Salesforce stellt 5-Stufen-KI-Agenten-Rahmenwerk vor, hebt Hype auf

Jedes Mal, wenn eine Pressemitteilung über KI-Agenten in meinem Posteingang landet, kann ich ein leichtes Unbehagen nicht unterdrücken. Es ist nicht so schlimm wie der Schwindel, den ich verspüre, wenn jemand versucht, mir „Vibe-Coding“ anzupreisen, und auch nicht das peinliche Gefühl, das ich bekomme, wenn ein PR-Vertreter das Wort „Convo“ verwendet, um ein Interview anzufragen. Dennoch macht mich der Hype um KI-Agenten skeptisch. Sie werden oft übertrieben dargestellt, schlecht definiert, potenziell riskant, und ihre Fähigkeiten sind ziemlich begrenzt. Manche behaupten sogar, sie könnten das Ende des Lebens, wie wir es kennen, bedeuten.

Trotz meiner Vorbehalte sind KI-Agenten derzeit in aller Munde. Microsoft hat kürzlich eine Reihe von Ankündigungen gemacht, die den Einsatz von KI-Agenten nicht nur für Unternehmen, sondern für jeden Windows-Nutzer bewerben. Google hat diese Woche nachgezogen und KI-Agenten in verschiedene Anwendungen integriert, einschließlich Programmierwerkzeugen. Es ist, als würde man den Fuchs den Hühnerstall bewachen lassen, oder?

Meine größte Sorge ist, dass die Versprechen über KI-Agenten oft nicht mit ihren Einschränkungen übereinstimmen, insbesondere wenn es darum geht, wie sie mit verschiedenen Ökosystemen interagieren. Es herrscht ein chaotisches Durcheinander aus KI-Werbung und Innovation, aber Salesforce bringt eine erfrischende Portion Vernunft in die Diskussion.

Salesforce hat das Agentische Reifegradmodell eingeführt, einen Rahmen, der die wichtigsten Phasen der Einführung und Fähigkeiten von KI-Agenten beschreibt. Dieses Modell bietet eine gemeinsame Sprache, um die Flut an Agentenangeboten verschiedener Anbieter zu bewerten. Shibani Ahuja, SVP für Unternehmens-IT-Strategie bei Salesforce, betont, dass Agenten zwar schnell eingesetzt werden können, ihre effektive Skalierung jedoch einen durchdachten, schrittweisen Ansatz erfordert. „Das Verständnis der Entwicklung der Fähigkeiten von KI-Agenten ist entscheidend für langfristigen Erfolg“, sagt sie, „und dieser Rahmen bietet eine klare Roadmap, um Organisationen zu helfen, höhere Reifegrade der KI zu erreichen.“

Es gibt eine erhebliche Kluft zwischen der öffentlichen Wahrnehmung von KI-Agenten und dem, was tatsächlich möglich ist. Anbieter bezeichnen oft alles, was eine Reihe von Schritten mithilfe von KI ausführt, als „Agent“, was zu viel KI-Washing führen kann. Selbst Apples Siri, das schon eine Weile existiert, scheint mehr Hype als Substanz zu sein.

Die fünf Reifegrade von KI-Agenten nach Salesforce

Salesforce unterteilt die Reife von KI-Agenten in fünf Stufen:

• Stufe 0: Feste Regeln und repetitive Aufgaben - Dies sind grundlegende Automatisierungen ohne KI-Lernen. Denken Sie an angepasste E-Mail-Filter. Es mag seltsam erscheinen, so einfache Aufgaben in ein Modell über KI-Agenten aufzunehmen, aber es ergibt als Ausgangspunkt Sinn. Stellen Sie sich vor, diese einfachen Aufgaben könnten durch KI intelligenter werden. Zum Beispiel habe ich mir immer E-Mail-Regeln gewünscht, die Pressemitteilungen in einen Ordner sortieren, aber die für meine Arbeit direkt relevanten markieren. Das ist eine Aufgabe für einen Agenten der Stufe 2.
• Stufe 1: Informationsabruf-Agenten - Diese Agenten holen Informationen und empfehlen darauf basierend Aktionen. Ein Fehlerbehebungsagent, der nach Lösungen sucht, oder ein Einkaufsagent, der Preise vergleicht, sind gute Beispiele. Der Haken ist jedoch, dass diese Agenten auf die Daten ihres Ökosystems beschränkt sind. Zum Beispiel kann Microsoft Copilot nicht in Ihren Google Docs oder Notion-Datenbanken suchen. Stufe-1-Agenten sind also innerhalb ihres Host-Ökosystems effektiv.
• Stufe 2: Einfache Orchestrierung, einzelne Domäne - Diese Stufe löst das Ökosystemproblem, indem sie sich auf eine einzige Datenumgebung konzentriert. Notions KI, die Wissen aus Ihrem Notion-Archiv ableitet, ist ein gutes Beispiel. Sie kann meine Artikel nach spezifischen Kriterien organisieren, aber keine externen Daten integrieren. Diese Stufe umfasst Aufgaben geringer Komplexität innerhalb einer einzigen Domäne.
• Stufe 3: Komplexe Orchestrierung, mehrere Domänen - Hier beginnen KI-Agenten, ihr Versprechen einzulösen, indem sie mehrere Arbeitsabläufe über verschiedene Domänen hinweg orchestrieren. Das ist herausfordernd, da es entweder kooperative APIs oder Methoden wie Bildschirmlesen/Klicken erfordert. Social-Posting-Dienste zeigen die Herausforderungen; sie können auf verschiedene Plattformen posten, aber nicht auf alle und nicht auf persönliche Profile in manchen Netzwerken. Stufe 3 funktioniert, wenn alle Domänen kooperieren, aber es wird immer Einschränkungen geben.
• Stufe 4: Multi-Agenten-Orchestrierung - Diese Stufe umfasst die Interoperabilität zwischen beliebigen Agenten über verschiedene Systeme hinweg mit Agentenüberwachung. Ich habe einmal ein System gebaut, in dem mehrere KI-Agenten zusammenarbeiteten, um Nachrichtenartikel zu erstellen. Jeder Agent hatte eine spezifische Rolle, und sie kommunizierten nahtlos. Dieses Niveau außerhalb von Unternehmensumgebungen zu erreichen, scheint jedoch unwahrscheinlich, da es umfassende Kontrolle und Integration erfordert.

Das Agentische Reifegradmodell ist ein nützlicher Rahmen, aber der Name könnte ansprechender sein. Vorschläge wie die Agenten-Intelligenzskala oder die Agenten-Meisterschaftsmatrix könnten überzeugender sein. Unabhängig vom Namen ist dieses System ein wertvolles Werkzeug, um über KI-Agenten und ihre Fähigkeiten zu diskutieren.

Was denken Sie über KI-Agenten? Sind sie aufregend, überbewertet oder irgendwo dazwischen? Haben Sie Werkzeuge verwendet, die in den Rahmen von Salesforce passen? Welche Stufe glauben Sie, liefern die meisten Anbieter tatsächlich, und wie viele betreiben nur KI-Washing mit einfachen Skripten? Glauben Sie, dass echte Multi-Agenten-Orchestrierung bald außerhalb von Unternehmen zu sehen sein wird? Teilen Sie Ihre Gedanken in den Kommentaren unten.