Slik kan agentisk AI transformere stormaskinmiljøer

Fremveksten av agentiske AI-systemer markerer en betydelig utvikling innen kunstig intelligens, der skiftet går fra tradisjonelle regelbaserte systemer til dynamiske, beslutningstakende systemer som tilpasser seg og lærer i sanntid. Disse er klare til å revolusjonere bransjer og stormaskinteknologi for å gi mer personlige, effektive og autonome operasjoner.

Fremtiden for agentisk AI er preget av fremveksten av AI-agenter, der adopsjonen drives av behovet for å håndtere komplekse oppgaver autonomt og tilpasse seg endringer.

Det som gjør agentisk AI til mer enn bare en ny bølge av automatisering, er at det tvinger virksomheter til å revurdere tidligere antakelser om hvordan teknologi brukes og hvordan prosesser implementeres. I flere tiår har IT-strategi i stor grad handlet om å kodifisere beste praksis til forutsigbare prosesser og redusere variasjonen. Agentiske systemer snur den logikken på hodet. De kan trives i tvetydighet og tilpasse seg underveis. Virksomhetene som vinner i denne æraen vil ikke være de som bare kobler agenter inn i gamle arbeidsflyter, men de som er villige til å redesigne driftsmodellene rundt fleksibilitet, robusthet og samarbeid mellom mennesker og maskiner.

Arkitekturen bak agentisk AI

Agentiske systemer er bygget på store språkmodeller (LLM-er), supplert med funksjoner som gjenfinning, verktøy og minne, og de kan kategoriseres i to distinkte arkitekturer.

Den første er arbeidsflytdrevne systemer, som følger forhåndsdefinerte kodestier og orkestrerer LLM-er og verktøy for å levere forutsigbare, konsistente resultater. De fungerer best for oppgaver som kan deles opp i faste deloppgaver, som automatisert rapportering eller datavalidering.

Den andre er agenter, som dynamisk bestemmer sine egne prosesser og verktøybruk, beholder kontrollen over hvordan de oppnår resultater, men alltid holder et menneske informert for å godkjenne eller avvise potensielt forstyrrende handlinger. Denne fleksibiliteten gjør dem godt egnet for mer komplekse og flytende scenarier, fra kundestøtte til ressursallokering.

Kyndryl lanserte Kyndryl Agentic AI Framework for å støtte utviklingen av agentiske AI-systemer. Dette rammeverket tilrettelegger for selvstyrte, selvlærende agenter som samarbeider med mennesker for å utføre komplekse arbeidsflyter i stor skala. Det integreres med det eksisterende miljøet, utnytter Kyndryl Bridge der det er hensiktsmessig og bruker grafbasert tilrettelegging for å balansere hastighet, robusthet og åpenhet.

Som et supplement til disse rammeverkene har Model Context Protocol (MCP) vokst frem som en åpen standard som forenkler integrasjon av AI-modeller med ulike verktøy og datakilder. Ved å standardisere interoperabilitet gjør MCP det mulig for utviklere å bygge agenter som lettere kan bevege seg mellom rammeverk uten omfattende reimplementering. Dette forbedrer fleksibiliteten, skalerbarheten og vedlikeholdet og effektiviserer til slutt utviklingen av agentisk AI.

Praktisk anvendelse i stormaskinmiljøer

Ved å designe agenter som kan utføre spesifikke oppgaver, som å utføre automatiserte vedlikeholdsrutiner eller administrere ressursallokering, kan virksomheter effektivisere driften og redusere byrden på menneskelige operatører. Disse agentene kan programmeres til å utføre rutineoppgaver med presisjon og konsistens, noe som styrker påliteligheten og stabiliteten til stormaskinsystemene.

Agentiske systemer kan også utformes som intelligente assistenter, utstyrt med dyp kunnskap om spesifikke virksomheter og kontekstuell forståelse av beste praksis og prosedyrer. Ved å trekke på denne innebygde ekspertisen kan de hjelpe til med å håndtere dem mer effektivt og med større selvtillit.

