpaman, isang sektor ang buong pusong yumayakap sa AI agents: pananalapi.

Ang karamihan ng mundo ng pananalapi ay gumagamit na ng mataas na antas ng automation, mula sa mga trading system hanggang sa fraud detection. Ang mga fintech ay mas bukas pa sa agentic AI, dahil ang kanilang pag‑iral ay nakasalalay sa pag‑automate ng kahusayan sa pananalapi. Ang pagpapabuti ng kahusayan sa isang industriya na humahawak ng trilyon ay mabilis na maaaring magbunga ng mapag‑kita na margin expansion.

Halimbawa, maaaring targetin ng isang agent ang nakakaubos ng oras na gawain ng reconciliation (pag‑tugma ng bank statements, spreadsheets, at ledgers). Ang mga mid‑sized na kumpanya ay maaaring gumugol ng higit sa 300 oras kada taon lamang sa bank reconciliation. Habang ang mga spreadsheet ay maaaring i‑automate ang ilang bahagi nito, sila ay madaling masira. Nag‑aalok ang Agentic AI ng mas mataas na flexibility at kakayahang mag‑reason upang harapin ang mga exception at unstructured data.

Pag‑i‑invest sa Agentic AI

ServiceNow

Ang ServiceNow ay isang cloud computing platform na itinatag noong 2003, nakatuon sa paglikha at pamamahala ng mga automated na workflow ng negosyo. Mula sa isang matatag na base ng mga kliyente sa business automation, ganap nang lumipat ang kumpanya sa agentic AI.

Pinapayagan nito ang mga kumpanya na gamitin ang mga AI agents nito, pati na rin i‑customize ang mga ito o lumikha ng bago mula sa simula gamit ang low‑code at “vibe coding” (pag‑payag sa AI na sumulat ng code batay sa mga prompt ng tao).

Ang pangunahing selling point ng ServiceNow ay hindi ito “kasal” sa anumang partikular na teknolohiya ng AI at maaaring i‑integrate sa umiiral na digital tools at workflow ng mga kumpanya. Nagbibigay din ito ng maaasahang interface upang sentralisahin ang pamamahala ng dumaraming bilang ng AI agents.

Ang pamamahala ng AI ay muling binigyang kahulugan, na may isang central hub para pamahalaan, subaybayan, at i‑optimize ang AI Agents—kahit native o third‑party. At hindi tulad ng closed ecosystems, ang ServiceNow ay LLM‑agnostic at malalim na integrated sa NVIDIA, hyperscalers, at isang masiglang AI ecosystem—na nagbibigay sa mga negosyo ng ganap na kontrol upang future‑proof ang kanilang AI strategy.

Ang pokus ng mga agent na ito ay mapabuti ang margin ng mga kumpanya sa pamamagitan ng pagpapataas ng kanilang kahusayan—pag‑automate ng IT tasks, pagpapasimple ng HR, paghawak ng routine na kahilingan ng customer, at pagpapabilis ng pag‑develop ng app.

Ang 20+ taong gulang na kumpanya ay patuloy na lumalago nang mabilis, na may higit sa 20% na taunang paglago ng kita sa katapusan ng 2025. Kapansin‑panabik, ang mga umiiral na cohort ng kliyente ay patuloy na lumalago ang paggamit, na nagreresulta sa pag‑expand ng ACV (Annual Contract Value). Ang mga renewal rates ay patuloy na nananatiling nasa 95%-97% range, na ginagawang lubos na predictable ang kita.

Nagawa ng kumpanya na lumikha ng solidong operating margins at free cash flow, na sumasalamin sa relatibong mababang cost base nito kumpara sa recurring revenues.

Pinakabagong Balita at Pag‑unlad sa Stock ng ServiceNow (NOW)