Lühidalt: Agentiline tehisintellekt ei nurju ettevõtetes mitte mudeli valiku tõttu, vaid killustunud andmete, semantilise selguse puudumise ja autonoomsete süsteemide käitamisel ebapiisava jälgitavuse tõttu.
Keskmise suurusega ettevõtted panustavad agentilisele tehisintellektile, et muuta protsessid autonoomseks ja kiirendada otsuste tegemist, kuid tegelik kitsaskoht peitub andmeinfrastruktuuris. Kui operatiivandmed eksisteerivad mitmes vastuolulises versioonis, teevad agendid otsuseid valel alusel.
Agentilisel tehisintellektil, mis peaks iseseisvalt otsuseid tegema ja käivitama tegevusi äritarkvarasüsteemides, on keskmise suurusega ettevõtete jaoks märkimisväärne potentsiaal: autonoomsed protsessid, vähem käsitsi sekkumist, kiirem otsustusprotsess. IBM-i küsitluse kohaselt investeerib 64 protsenti küsitletud tegevjuhtidest uutesse tehnoloogiatesse hirmust maha jääda, ilma et nad oleksid eelnevalt nende väärtust täielikult selgitanud. Saksamaa Statistikaameti andmetel kasutab tehisintellekti juba 26 protsenti vähemalt kümne töötajaga Saksa ettevõtetest, suurettevõtete seas on see näitaja 57 protsenti. Takistustena nimetavad ettevõtted teadmiste puudumist, õiguslikku ebakindlust, süsteemide ühildumatust ning puudujääke andmete kättesaadavuses ja kvaliteedis.
Tegelik kitsaskoht peitub aga sügavamal kui mudeli valik. Operatiivandmed on hajutatud äritarkvarasüsteemide, integratsiooniplatvormide ja analüütiliste süsteemide vahel ning neid kopeeritakse ja teisendatakse pidevalt. Tulemuseks on see, et sama äriline tegelikkus eksisteerib samaaegselt mitmes versioonis. Tootmine, logistika ja kvaliteedikontroll kasutavad identsete mõistete jaoks sageli erinevaid definitsioone. See toob kaasa süsteemide asünkroonsed seisud ja killustunud andmebaasi — iga osakond töötab oma tõega. Agent, kes peab tegutsema autonoomselt, vajab aga selgust selles, kas tellimus on tegelikult kinnitatud, kas laoseis on saadaval ja kas toiming on sisuliselt lõpule viidud. Kui erinevad süsteemid annavad erinevaid vastuseid, teeb agent otsuseid vastuolulisel alusel ja käivitab järeltegevusi, mida on hiljem raske parandada.
Keskmise suurusega ettevõtete IT-projektidest joonistub välja kolm korduvat probleemimustrit. Esiteks andmekoopiad kui vaikelahendus. Iga uus kasutusjuhtum algab andmete tuvastamise ja ettevalmistamisega, millest pikas perspektiivis kujunevad eraldiseisvad andmehoidlad oma skeemide, kvaliteedireeglite ja vastutusaladega. Iga koopia vajab hooldust, jälgimist ja juurdepääsukontrolli; mudelimuudatused nõuavad samaaegseid kohandusi mitmes kohas, mis toob kaasa vastuolusid.
Teiseks liidesed ilma semantilise selguseta. Aja jooksul kujunenud IT-maastikke peetakse ettevõtte siseselt sageli integreerituks, sest andmed liiguvad tehniliselt. Agentilise tehisintellekti jaoks sellest ei piisa: API loob ühenduse, kuid mitte sisulist üheselt mõistetavust. Laoseis võib laosüsteemis olla saadaval, kuid mujal endiselt blokeeritud — tehniliselt korrektne, kuid sisuliselt vastuoluline. Inimesed tasakaalustavad selliseid ebatäpsusi kogemuse abil; agendid seda ilma lisakontekstita ei tee.
Kolmas muster on jälgitavuse puudumine käitamisel. Kui agent tegutseb, peab olema võimalik tõendada, millisele andmealusele otsus tugines ja miks see alus oli sel hetkel kehtiv. See eeldab läbivalt dokumenteeritud ja auditeeritavat andmeahelat, mitte ainult vastavuse tagamiseks, vaid ka operatiivseks vigade lahendamiseks.
Allikas: www.it-daily.net · Avaldatud 31. juuli 2026
Lumi AI News — tehisintellekti abil kureeritud vastavalt tehisintellektimääruse artiklile 50. Parafraseerimine ja klassifitseerimine Lumi News Pipeline v1.7.3 poolt.