Хиймэл оюуны агентын үнэ цэнийг тодорхойлох нь: Creative Matrix аргачлалыг багтаа нэвтрүүлэх

Gen AI агентын хэрэглээг зөв тодорхойлох шаардлага

Технологийн удирдагчид, CTO болон инженерийн багийн ахлах мэргэжилтнүүдийн хувьд Generative AI (Gen AI) нь зөвхөн чатбот эсвэл текст боловсруулах хэрэгсэл байхаа хэдийн больсон. Өнөөдөр бид дотоод системүүдтэй шууд харьцаж, шийдвэр гаргаж, үйлдэл гүйцэтгэх чадвартай Gen AI агент (AI agents)-ийн эрин үед ирээд байна. Гэсэн хэдий ч байгууллагуудад тулгардаг хамгийн том бэрхшээл нь "Энэхүү технологийг ашиглан яг ямар асуудлыг, хэрхэн шийдвэрлэх вэ?" гэх асуулт юм.

Ихэнх тохиолдолд багууд технологийн трендэд автаж, бизнесийн бодит шаардлагагүй, үнэ цэнэ багатай хиймэл оюуны туршилтууд хийх эрсдэлтэй байдаг. Энэхүү эрсдэлээс сэргийлж, багийн хамтын ажиллагаанд тулгуурлан хэмжигдэхүйц сайжруулалт авчрах шинэлэг санаануудыг системтэйгээр боловсруулах сайн аргуудын нэг бол "Creative Matrix" буюу Бүтээлч матриц юм.

Энэхүү нийтлэлийг уншсанаар та Creative Matrix аргачлалыг ашиглан хиймэл оюуны агент нэвтрүүлэх боломжуудыг хэрхэн илрүүлэх, техникийн болон бизнесийн харилцан хамаарлуудыг хэрхэн үнэлэх, мөн архитектурын шийдвэр гаргахдаа юуг анхаарах ёстой талаар цогц ойлголттой болох болно.

Creative Matrix: Үндсэн механик ба ажиллах зарчим

Creative Matrix нь дизайн сэтгэлгээний (Design Thinking) хүрээнд өргөн ашиглагддаг, санаа уралдуулах үйл явцыг бүтэцжүүлдэг хүчирхэг хэрэгсэл юм. Үүнийг Gen AI агентын санаа гаргахад зориулан өөрчлөхдөө дараах байдлаар хоёр тэнхлэгт хувааж загварчилдаг:

1. Хэвтээ тэнхлэг (X-axis) - Бизнесийн хүрээ буюу Хэрэглэгчид: Энд байгууллагын дотоод үйл явцууд (жишээ нь: DevOps, Хэрэглэгчийн үйлчилгээ, Санхүү, Хүний нөөц) эсвэл шууд хэрэглэгчийн сегментүүдийг байрлуулна.
2. Босоо тэнхлэг (Y-axis) - Агентын техникийн чадавх: Энд Gen AI агентын хийж чадах үндсэн үйлдлүүдийг жагсаана. Үүнд өгөгдөлд дүн шинжилгээ хийх, API дуудах, олон алхамт логик үйлдэл гүйцэтгэх зэрэг багтана.

Багийн гишүүд (үүнд инженерүүд, бүтээгдэхүүн хөгжүүлэгчид, бизнесийн домэйн экспертүүд) эдгээр тэнхлэгүүдийн огтлолцол дээр гарч ирж болох шинэлэг шийдлүүдийг бодож, матриц дээр байрлуулдаг. Ингэснээр зөвхөн технологид суурилсан бус, бизнесийн тодорхой ажлын урсгалын автоматжуулалт руу чиглэсэн санаанууд урган гардаг.

Матрицыг багтаа хэрхэн амжилттай хэрэгжүүлэх вэ?

