Интернет, как мы его знаем, подвергается сбросу в том, как он используется и что от этого ожидается. В течение десятилетий мы измеряли производительность в Интернете, используя такие метрики, как полоса пропускания, скорость и время безотказной работы. Но появление агентского ИИ — автономных программных агентов, способных принимать решения и выполнять задачи от нашего имени — открывает в эпоху, когда эти показатели уже недостаточно. По мере того, как агенты искусственного интеллекта становятся «пользователями» в Интернете вместе с людьми, они вводят новый стандарт для сетей и данных, на которые они полагаются.
Для предприятий это означает фундаментальный сдвиг в мышлении. Речь идет не о покупке большей пропускной способности или более быстрых серверов, а о том, чтобы организовать целую экосистему проверенных данных, устойчивых путей обслуживания и динамических возможностей, чтобы удовлетворить требования интеллектуальных агентов, которые никогда не спят и никогда не замедляются.
Поскольку агенты ИИ занимают свое место в качестве «цифровых граждан», действующих, решающих и сделок на скорости машины, задача состоит в том, чтобы обеспечить, чтобы сеть, данные и услуги, которые она предоставляет, соответствовали этой задаче. С этим преобразованием критические показатели для обеспечения производительности и точности будут включать в себя: валидацию качества данных, устойчивость и развитие планирования потенциала.
Проверка качества данных в зависимости от доверия
В эпоху агентского искусственного интеллекта качество данных является критической необходимостью. Агенты ИИ зависят от подачи данных для принятия решений и автоматизации процессов. Если данные являются неполными, устаревшими или неточными, последствия могут быть значительными, от дезинформированных деловых действий до финансовых потерь.
Рассмотрим агент ИИ финансовых услуг, которому поручено проверить транзакции в режиме реального времени в нескольких банковских системах. Если даже единый канал данных задерживается или поврежден, результат может быть остановлен сделками, сбоями соответствия или даже пропущено обнаружение мошенничества. Для выполнения таких сложных действий требуется не только больше данных, но и для лучших данных. Чтобы доверять действию автоматизированного агента, предприятиям нужно будет знать не только то, что это за данные, но и откуда это и о том, можно ли им доверять.
Обеспечение устойчивости между экспоненциальными взаимозависимостями
В течение многих лет сетевые операторы и предприятия отслеживали производительность в Интернете с помощью таких метрик, как время безотказной работы и доступность. Поскольку агентские системы ИИ координируют комплекс, взаимозависимые рабочие процессы, охватывающие десятки или сотни внешних API и услуг, устойчивость и время безотказной работы станут все более критическими и все более сложными.
В отличие от обычных услуг, которые следуют заранее определенным рабочим процессам, многие современные агенты ИИ предназначены для динамического определения своих собственных путей для выполнения задач. В сложных корпоративных средах это может привести к экспоненциально более сложным веб -веб -сайтам по сравнению с традиционными архитектурами обслуживания.
Количество источников данных, на которые агент будет включать, может варьироваться от действия к действию. Агент сосредоточен на создании ответа на конкретную подсказку: путь, необходимый для достижения туда, будет варьироваться, и дизайнеры агента не смогут контролировать, проверять или управлять производительностью с помощью одноточечных метрик.
Представьте себе систему обнаружения мошенничества, управляемой ИИ, которая должна собирать информацию из нескольких источников в режиме реального времени, чтобы пометить подозрительные транзакции. Любая единственная точка отказа, медленный API, проблема квот или переходная сеть, может вызвать каскадные сбои, потенциально оставляя весь процесс обнаружения.
В такой взаимозависимой архитектуре задержка также становится критически важной. Для агентского ИИ задержки даже в нескольких миллисекундах могут означать упущенные возможности или неудачные операции, особенно в таких секторах, как финансы или соответствие в реальном времени.
Планирование сквозного мощности, переосмысление того, что означает «достаточно»
В традиционной интернет -парадигме планирование потенциала было вопросом обеспечения достаточной пропускной способности или вычисления для удовлетворения спроса. Но в мире агентского искусственного интеллекта емкость должна рассматриваться как сквозная цепочка предоставления услуг, охватывающую не только необработанное подключение, но и весь маршрут от источника данных к агенту, посредством всей проверки, платежных шлюзов и краевых вычислительных узлов на этом пути.
Возьмите бэкэнд -систему банка в качестве примера. Чтобы поддержать тысячи запросов клиентов и регулирующих проверок в секунду, этого уже недостаточно, чтобы просто купить большую пропускную способность. Банк должен оптимизировать каждую ссылку в своей цепочке предоставления услуг, моделирование моделирования моделирования, прогнозируя всплески спроса и обеспечение того, чтобы ни одно узкое место (даже на полпути по всему миру) не может замедлить весь процесс.
Динамическое, прогнозирующее масштабирование — это новое ломовое слово. Подобно тому, как потоковые платформы, такие как Netflix, предварительно загружающий популярный контент на серверы, основанные на ожидаемом спросе, организациям необходимо будет предварительно выбирать или динамически распределять ресурсы для рабочих процессов агента искусственного интеллекта, чтобы обеспечить беспрепятственную производительность даже во время неожиданных скачков.
Новые метрики для нового интернета
Если архитектура Интернета всегда была устойчивой, то, что изменилось, так это то, как мы его используем и что мы ожидаем от этого. Агенты искусственного интеллекта будут способствовать переходу от базового времени безотказной работы и пропускной способности к акценту на качество данных, устойчивости обслуживания и сквозной гарантии.
Организации должны будут начать измерение совершенно новых показателей производительности: свежесть данных и отслеживание происхождения, показатели проверки с несколькими источниками, время завершения рабочего процесса агента и оценки медицинского обслуживания поперечного обслуживания. Передовые предприятия, вероятно, выйдут за рамки традиционных 99,9% -ных рабочих SLA в соответствии с соглашениями о «готовых к принятию решений»-гарантируя, что когда агент ИИ должен действовать, все необходимые источники данных были не только доступны, но и текущие, проверенные и достоверные.
Результатом станет новый набор медицинских услуг для организаций: не только «Это все?» Но «Правильно ли, это быстро, и могу ли я доверять им для критических операций?» В агентскую эпоху ИИ речь идет не только о том, чтобы сохранить свет; Речь идет о обеспечении правильных данных до нужного агента в нужное время, каждый раз. И по мере того, как агенты ИИ становятся более интегрированными в бизнес -процессы, эти новые метрики будут определять новые уровни конкурентоспособности и надежности.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом.