For eksempel innen kundeservice kan agenter gi innsikt i kontoadministrasjon, anbefale tiltak basert på historiske data og sørge for overholdelse av etablerte protokoller.

De kan også forvandle opplæring og onboarding av ansatte ved å tilby interaktive, personlige læringsopplevelser som tilpasses den enkeltes tempo og kompetansenivå. Gjennom tilbakemeldinger i sanntid, praktiske simuleringer og fremdriftssporing er nyansatte bedre rustet til å tilegne seg ferdighetene de trenger raskt og effektivt.

Utover disse dag-til-dag-applikasjonene har agentiske systemer stort potensial i storskala moderniseringsinitiativer som stordatamaskintransformasjon. Når virksomheter ønsker å oppdatere eldre systemer og integrere dem med moderne teknologier, kan agenter automatisere datamigrering, identifisere hva som kan gjøres for å modernisere eksisterende applikasjonskode og støtte kompatibilitet med nye plattformer. Dette bidrar til å akselerere moderniseringen samtidig som risikoen for forstyrrelser og feil reduseres.

Alt i alt er agentiske systemer uvurderlige verktøy for et bredt spekter av applikasjoner i stormaskinmiljøer, og forandrer måten virksomheter opererer og administrerer sine kritiske systemer på. 

Sikkerhet først-mentalitet

Som ved all storskala teknologiadopsjon er sikkerhet avgjørende, og agentiske AI-systemer må bygges med sterke sikkerhetsmekanismer for trygg og pålitelig drift. Rollebasert tilgangskontroll for eksempel tildeler tillatelser til agenter basert på deres funksjoner, og reduserer dermed risikoen for uautoriserte handlinger. Disse tiltakene forsterkes av sikker lagring, kryptering og flerfaktorautentisering, som alle bidrar til å beskytte systemlegitimasjon og sluttbrukerautorisasjon.

Like viktig er sikkerhetstiltak rundt hvordan agenter samhandler med data og oppgaver. Inndatavalidering, utdataovervåking og atferdsbegrensninger bidrar til å forhindre misbruk av språkmodellkomponenter, mens menneskelig tilsyn med kritiske operasjoner er et ekstra beskyttelseslag, slik at forstyrrende eller høyrisikotiltak blir nøye gjennomgått før utførelse.

Til slutt gir kontinuerlig overvåking, observasjon og revisjon åpenhet og ansvarlighet, noe som styrker den overordnede integriteten til agentiske systemer og hjelper virksomheter med å opprettholde tillit til sin implementering.

Veien videre

Adopsjonen av agentiske AI-systemer forventes å vokse stadig raskere. Nesten 80 % av respondentene i 2025 State of Mainframe Modernization Survey sier at de implementerer eller planlegger å implementere agentisk AI i løpet av de neste tre årene for å utvikle, teste og administrere forretningsapplikasjoner. For stormaskinvirksomheter er forståelse og omfavnelse av disse teknologiene avgjørende for å opprettholde et konkurransefortrinn i det raskt utviklende AI-landskapet.

Agentisk AI representerer et revolusjonerende teknologiskifte og gir enestående muligheter for innovasjon og effektivitet. Etter hvert som virksomheter navigerer i denne transformative æraen, vil adopsjonen av disse systemene være avgjørende for å forme fremtiden for stordatateknologi og videre.

Om Kyndryl

Kyndryl (NYSE: KD) er en ledende leverandør av virksomhetskritiske teknologitjenester og leverer rådgivning, implementering og drift til tusenvis av kunder i mer enn 60 land. Som verdens største leverandør av IT-infrastrukturtjenester designer, bygger, drifter og moderniserer selskapet de komplekse informasjonssystemene som verden er avhengig av hver dag. For mer informasjon, besøk www.kyndryl.com.