Rozmawiając z przedstawicielami SAP można dojść do wniosku, że powinniśmy znaleźć nowe słowo dla asystentów AI. Nie mają nam bowiem asystować. Zamiast tego SAP chce, aby samodzielnie realizowali coraz więcej zadań. Nawet na orbicie.
SAP rozwija koncepcję „autonomicznego przedsiębiorstwa". Teraz ogłosił nowości związane z analizą danych, budową agentów na platformie Joule, ich współpracą z systemami innych dostawców, a także nadzorem.
Agenci dla programistów i dla biznesu
Joule Studio pozwala programistom i użytkownikom biznesowym budować agentów i zarządzać nimi za pomocą narzędzi no-code i pro-code, co ma otwierać nowe ścieżki dla tworzenia rozwiązań w firmach:
Dla nas to nie jest jednorazowe działanie, w ramach którego wyrażasz intencję, agent się uruchamia, robi, co chce i nigdy do niego nie wracasz. To raczej iteracyjny proces między biznesem a programistami, w którym przechodzi się od intencji przez wymagania produktowe i specyfikację techniczną po testy i wdrożenie - mówi Florian Kunzke, zarządzający strategią AI w SAP.
Agenci mogą korzystać z ponad 70 modeli AI, a także z narzędzi zewnętrznych i klasycznych automatyzacji od n8n (innej niemieckiej firmy, w którą SAP zainwestował).
To, że coś da się zrobić dużym modelem językowym, nie znaczy, że zawsze należy - mówi Philipp Herzig, zarządzający technologią w SAP, przypominając, że klasyczny workflow jest znacznie tańszy niż wykorzystanie LLM-ów.
Agent może wywołać deterministyczny workflow, a ten z kolei wywołać agenta, np. gdy trzeba zrozumienia dokumentu.
To nie jest albo-albo. To raczej skrzynka z narzędziami, z której wybieramy potrzebne elementy - dodaje Herzig.
Jakie są dwa najważniejsze składniki, jakie z tej skrzynki możemy wyciągnąć? To autonomia i dynamicznie, kontekstowo generowane interfejsy.
Im bliżej AI jest rzeczywistych procesów, danych na żywo i aplikacji, w których użytkownicy już pracują, tym lepsza adopcja. AI lepiej rozumie, o co w tych procesach chodzi i jak je wykonać lub zautomatyzować - mówi Kunzke i podaje przykład zakłóceń w łańcuchu dostaw. - Agenci Joule zestawią zewnętrzne dane o incydencie, wpływie na firmę, dotkniętych produktach, klientach i zagrożonych transakcjach i pokażą dostępne opcje - dodaje.
Jest to możliwe dzięki „firmowej pamięci", czyli sposobie na przekazanie agentom wiedzy, której nie ma w systemach.
Agent wie, jak się tu pracuje
Agent AI jest na starcie jak błyskotliwy stażysta pierwszego dnia pracy. Jest szybki i elokwentny, ale nie wie, jak firma naprawdę działa. Modele szybko się upodabniają i klienci będą je zmieniać, gdy zmieni się stosunek ceny do jakości, więc przewagą ma być nie model, lecz to, co go otacza: firmowa semantyka (dostawcy, umowy, systemy, polityki), a także procedury (jak podejmuje się decyzje, kiedy obowiązują wyjątki i jak praca ma przepływać przez systemy. Jeśli pamięć semantyczna to znajomość części samochodu, proceduralna to umiejętność jazdy.
SAP podaje przykład z serwerownią. Agent szuka najszybszego dostawcy awaryjnie potrzebnego serwera i go zamawia, a wraz z urządzeniem przychodzi faktura na 25 tys. dolarów. Zwykły asystent poradzi, by skontaktować się z działem finansów. Agent z firmową pamięcią ma sprawdzić, czy istnieje umowa ramowa, czy powstało zamówienie, czy zaksięgowano przyjęcie towaru, czy kwota przekracza próg akceptacji i czy proces przeszedł odpowiednią ścieżkę.