• Хил хязгаарыг тогтоох: Оролцогчдод Gen AI агент юу хийж чадах, юу хийж чадахгүйг (жишээ нь, хиймэл оюун нь өөрөө шинээр систем кодлохгүй, харин бэлэн API ашиглан өгөгдөл зөөж, дүгнэлт гаргаж чадна) урьдчилан танилцуулах хэрэгтэй.
• Олон талт төлөөлөл: Зөвхөн хөгжүүлэгчид бус, өдөр тутмын үйл ажиллагаанд тулгардаг асуудлыг мэддэг үйл ажиллагааны менежерүүдийг оролцуулах нь практик хэрэгжилт-ийн үндэс болно.
• Тооноос чанарт шилжих: Эхний ээлжинд аль болох олон санаа гаргахыг дэмжих ба үүний дараа хэрэгжих боломжтой эсэхээр нь шүүж эхэлнэ.

Агентын архитектурын хэв маяг ба бодит сонголтууд

Матрицаас гарсан санаануудыг бодит систем болгохын тулд инженерийн менежерүүд архитектурын зөв хэв маягийг сонгох шаардлагатай байдаг. Санааны төвөгтэй байдлаас хамааран дараах үндсэн архитектурын хэв маягуудаас сонголт хийнэ:

1. RAG буюу Өгөгдөлд суурилсан мэдээллийн агент

Хамгийн энгийн бөгөөд аюулгүй загвар. Агент нь байгууллагын дотоод баримт бичиг, өгөгдлийн сан руу хандаж (жишээ нь Vector Database ашиглан) хэрэглэгчийн асуултад үнэн зөв хариулт өгөхөд чиглэнэ.

• Хэрэглээ: Дотоод мэдээллийн сан эсвэл хэрэглэгчийн гарын авлагаас мэдээлэл хайж олох.
• Сул тал (Trade-off): Харьцангуй хялбар боловч, бодит үйлдэл (action) гүйцэтгэх чадваргүй тул бизнесийн процессыг бүрэн автоматжуулах боломж хязгаарлагдмал.

2. Tool-Calling буюу Үйлдэл гүйцэтгэгч агент (ReAct)

Энэ загварт агент нь гадны системүүд рүү API дуудлага хийх чадвартай болно. Агент нь асуудлыг хүлээн авч, шаардлагатай өгөгдлийг цуглуулаад, тохирох хэрэгслийг (tools/functions) сонгож ажиллуулдаг. Энэ нь Google Cloud зэрэг үүлэн орчинд илүү найдвартай ажиллах боломжтой Agentic workflow patterns (Google Cloud) архитектурт суурилдаг.

• Хэрэглээ: CRM системд шинэ хэрэглэгч бүртгэх, эсвэл Jira дээр автоматаар таск үүсгэх.
• Сул тал (Trade-off): API-ийн найдвартай ажиллагаа болон өгөгдлийн аюулгүй байдлын (IAM) нарийн тохиргоо шаардна.

3. Олон агентын систем (Multi-Agent Systems)

Нэг том төвөгтэй ажлыг хэд хэдэн жижиг, төрөлжсөн агентуудад хуваах арга. Нэг агент нь зөвхөн код шалгах, нөгөө нь тест бичих, гурав дахь нь тайлан гаргах зэргээр хамтран ажилладаг.

• Хэрэглээ: Програм хангамжийн хөгжүүлэлтийн мөчлөгийг автоматжуулах.
• Сул тал (Trade-off): Хөгжүүлэх болон алдаа хайх (debug) хийхэд маш хүндрэлтэй. Системийн урьдчилан таамаглах боломжгүй байдал (unpredictability) нэмэгдэнэ.

Бодит хэрэглээний санаанууд (Use Cases)

Creative Matrix-ийн үр дүнд янз бүрийн салбарт хэрэгжиж болох олон санаанууд гардаг. Байгууллагын онцлогоос үл хамааран хэрэгжих боломжтой, өндөр үр өгөөжтэй зарим жишээг авч үзье:

DevOps болон Системийн хяналт (monitoring)

• Матрицын огтлолцол: DevOps + Tool-calling Agent
• Хэрэглээ: Системд гарсан алдааны лог (log)-ийг автоматаар шинжилж, ямар сервис дээр алдаа гарсныг илрүүлэн, шийдвэрлэх арга замыг санал болгох, эсвэл бага зэргийн тохиргооны алдааг автоматаар засах агент. Энэ нь инженерийн багийн алдаа хайх хугацааг эрс багасгана.

