Les charges de travail agentiques présentent un nouveau défi opérationnel pour les entreprises mettant l’intelligence artificielle en production. Alors que les systèmes autonomes assument des responsabilités continues, les organisations doivent prendre en charge les décisions et les actions sur l’ensemble de leurs données, applications et infrastructures.
L'approche d'IBM Corp. s'appuie sur les expériences de clients qui font évoluer l'IA dans leurs organisations. Ce travail a permis d'identifier les exigences qui sous-tendent son modèle opérationnel d'IA, selon Ritika Gunnar (photo), directrice du marketing de performance d'IBM.
« Au fur et à mesure que vous réussissez à utiliser l'IA, en particulier lorsque l'IA agit, vous disposez désormais de charges de travail qui sont utilisées en permanence », a-t-elle déclaré. « Vous êtes incité à être toujours disponible parce que ces agents agissent toujours à votre place. »
Gunnar s'est entretenu avec Dave Vellante et John Furrier de CUBE Research pour la série d'interviews sur le modèle opérationnel de l'IA d'IBM dans une interview exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté de l'intégration d'entreprise, de la gouvernance des données, de la surveillance humaine et de l'évaluation de l'IA par rapport aux résultats commerciaux en préparation pour IBM TechXchange 2026. (* Divulgation ci-dessous.)
Connecter les charges de travail agents dans toute l'entreprise
Le modèle opérationnel d'IA d'IBM rassemble quatre composants que les entreprises peuvent déjà obtenir auprès de différents fournisseurs. Les appliquer signifie tenir compte des applications et des processus métier établis aux côtés des systèmes d’IA émergents, a expliqué Gunnar.
« Vous devez être capable de vous intégrer à vos systèmes existants », a-t-elle déclaré. « Les gens ne vont pas fuir leurs systèmes SAP existants, ni leurs systèmes Salesforce existants. Que signifie intégrer ceux-ci et disposer de charges de travail représentatives de votre passé et de votre avenir ensemble ? »
Les composants ont des rôles distincts : les données fournissent les connaissances actuelles de l'entreprise, les charges de travail englobent les applications et les flux de travail, l'automatisation prend en charge la surveillance et l'optimisation, et le cloud hybride prend en charge les opérations distribuées. Leur efficacité dépend de la façon dont ils fonctionnent ensemble au sein des charges de travail agents, selon Gunnar.
« Si vous avez vos données et que ces données alimentent vos systèmes, mais que vous ne vous occupez pas vraiment de l'automatisation de manière à avoir une observabilité complète de toutes vos charges de travail avec cette IA infusée, alors vous n'avez pas nécessairement un moyen optimal de choisir le bon modèle ou de choisir les bons agents pour ce type de charges de travail », a-t-elle déclaré.
Intégrer la gouvernance et le jugement humain dans les décisions
Les informations soutenant la décision d'un agent peuvent couvrir les systèmes opérationnels, les périphériques périphériques et le contexte généré par d'autres agents. Fournir un contexte gouverné oblige les entreprises à prendre en compte à la fois l'exhaustivité de ces informations et la manière dont les autorisations les accompagnent, a expliqué Gunnar.
« Notre conviction est que si vous pouvez prendre des données et si vous pouvez déplacer vers la gauche une grande partie de la gouvernance – une grande partie de ceux qui ont le bon accès aux bonnes données au bon moment – cela devient important parce que vous diffusez ces données en temps réel avec le contexte et la provenance de qui est réellement propriétaire de ces données », a-t-elle déclaré. « Par conséquent, les agents prennent de bien meilleures décisions. »
Les entreprises dépendent également des connaissances que les employés développent grâce à leur expérience plutôt que de les enregistrer explicitement dans leurs systèmes. Les invites et autres contextes peuvent aider à transmettre ce jugement, mais le capturer reste un défi permanent, a souligné Gunnar.
«Quand on pense aux charges de travail aujourd’hui… il y en a une grande partie qui sera de nature autonome», a-t-elle déclaré. « Mais dans la plupart des cas, si vous parlez de vos systèmes essentiels, vous avez des humains dans le circuit pour pouvoir mettre en place une partie de ces connaissances tacites là où l'IA n'est pas encore mûre pour pouvoir y arriver. »
Évaluation des performances par rapport aux résultats commerciaux
L'activité des agents génère des journaux de décisions et d'actions, tandis que les invites enregistrent les instructions fournies à ces systèmes. Ensemble, ces informations soutiennent une boucle de rétroaction continue entre les données de l'entreprise et les charges de travail d'IA, a expliqué Gunnar.
« Vous pouvez en fait avoir plusieurs permutations différentes de cet agent prenant une décision et avoir un autre ensemble de boucles d'évaluation effectuant une évaluation de « Cet agent a-t-il réellement pris les décisions ? » », a-t-elle déclaré. « Est-ce qu'il y aurait eu une méthode plus performante, plus précise et plus rentable pour y parvenir ? »
La performance englobe l’exactitude, la rapidité et le coût, le résultat commercial attendu guidant la manière dont ces mesures sont évaluées. Selon Gunnar, pour mettre l’IA en production, les organisations doivent donc examiner le travail lui-même ainsi que la technologie qui le supporte.
« Assurez-vous que vous disposez de tous ces éléments, que vous réfléchissez réellement aux résultats et que vous êtes prêt à commencer par examiner ce que signifie la transformation des processus métier », a-t-elle déclaré. « C'est vraiment là que nous en sommes. »
Voici l'interview vidéo complète, qui fait partie de la couverture par SiliconANGLE et theCUBE de la série d'interviews sur le modèle opérationnel de l'IA d'IBM :
(* Divulgation : TheCUBE est un partenaire média payant pour la série d'interviews d'IBM sur le modèle opérationnel de l'IA. Ni IBM, le sponsor de la couverture de l'événement theCUBE, ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)
