Siobhán Mc Feeney, a Target Senior Vice Presidentje a VB Transform 2026 konferencián azt mondta, hogy a vállalat által használt mesterségesintelligencia-modellek fontosak, de önmagukban nem jelentik a versenyelőnyt — az igazi értéket az jelenti, ami a modellek köré épül.
Mc Feeney hangsúlyozta: „sok minden van benne. Az számunkra a védőárok.” Ezt a fegyelmezett megközelítést már azzal kezdik, hogy szigorúan eldöntik, érdemes-e egyáltalán ügynököt (agentet) létrehozni. Hozzátette, hogy bár a piaci pillanatban minden vállalat ügynökökre vágyik, nem minden problémát kell vagy érdemes agenttel megoldani.
Mikor érdemes agentet építeni?
A Targetnél az ügynökök autonómiája nem automatikus: idővel „keresik meg” maguknak. Az első kérdések tömörítve:
- Milyen probléma megoldására szolgál az ügynök?
- Szüksége van-e egyáltalán agentre, vagy csak egy eszközről van szó?
- Ha agent kell, milyen típus: orchestrator, super agent vagy domain-specifikus agent?
Mc Feeney szerint ezeket a döntéseket előre definiálják, regisztrálják és tanúsítják az agentet, mert előfordulhat, hogy már létezik kész megoldás, és nem akarnak párhuzamos fejlesztést.
Agent-tervezés és működésbiztonság
A tervezés további fontos kérdéseket vet fel: mi indítja el az agentet (automatizáció, mérnök, időzítő), mit kell nyomon követni, és milyen hozzáférései legyenek az agentnek (adatok, rendszerek, táblák, adatbázisok). A cél, hogy végig legyen visszakövethetőség — az ügynök „születésétől” a futásig —, mert ha éjszaka valami rosszul sül el, meg kell tudni határozni, mi történt.
Az autonómia szintje külön vizsgálat tárgya: az új ügynökök általában alapszintű autonómiával indulnak, és csak teljesítményük alapján kapnak többet. Ugyancsak kiemelt szerepe van a monitoringnak és az observability-nek: az ügynökök soha nem fognak fejlődni vagy problémát megoldani, ha nincsenek folyamatosan értékelve.
Mc Feeney: „Mindent mérünk: mit volt hivatott csinálni, kalibrációját, pályáját, nemcsak a futási időt és késleltetést.” Ez átláthatóságot biztosít, és lehetővé teszi az ügynökök finomhangolását az idő előrehaladtával.
Rétegek, költség-haszon és a megfelelő modell kiválasztása
A Targetnél felépített „autonómia rétegei” adják meg a skálázás és a modellbe történő befektetések alapját. Mc Feeney elmondta, hogy a modellek különböző „gradienssel” rendelkeznek: a frontier modellek (legfejlettebb modellek) komplex, nagyméretű adatmennyiséget igénylő feladatoknál (például kiterjedt merchandising ellátási láncoknál) jeleskednek, ugyanakkor költségesek lehetnek. A döntésnél mindig figyelembe veszik a költség-haszon arányt.
Példa: digitális iker és autonómia
Egy digitális-twin szimuláció idén nyáron három Long Beach-i Target-áruház férfirövidnadrág-készletét becsülte meg; az egyik bolt lényegesen nagyobb szezonális igényt jelzett (hat–hétszor több készletet), mint a másik kettő. Az elemzők első reakciója az volt, hogy ez hibás lehet — de a rendszer egy szempontot vett figyelembe, amit az elemzők nem: az érintett bolt kevesebb mint két mérföldre volt a strandtól, míg a többiek 10–12 mérföldre beljebb fekszenek. Az elemzők engedélyezték a javaslatot, és a pótlás el is fogyott.
Mc Feeney szerint az ilyen eredmények tudományos alapon bizonyíthatók, és ezek segítik az ügynökök autonómiájának „kinyerését”.
Négy szintű autonómia-létra
A Target az ügynökök autonómiáját négy szintben strukturálja:
- Megfigyelés: az agent csak adatokat gyűjt és megfigyel, nem lép fel aktívan.
- Javaslattétel: az agent ajánlásokat tesz, de vár az emberi jóváhagyásra.
- Meghatározott guardrail-ök között végrehajtás: az agent cselekszik, de előre definiált korlátok között.
- End-to-end működés: az agent képes teljes folyamatot irányítani — még ekkor is emberi ellenőrzés mellett.
Mc Feeney hangsúlyozta: az autonómia megszerezhető, de el is vehető, ha az agent nem teljesít megfelelően; a drifting modelleket kiveszik a szolgáltatásból.
Kulturális és készségbeli változások
Még magas autonómiájú rendszerek mellett is a fejlesztők és építők felelőssége megmarad, ha valami rosszul sül el. A munkatempó, amellyel csapatok most dolgoznak, korábban elképzelhetetlen volt, ezért be kell vezetni az értékelési rendszereket, registrálni és nyomon követni az agenteket.
Ez részben kulturális átalakulás: a munkaerő struktúrája változik, és a fejlesztőknek új készségekre van szükségük ahhoz, hogy embereket és AI-rendszereket együtt vezessenek. Mc Feeney ezt izgalmas karrierfejlődésnek nevezte: az építők egyszerre figyelik az ügynököket, segítik az embereket az ügynökök megfigyelésében, és újfajta finomságokat tanulnak meg kezelni.
Összegzés
Mc Feeney szerint az ügynökök sikere több tényező összjátékának eredménye: az architektúra, a taxonómia, az autonómia-szintek, valamint a biztonság és az observability. A modellek fontosak, de a versenyelőnyt a köréjük épített rendszerek és irányelvek biztosítják.
