Посмотрим на AI агентов глазами HR

[frenzon]

Ну метафора про AI агента как сотрудника это конечно интересно, но автор много чего не сказал. 

Во первых, технические ограничения. Агенты на базе LLM могут галюцинировать, выдавать уверенные но неверные результаты, их решения не прозрачны, а поведение может менятся при обновлении моделей. Это риски, особенно если цена ошибки высокая. 

Во вторых, экономическая целесообразнасть. Настройка, поддержка, мониторинг и оплата API могут оказатся дороже чем нанять человека или сделать простую автоматизацию. Нужно добавить для сравнения стоимость владения агентом с альтернативами.

Ещё не раскрыты вопросы ответственности и контроля. Кто отвечает за ошибку агента, где границы его автаномии, когда обязательна проверка человеком. Нет практических деталей, метрик, способов валидации, управления вирсиями инструкций и мониторинга поведения. Обучение агента описано вяло, и не объяснено технически: что именно происходит, дообучение модели, расширение базы знаний или просто корректировка промптов.

Ну и наконец, затронуты не все типы агентов, нет критериев выбора уровня автаномии и задач, которые нельзя делегировать. Не хватает этических и социальных аспектов: влияние на роли сотрудников, доверие команды, нужные новые компетенции. Для HR специалистов было бы полезно увидеть связь с их конкретными процессами, а не только пример с созданием курса.

Короче статья создает идею для обсуждения, но для реального внедрения нужно более глубоко разобрать эти вопросы.

[vogloblin]

Спасибо. Это же хорошо, когда у идеи есть пространство для развития?) По обозначенным Вами темам можно учебник написать))

[gybson_63]

Логичнее было бы ожидать о HR помощи поиска специалистов, которые создают продукт и разбираются в этом. Но видимо HR еще не наигрались в Бога.

[vogloblin]

Почему Вы отказываете HR в создании своих продуктов? Если HR сделает "плохой рекрутинг", то и задача поиска будет решена плохо