SAP gra w otwarte karty
Druga duża grupa nowości dotyczy współpracy z agentami innych dostawców. SAP wykorzystuje protokoły Agent2Agent (A2A) i Model Context Protocol (MCP), aby umożliwić zewnętrznym agentom wywoływanie agentów SAP przez tzw. Agent Hub i odwrotnie, z zachowaniem kontroli dostępu.
Otwartość ma jednak warunki. Wspomniany hub pozwala odkryć wszystkich agentów, udokumentować ich i ocenić pod kątem unijnego AI Act.
Jeśli firma uzna, że agent nie jest zweryfikowany, nie zostanie przepuszczony - wyjaśnia Herzig i dodaje: Są dobrzy agenci, ale też wielu takich, których niekoniecznie chcesz mieć w firmie.
Nowe funkcje Joule Studio mają też dać programistom i administratorom wgląd w działanie agentów, zużycie modeli i związane z nim koszty. Przy rozwiązaniach, w których każde zapytanie kosztuje, jest to jedna z bardziej praktycznych nowości.
Nowa generacja modeli tabelarycznych
W kontekście LLM-ów najczęściej mówi się o analizie danych nieustrukturyzowanych. W końcu modele nie mają problemów z przeanalizowaniem prezentacji czy PDF-a. Co innego, dane ustrukturyzowane, np. tabele, które długo były wyzwaniem. SAP-RPT-2.0 ma to zmienić - oprócz klasyfikacji i regresji ma wykrywać anomalie. SAP-RPT-TS to zaś model do prognozowania wskaźników biznesowych bez budowania własnych modeli uczenia maszynowego.
Podajesz tabelę, a model od razu zwraca prognozę. Dawniej taki projekt oznaczał zespół analityków danych i zaawansowane modele. To wszystko w zasadzie przeszłość - mówi Herzig. Oznacza to, że bariera wejścia w wykorzystanie modeli prognostycznych jest dziś znacznie niższa.
Zapytany o halucynacje, odpowiada, że w modelach tabelarycznych nie ma „aspektu kreatywności". Do tego dochodzą funkcje wyjaśniające: wskazanie kolumn, które zadecydowały o wyniku, oraz “wyjaśnij przykładem” pokazujące podobne wiersze. Dzięki temu to, jak podkreśla Herzig, nie są „czarne skrzynki". W przeciwieństwie do modeli generatywnych nie tworzą swobodnych wypowiedzi tekstowych, ale ich prognozy nadal wiążą się z niepewnością. Dlatego SAP udostępnia przedziały ufności, szacunki wariancji i funkcje wyjaśniające.
Model SAP na pokładzie Międzynarodowej Stacji Kosmicznej
SAP pracuje nad wdrożeniem modelu SAP-RPT na pokładzie Międzynarodowej Stacji Kosmicznej. Model ma wykrywać nieprawidłowości, przewidywać możliwe awarie i odtwarzać brakujące dane z czujników na podstawie wcześniejszych odczytów, bez wysyłania danych na Ziemię.
Dlaczego model do danych biznesowych trafia w kosmos? Herzig tłumaczy, że to model ogólnego przeznaczenia, tak jak duże modele językowe są nimi dla tekstu. Kosmiczny moduł generuje telemetrię, a przesłanie 10 gigabajtów danych na Ziemię trwałoby za długo. Same modele są stosunkowo małe, więc mogą działać na miejscu.
Co to oznacza dla innych użytkowników? AI coraz częściej może działać na urządzeniach końcowych - bez komunikacji z centrami danych, co oznacza większą niezależność.
Dyżurny spec Bizbloga od startuperii, botów, kryptokasy i wszelakich fanaberii szejków. Specjalista nowych technologii z doświadczeniem ze starych mediów. Zajmuje się opisywaniem sukcesów i porażek startupów, rozwojem rynku kryptowalut i cyfrowych finansów. Autor dwóch książek „Bitcoin. Złoto XXI wieku” i „Polski e-sport”. Publikował w „Pulsie Biznesu” i „Gazecie Wyborczej”, w „CD-Action”, „Newsweeku”, „Gościu Niedzielnym” i „Wprost”. Współtworzył Sondę 2. Uczestnik Intel Extreme Master 2021, komentował wydarzenia technologiczne dla TVN, Polsatu i Tok FM. Teraz krąży gdzieś między Rijadem a Abu Zabi.