Гэрээ болон Баримт бичгийн хяналт

• Матрицын огтлолцол: Хууль/Санхүү + RAG Agent
• Хэрэглээ: Олон хуудас бүхий хуулийн гэрээнээс зөвхөн эрсдэлтэй заалтуудыг түүвэрлэн гаргаж, байгууллагын стандарт гэрээний загвартай харьцуулан зөрүүтэй байдлыг тайлагнадаг үнэлгээний агент.

Хэрэглэгчийн үйлчилгээний түвшин ахиулах (Triage)

• Матрицын огтлолцол: Харилцагчийн үйлчилгээ + Multi-Agent
• Хэрэглээ: Хэрэглэгчээс ирсэн имэйл эсвэл чатыг уншиж, утгыг нь ойлгоод холбогдох гарын авлагыг илгээхээс гадна шаардлагатай бол дотоод захиалгын системээс тухайн хэрэглэгчийн мэдээллийг татаж, буцаан олголт хийх API-ийг дуудах хүртэлх үйлдлийг хүний хяналттайгаар (Human-in-the-loop) гүйцэтгэх.

Шийдвэр гаргалтад нөлөөлөх хүчин зүйлс: Давуу тал ба Эрсдэл

Технологийн удирдагчид аливаа шинэ санааг бодит төсөл болгохын өмнө эрсдэл болон хязгаарлалтуудыг бодитоор үнэлэх ёстой. Gen AI агентууд нь уламжлалт програм хангамжийг бодвол магадлалд суурилдаг тул дараах зүйлсийг заавал баталгаажуулах шаардлагатай:

• Аюулгүй байдал ба Хандах Системийн Удирдлага (IAM): Агентэд ямар системд хандах эрх өгч байгаагаа маш нарийн хянах шаардлагатай. Агентэд мэдээлэл унших (Read) эрх өгөх нь эрсдэл багатай ч, мэдээлэл өөрчлөх эсвэл устгах (Write/Delete) эрх өгөх нь аюулгүй байдлын асар том цоорхой үүсгэж болзошгүй.
• Хэт бүтээлч сэтгэх (Hallucination) ба Алдааны хүлцэл: Gen AI заримдаа байхгүй мэдээллийг зохиодог. Хэрэв тухайн хэрэглээ нь санхүүгийн гүйлгээ эсвэл хүний амь настай холбоотой эрүүл мэндийн шийдвэр бол агентын бие даасан байдлыг хязгаарлаж, зөвхөн туслах дүрээр ажиллуулах ёстой.
• API-ийн бэлэн байдал: Байгууллагын хуучин (legacy) системүүд стандарт API-гүй байх нь элбэг. Агент нь системтэй харьцахын тулд найдвартай API шаарддаг. Тиймээс матрицын шатанд гарсан гайхалтай санаанууд нь дэд бүтцийн бэлэн бус байдлаас болж гацах эрсдэлтэй.

Дараалалтай шийдвэр гаргах шалгуур үзүүлэлтүүд

Бүтээлч матрицаас 30, 40 санаа гарсны дараа тэдгээрийг хэрэгжүүлэх эсэхийг шийдэхийн тулд дараах тодорхой шалгуураар шүүлтүүр хийхийг зөвлөж байна. Энэ нь багийн нөөцийг хамгийн үр дүнтэй төсөлд чиглүүлнэ.

