Enterprise AI-teams lopen tegen een muur aan – niet omdat hun modellen niet kunnen redeneren, maar omdat de workflows daaronder nooit voor agenten zijn gebouwd. Taken mislukken, overdrachten mislukken en het probleem wordt groter naarmate organisaties agenten dieper in de backofficesystemen duwen. Er ontstaat een nieuwe architecturale laag om dit aan te pakken: controlevlakken voor de uitvoering van workflows die een deterministische structuur opleggen aan processen die agenten naar verwachting zullen uitvoeren.
Een van de bedrijven die dit op de voorgrond brengt is Salesforce, met een nieuw workflowplatform dat backoffice-workflows omzet in een reeks taken die gespecialiseerde agenten moeten voltooien. Gebruikers kunnen hun processen uploaden of een van de set Blueprints van Salesforce gebruiken, en Agentforce Operations zal dit voor agenten uitsplitsen.
Sanjna Parulekar, Senior Vice President of Product van Salesforce, vertelde VentureBeat in een interview dat het probleem is dat veel bedrijfsworkflows niet voor agenten zijn gebouwd. “Wat we bij klanten hebben gezien, is dat de tekortkomingen in een proces vaak in het document met productvereisten zitten”, aldus Parulekar. “Dus als dat in een product wordt geüpload, werkt het niet helemaal. We kunnen het optimaliseren en een aantal dingen weglaten en vervangen door een agent.”
Zonder deze controlepaneellaag zouden bedrijven het risico kunnen lopen agenten in te zetten die de kosten verhogen in plaats van hun workflowproblemen op te lossen.
Zorg ervoor dat de workflow voor agenten werkt, en niet alleen voor mensen
Bedrijven die agenten inzetten, leren een kostbare les: hun workflows zijn ontworpen op basis van menselijke beoordelingslacunes, en niet op machinale uitvoering. Processen die zich hebben ontwikkeld door jaren van oplossingen – los gedefinieerde stappen, impliciete beslissingen, coördinatie die afhangt van het feit of individuen weten wat ze vervolgens moeten doen – breken wanneer agenten wordt gevraagd ze letterlijk te volgen.
Zelfs als de volledige context van een onderneming binnen handbereik is, zullen AI-systemen moeite hebben met het uitvoeren van taken als niet duidelijk is wat ze moeten doen.
Parulekar zei dat haar team ontdekte dat het systeem deterministischer wordt door te focussen op wat het proces drijft en het op te splitsen in meer expliciete stappen en workflows. Wanneer platforms als Agentforce Operations vervolgens agenten introduceren, kennen die agenten hun specifieke taken al.
“Het dwingt bedrijven om hun processen te heroverwegen en introduceert waarneembaarheid in de mix vanwege het sessietraceringsmodel in het systeem”, zei ze.
Parulekar zei dat menselijke controles in het systeem kunnen worden ingebouwd, zodat het proces transparanter is.
Wat deze aanpak anders maakt dan andere aanbiedingen voor workflowautomatisering, is dat deze niet afhankelijk is van agenten om te beslissen wat ze vervolgens gaan doen; het systeem wel. In tegenstelling tot meer traditionele automatiseringstools die taken en agenten op probabilistische besluitvorming routeren, dwingt dit de uitvoering af op een meer vooraf gedefinieerde, deterministische structuur.
Het probleem dat het introduceert
Het coderen van een workflow repareert een kapotte workflow niet. Als een proces gebrekkige stappen bevat, vergrendelt het coderen ervan voor agenten het probleem op schaal. En zodra de workflows over agenten zijn verdeeld, verschuift de uitdaging van uitvoering naar beheer: wie is eigenaar van het proces, wie valideert het en hoe het evolueert als de bedrijfsomstandigheden veranderen.
Het legt de verantwoordelijkheid bij teams om goed te kijken naar wat voor hen werkt en wat niet.
Organisaties moeten bedenken dat, naast het uitvoeringscontrolevlak dat platforms als Agentforce Operations bieden, iemand verantwoordelijk moet worden gemaakt voor de voltooiing en het succes van taken.
Brandon Metcalf, oprichter en CEO van Workforce Orchestration-bedrijf Asymbl, vertelde VentureBeat in een afzonderlijk interview dat de sleutel tot het volgen van een workflow voor zowel mensen als agenten een gedeeld doel is.
“Je moet het doel begrijpen, anders zal de agent of de mens de taak niet succesvol voltooien”, zei Metcalf. “Iemand moet het resultaat dat moet worden behaald, beheren. Het kan een persoon of een agent zijn.”
Het knelpunt is verplaatst. Zoals Metcalf het formuleerde, is de vraag niet langer of agenten een taak kunnen redeneren, maar of de workflow eronder coherent genoeg is om uit te voeren. Voor bedrijven die hun processen hebben opgebouwd rond menselijk oordeel en institutioneel geheugen, is dat een moeilijkere oplossing dan het inruilen voor een slimmer model.
