View a markdown version of this page

Memahami ekonomi AI agen pada AWS - AWS Panduan Preskriptif
Penilaian tugasPenilaian dampak risikoPengembalian investasi

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Memahami ekonomi AI agen pada AWS

Salah satu prinsip utamanya adalah menentukan kapan harus menggunakan agen AI dan kapan harus menggunakan metode deterministik tradisional. Organizations harus secara sistematis mengevaluasi pekerjaan mana yang memerlukan otomatisasi agen dan mana yang harus menggunakan otomatisasi tradisional atau operasi manusia yang berkelanjutan. Keputusan ini membutuhkan pemahaman hubungan antara karakteristik tugas, toleransi risiko, dan pendekatan operasional.

Sebelum memutuskan untuk menerapkan AI agen, Anda harus menggunakan kerangka keputusan untuk memahami dampak ekonomi. Kerangka keputusan mencakup tiga pertanyaan kunci berikut:

  1. Penilaian tugas — Apakah tugas ini tepat untuk agen AI?

  2. Penilaian dampak risiko — Apa risiko yang terlibat?

  3. Pengembalian investasi — Apakah akan hemat biaya?

Penilaian tugas

Tugas dengan kompleksitas tinggi, aturan keputusan standar dapat mengambil manfaat dari pendekatan AI agen. Tugas sederhana yang sangat standar lebih baik dilayani oleh otomatisasi tradisional atau otomatisasi proses robot. Sistem AI agen unggul dalam penalaran, memahami konteks, atau membuat keputusan secara adaptif, Mereka menambah nilai di luar pemrosesan berbasis aturan. Implementasi AI agen yang berhasil membutuhkan sistem yang mampu belajar dan beradaptasi.

Pertimbangkan faktor-faktor berikut saat mengevaluasi tugas: 

  • Kompleksitas — Tingkat penalaran dan pemahaman konteks yang diperlukan. Tugas yang membutuhkan pemahaman kontekstual, interpretasi bernuansa, atau respons adaptif terhadap perubahan kondisi mendukung pendekatan agen daripada otomatisasi tradisional, sementara tugas mekanis atau kalkulasi murni mungkin tidak memerlukan kecerdasan agen.

  • Standardisasi — Adanya pola dan aturan yang jelas. Agentic AI direkomendasikan jika tugas tersebut membutuhkan pemahaman kontekstual. Jika tidak diperlukan adaptasi atau pembelajaran, pertimbangkan otomatisasi tradisional.

  • Volume — Frekuensi kinerja tugas. Agentic AI direkomendasikan untuk kegiatan otonom. Otomatisasi tradisional direkomendasikan untuk tugas volume tinggi dan konsisten. Namun, volume saja tidak menentukan pendekatan. Keputusan volume rendah dan bernilai tinggi mungkin membenarkan bantuan agen untuk meningkatkan kualitas keputusan daripada pengurangan biaya.

  • Nilai — Dampak bisnis per penyelesaian tugas. Pertimbangkan AI agen untuk hasil bernilai tinggi yang membutuhkan kemampuan otonom seperti manusia. Pertimbangkan otomatisasi tradisional untuk tugas berulang dan konsisten, yang dapat dilakukan dengan cara deterministik.

Penilaian dampak risiko

Saat ini ada empat pendekatan penyebaran AI agen: sepenuhnya otonom, human in the loop, co-pilot, atau dipimpin manusia dengan dukungan agen. Masing-masing memiliki profil risiko dan toleransi kesalahan mereka sendiri, dan mereka semua melibatkan manusia dalam kapasitas tertentu. Tabel berikut menjelaskan rincian risiko dari pendekatan ini.

Tingkat otonomi

Profil risiko

Toleransi kesalahan

Contoh kasus penggunaan

Keterlibatan manusia

Sepenuhnya otonom

Risiko Rendah

1-2% dapat diterima

  • Kategorisasi data dasar

  • Perutean dokumen   

  • Pembuatan laporan standar

  • Pengawasan minimal

  • Audit berkala

Manusia dalam lingkaran

Risiko Sedang

Di bawah 0,5%

  • Tanggapan draf

  • Moderasi konten

  • Pemrosesan klaim awal

  • Ulasan reguler

  • Penanganan pengecualian

  • Jaminan kualitas

Kopilot

Resiko tinggi

Mendekat-nol

  • Masukan perencanaan strategis

  • Penilaian risiko

  • Keputusan investasi

  • Manusia membuat keputusan akhir

  • Agen memberikan rekomendasi

Dipimpin manusia dengan dukungan agen

Risiko Kritis

Toleransi nol

  • Keputusan hukum

  • Diagnosis medis 

  • Kepatuhan terhadap peraturan

  • Proses drive manusia

  • Agen menyediakan penelitian atau analisis dan informasi pendukung saja

Tabel berikut menjelaskan pertimbangan utama ketika memilih antara pendekatan ini.

Pertimbangan

Sepenuhnya otonom

Manusia dalam lingkaran

Kopilot

Dipimpin manusia

Efisiensi biaya

Tertinggi

Tinggi

Sedang

Rendah

Skalabilitas

Tidak terbatas.

Tinggi

Sedang

Terbatas

Kecepatan pemrosesan

Tercepat

Cepat

Sedang

Lambat

Manajemen risiko

Basic

Ditingkatkan

Kuat

Terkuat

Penanganan kompleksitas

Tugas sederhana

Tugas yang cukup kompleks

Tugas kompleks

Tugas-tugas penting

Kerangka pertimbangan ini membantu organisasi mencocokkan tingkat otonomi dengan profil risiko, skala operasi dengan tepat, menyeimbangkan efisiensi dengan kontrol, menerapkan tata kelola yang tepat, dan mengoptimalkan alokasi sumber daya.

Pengembalian investasi

Menghitung laba atas investasi untuk sistem AI agen dimulai dengan analisis biaya yang komprehensif. Organizations harus terlebih dahulu menghitung biaya manusia mereka saat ini, termasuk gaji, tunjangan, dan biaya ruang kerja, bersama dengan biaya khusus proses dan biaya tersembunyi seperti pelatihan, cakupan, dan downtime.

Untuk analisis impas, organisasi harus mempertimbangkan biaya implementasi, biaya operasional yang sedang berlangsung, dan volume yang diperlukan untuk membenarkan investasi. Penting juga untuk memperhitungkan variasi musiman dan manfaat kurva pembelajaran yang muncul saat sistem matang dan meningkat seiring waktu.

Ketika mengevaluasi agen AI, organisasi harus ingat bahwa sistem ini biasanya memiliki biaya di muka yang lebih tinggi tetapi biaya per transaksi yang lebih rendah dibandingkan dengan operasi manusia. Selain itu, agen AI menunjukkan peningkatan kinerja dari waktu ke waktu dan menawarkan skalabilitas yang lebih baik daripada tim manusia. Hal ini membuat mereka semakin hemat biaya karena skala penyebaran dan pengalaman operasional terakumulasi.