Przedsiębiorstwa, które chcą czerpać realną wartość z AI i skutecznie ją wdrażać, powinny skupić się na praktycznym, systematycznym zarządzaniu niezbędnym do budowania przepływów pracy AI opartych na zaufaniu, przejrzystości i interoperacyjności — przekonuje przedstawiciel Google Cloud.

Nieustanny strumień nowych modeli AI pojawiających się co tydzień może sprawiać, że branża przypomina jeden wielki cykl promocyjny — to mylący krajobraz dla organizacji próbujących ustalić, czego faktycznie potrzebują, aby ich przepływy pracy AI były skuteczne. Aby wyjść poza obietnice modeli, narzędzi i agentów AI, firmy powinny unikać stawiania technologii nierealistycznych oczekiwań i zamiast tego zbudować właściwy fundament dla praktycznych aplikacji AI opartych na zaufaniu, przejrzystości i interoperacyjności.

„Interoperacyjność i otwartość to dwa naprawdę kluczowe pojęcia, podobnie jak przejrzystość” — powiedział Michael Clark, dyrektor ds. zarządzania produktami w Google Cloud, w podcaście Targeting AI od AI Business.

Nacisk na otwartość odzwierciedla szerszą zmianę w branży: w miarę jak przedsiębiorstwa przechodzą od pilotażu pojedynczych narzędzi AI do wdrażania systemów wieloagentowych, dostawcy, w tym Google, poparli otwarte standardy interoperacyjności, takie jak protokół Agent2Agent, który Google wprowadził w 2025 r. wspólnie z dziesiątkami firm partnerskich, aby agenci AI od różnych dostawców mogli wymieniać informacje.

Według Clarka systemy zdolne do łączenia się z innymi systemami są kluczowe dla sukcesu aplikacji generatywnej i agentowej AI. Aby agent AI odniósł sukces w obsłudze klienta, przedsiębiorstwa potrzebują na przykład interoperacyjności z różnorodnymi systemami.

„W wielu centrach obsługi telefonicznej ludzie robią rzeczy bardzo ręcznie, nie korzystając z API ani z innych narzędzi, gdy rozwiązują problemy klientów” — powiedział Clark. „Chodziło więc o to, aby mieć albo agentów, albo inny kontekst dotyczący tego, co dzieje się w innych częściach firmy, i móc podejmować działania”.

Kontekst może być również kluczowym czynnikiem odróżniającym działającą aplikację agentową od niedziałającej, dodał Clark.

„Widzimy, że kontekst to audio i wideo, w niektórych przypadkach także dane z lidarów i inne rodzaje informacji, strumieniowe dane finansowe i tym podobne, które pomagają agentom podejmować codzienne decyzje” — powiedział.

Poza interoperacyjnością i kontekstem przedsiębiorstwa potrzebują również ładu korporacyjnego i zaufania — tematu, który zyskał na znaczeniu w miarę jak regulatorzy w Unii Europejskiej i elsewhere wprowadzają przepisy dotyczące AI nakładające obowiązki na firmy wdrażające systemy AI wysokiego ryzyka.

„Jako firma zrozumcie bardzo jasno swoje zamierzone rezultaty i swoją tolerancję ryzyka” — powiedział Clark. „Po zidentyfikowaniu tego ryzyka należy umieścić człowieka w pętli decyzyjnej dla wszystkiego, co przekracza ten poziom”.