Аманда Сильвер о влиянии ИИ на разработчиков и стартапы
Аманда Сильвер уже 24 года работает в Microsoft и помогает разработчикам осваивать новые инструменты, включая ИИ. После длительного участия в создании GitHub Copilot она теперь занимает пост корпоративного вице-президента в подразделении CoreAI. Там она отвечает за инструменты, которые позволяют развертывать приложения и агентные системы в крупных компаниях. Основное внимание уделяется системе Foundry в Azure — единому порталу ИИ для предприятий. Благодаря этому Сильвер хорошо видит, как фирмы на практике применяют такие системы и где возникают проблемы с их внедрением.
Она поделилась мыслями о сегодняшних возможностях корпоративных агентов и объяснила, почему это шанс для стартапов не меньше, чем появление публичного облака.
В чём суть влияния ИИ на компании, не специализирующиеся на нём?
Переход к агентному ИИ — это момент, сравнимый по значимости с появлением облачных сервисов. Облако радикально упростило жизнь стартапам: больше не нужно арендовать помещения под серверы или вкладывать огромные суммы в оборудование для лабораторий. Всё стало доступнее. Теперь агентные системы продолжают снижать затраты на разработку и поддержку софта. Многие задачи для запуска нового проекта — от поддержки клиентов до юридических проверок — решаются быстрее и дешевле с помощью ИИ-агентов. Это приведёт к буму стартапов, а успешные из них смогут привлекать инвестиции при меньшем штате сотрудников. Такая перспектива выглядит вдохновляющей.
Как это проявляется на деле?
Агенты с несколькими шагами уже широко применяются для разных задач в программировании. Например, разработчики должны обновлять библиотеки, от которых зависит код. Если проект использует старую версию .NET runtime или Java SDK, агент может проанализировать весь код и обновить его, сократив время на 70–80%. Для этого нужен именно развёрнутый агент с несколькими этапами.
Ещё один пример — поддержка работающих сервисов. Когда сайт или служба даёт сбой посреди ночи, кому-то приходится вставать и разбираться. Люди по-прежнему дежурят круглосуточно на всякий случай. Но раньше это было кошмаром из-за мелких проблем, которые будили сотрудников. Теперь агентные системы диагностируют неисправности и часто полностью их устраняют, избавляя людей от ночных вызовов. Это сильно ускоряет решение инцидентов.
Почему внедрение агентных систем идёт не так быстро, как ожидалось полгода назад?
Тем, кто создаёт агентов, часто мешает отсутствие чёткого понимания их цели. Нужно менять подход к разработке: определить бизнес-задачу, которую решает агент, и критерии успеха. Важно также подумать, какие данные предоставить агенту, чтобы он мог рассуждать и выполнять задачу.
Такие барьеры встречаются чаще, чем опасения по поводу автономности агентов. Все, кто пробует эти системы, быстро видит отдачу от вложений.
Почему опасения по поводу неопределённости агентов кажутся меньшей проблемой на практике?
Сценарии с участием человека в цикле станут нормой для агентных систем. Возьмём обработку возвратов товаров: раньше 90% процесса автоматизировалось, а 10% требовали человеческого взгляда — например, оценки повреждений посылки.
Сегодня модели компьютерного зрения настолько точны, что человеческий контроль нужен реже. В пограничных случаях может сработать эскалация, как при вызове менеджера. Некоторые операции всегда потребуют надзора — например, заключение юридически обязывающих контрактов или деплой кода в продакшн, который может повлиять на надёжность систем. Но даже здесь автоматизация берёт на себя большую часть работы.