1. Өгөгдлийн хүртээмж болон чанар:
   • Сайн: Бүтэцлэгдсэн өгөгдлийн сан болон сайн баримтжуулагдсан API бэлэн байгаа.
   • Муу: Өгөгдөл нь олон өөр системд тархсан, баримтжуулалт байхгүй, API дэмждэггүй.
2. Бизнесийн үр ашиг ба хэмжигдэхүйц байдал:
   • Сайн: Хүний өдөрт зарцуулдаг 4 цагийн ажлыг 10 минут болгон бууруулах нь хэмжигдэхүйц байна.
   • Муу: "Хэрэглэгчийн туршлагыг сайжруулна" гэх мэт хэт ерөнхий, хэмжих боломжгүй хүлээлттэй.
3. Алдаа гарах үеийн эрсдэлийн түвшин:
   • Сайн: Агент буруу хариулт өгсөн ч хүн хянаад засаад явах боломжтой буюу алдааны хүлцэл өндөр.
   • Муу: Агент шууд үйлчлүүлэгч рүү хуурамч амлалт өгсөн имэйл автоматаар явуулах зэрэг эрсдэл өндөртэй.

Түгээмэл алдаанууд ба түүнээс хэрхэн сэргийлэх вэ?

AI агент хэрэгжүүлэхээр ажиллаж буй инженерийн багууд дараах нийтлэг алдаануудыг гаргадаг:

• Хүний хяналтыг (Human-in-the-loop) орхигдуулах: Агентыг эхнээс нь 100% бие даасан (autonomous) болгох гэж оролдох нь төслийн бүтэлгүйтлийн гол шалтгаан болдог. Үүний оронд эхний ээлжинд агент нь хүнд шийдвэр санал болгодог (co-pilot) хэлбэрээр эхэлж, аажмаар итгэлцэл бий болсны дараа бүрэн автоматжуулах нь илүү найдвартай арга зам юм.
• Хэт ерөнхий LLM загварт найдах: Ямар ч нэмэлт тохиргоо, тусгай prompt эсвэл дотоод өгөгдөлгүйгээр шууд суурь загварыг бизнесийн логик руу холбох нь хүлээлтэд хүрдэггүй. Үүний оронд бага хэмжээний, гэхдээ өндөр чанартай дотоод өгөгдлөөр контекст өгөх нь хамаагүй илүү үр дүнтэй.
• Бизнесийн оролцоог таслах: Матриц үүсгэх үед гарсан санааг хөгжүүлэгчид авч яваад 3 сар тусгаарлагдаж код бичих нь эцсийн бүтээгдэхүүн бодит хэрэглээнээс холдох шалтгаан болдог. Тиймээс тасралтгүй туршиж, үйл ажиллагааны багаас санал авах шаардлагатай.

Гол дүгнэлтүүд

Технологийн удирдагчид Бүтээлч матрицын аргыг багтаа нэвтрүүлснээр хиймэл оюуны бодит үнэ цэнийг бүтээж чадна. Дараах гол зарчмуудыг анхаарах нь зүйтэй:

• Асуудлаас эхэл, технологиос биш: Матриц нь Gen AI-ийг хүчээр ашиглах бус, харин байгаа бизнесийн сорилтуудад уг технологи хэрхэн нийцэхийг тодорхойлоход тусална.
• Жижиг хэмжээнд турших (Start small): Бүх системийг өөрчлөх олон агентын архитектур руу шууд орохын оронд, хамгийн өндөр үр ашиг өгөх, хэрэгжүүлэхэд эрсдэл багатай нэг ажлын урсгалын автоматжуулалтыг эхлээд туршиж үзэх хэрэгтэй.
• Тодорхой үүрэг хариуцлага(Clear ownership): Гаргаж авсан шийдэл болон агентын ажиллагааны үр дүнг хэн хариуцахыг тодорхой болгох нь төслийн амжилтад шууд нөлөөлнө.
• Хэмжигдэхүйц байдлыг хангах: Агентын гүйцэтгэлийг нарийвчлал (accuracy), цаг хэмнэлт (time saved), болон API амжилттай дуудлагын хувь зэрэг үзүүлэлтүүдээр тасралтгүй хянаж, сайжруулах процессийг хэрэгжүүлэх нь урт хугацааны үнэ цэнийг бүтээнэ.