01Введение
Компания Pegasystems Inc. (NASDAQ: PEGA), поставщик корпоративного AI-ПО для критически важных бизнес-задач, объявила на конференции PegaWorld о том, что клиенты теперь могут проектировать, создавать и запускать агентные рабочие процессы на платформе Pega Infinity 26 без поминутной оплаты токенов.
Архитектура Pega Predictable AI переносит тяжелые логические рассуждения AI на этап проектирования, благодаря чему агенты во время выполнения становятся быстрыми, надежными и значительно более дешевыми в эксплуатации. Это напрямую решает две наиболее острые проблемы, с которыми сталкиваются предприятия при масштабировании AI-агентов: рост затрат на токены и непредсказуемость результатов.
02Контекст рынка: счета за эксперименты с AI приходят
Счета за токены приходят, и они шокируют руководителей предприятий. Когда организации пытаются перевести экспериментальные агентные проекты в промышленную эксплуатацию, поставщики LLM переводят подписки с фиксированной ставкой на более дорогое поминутное тарифицирование токенов — при этом незаметно накапливая дорогие токены рассуждений. Чем сложнее запрос, тем больше шагов рассуждения требуется — и тем выше вероятность получить неадекватный и непоследовательный ответ.
03Архитектурное отличие Pega: AI на этапе проектирования
Pega применяет AI-рассуждения на этапе проектирования, когда его творческая сила приносит наибольшую пользу для переосмысления устаревших процессов и систем. С помощью Pega Blueprint AI и новой Pega Infinity Studio проектные агенты помогают командам проектировать и создавать оптимальные агентные рабочие процессы для критически важных бизнес-процессов. Типичные примеры включают обработку запроса клиента, одобрение кредита, андеррайтинг страхового случая или оптимизацию опыта пациента.
После того как рабочие процессы спроектированы и развернуты, Pega переключается на более легковесный семантический режим AI, лучше подходящий для выполнения, когда агенты должны эффективно и последовательно обрабатывать миллионы пользовательских запросов. Вместо повторного рассуждения для каждого нового рабочего процесса агенты используют легковесный AI-запрос для понимания намерения пользователя, находят наилучший рабочий процесс Pega для задачи и затем следуют ему пошагово для выполнения работы. Если конкретный шаг требует более глубокого использования LLM (например, для разбора документа или обобщения предыдущих взаимодействий), шаг предоставляет конкретные и ограниченные инструкции для обеспечения предсказуемости.
Ключевые преимущества
- Предсказуемые результаты: Повторное рассуждение для каждого рабочего процесса приводит к непоследовательным и непредсказуемым результатам. Вместо этого агенты, подключенные к Pega, последовательно следуют предварительно утвержденным рабочим процессам, что критически важно для регулируемых отраслей — и разумно для всех.
- Предсказуемые затраты: Подход Pega использует AI-рассуждение один раз на этапе проектирования, а не неэффективно повторяет его многократно во время выполнения, что делает агентов значительно более эффективными и доступными для управления процессами, выполняющими основную работу в бизнесе.
04Интерактивный калькулятор токенов: сколько вы тратите на неэффективных AI-агентов?
Чтобы помочь предприятиям количественно оценить выгоды этого подхода, Pega представила AI Token Cost Calculator. Интерактивный инструмент оценивает возможную экономию, сравнивая AI Pega с альтернативами с поминутной оплатой токенов на основе объемов рабочих процессов пользователей. Многие клиенты могут получить экономию более чем в 20 раз в зависимости от сложности и масштаба рабочих процессов.
Посетите www.pega.com/ai-token-calculator.
05Доступность: платите за выполненную работу, а не за размышления о том, что делать
Подход Pega, основанный на результатах, взимает плату за каждый завершенный «кейс» — задачу, выполненную от начала до конца, — а не за место или токен. Например, когда клиент использует AI-агента для изменения существующего заказа, это завершенное взаимодействие регистрируется как один кейс. Доступный в третьем квартале этого года, Pega Infinity 26 позволяет клиентам платить единую фиксированную цену за завершенный кейс, независимо от того, сколько AI Pega используется за кулисами. Это напрямую связывает стоимость с бизнес-ценностью.
Для получения дополнительной информации посетите www.pega.com/dontpayfortokens.
06Цитаты
«Предприятия быстро осознают, что токенмаксинг — это абсурд: он может привести только к неустойчивым затратам и непредсказуемым результатам, — сказал Алан Трефлер, основатель и генеральный директор Pega. — AI создает наибольшую ценность, когда обеспечивает надежные результаты в масштабе. Вот почему мы не взимаем с клиентов плату за количество использованных токенов, а за выполненную значимую работу. В сочетании с архитектурой, созданной для управляемого выполнения, Pega теперь предоставляет организациям беспрецедентную свободу использования AI-агентов».
«Мы достигли точки в цикле ажиотажа вокруг AI, где ценность и подотчетность вошли в разговор значимым образом, — сказала Лиз Миллер, вице-президент и главный аналитик Constellation Research. — Результаты AI путали с бизнес-результатами, что побуждало некоторых слепо поддерживать токенмаксинг, как если бы это было мерой успеха агентности. Поставщики LLM и бизнес-пользователи теперь должны демонстрировать отдачу от своих инвестиций, использования и растущих счетов. Решения, которые потребляют токены с высокой эффективностью и намерением, предоставят организациям ключевое конкурентное преимущество, позволяя предприятиям продолжать масштабировать свои агентные амбиции».
07О компании Pega
Pega предоставляет платформу для переосмысления, выполнения и развития процессов и решений, которые предприятие не может позволить себе ошибиться. Мы сочетаем AI с проверенной архитектурой, чтобы критически важные операции оставались управляемыми, масштабируемыми и постоянно адаптируемыми. С 1983 года крупнейшие организации мира доверяют Pega превращать амбиции трансформации в долговечные результаты. Узнайте больше на pega.com.
Перевод и редакционная адаптация AIDF
Материал основан только на фактах из оригинальной публикации
Дополнительные ссылки в исходном материале не были сохранены.
