Działania Microsoftu na rzecz agentów AI przenoszą się z programowania do finansów

Microsoft twierdzi, że agenci AI w pierwszej kolejności zmieniają pracę inżynierów, mimo nierozstrzygniętych kwestii dotyczących niezawodności, nadzoru i wpływu na zatrudnienie.

Firma chce teraz rozpowszechnić ten sam model w sprzedaży, finansach, operacjach i innych rolach opartych na pracy umysłowej. Pracownicy mieliby poświęcać mniej czasu na samodzielne wykonywanie rutynowych czynności. Zamiast tego określaliby cele, delegowali pracę, weryfikowali wyniki i interweniowali, gdy agent osiągnie swoje ograniczenia.

Charles Lamanna, wiceprezes wykonawczy Microsoftu ds. Copilot, Agents and Platform, przedstawił tę zmianę podczas wywiadu dla Bloomberg Technology 10 sierpnia. Jego argument wykracza poza kolejną aktualizację produktu Copilot. Microsoft prosi firmy o reorganizację pracy wokół ludzi nadzorujących oprogramowanie zdolne do podejmowania działań.

Ta koncepcja zyskała znaczenie komercyjne. W najnowszych wynikach finansowych Microsoft podał, że ma ponad 30 mln płatnych stanowisk Microsoft 365 Copilot. Trzy miesiące wcześniej firma informowała o ponad 20 mln, przy jednoczesnym wzroście liczby dodawanych stanowisk o 250% rok do roku.

Otwarte pozostaje pytanie, czy te licencje przełożą się na produktywne wykorzystanie agentów. Sprzedaż dostępu to coś innego niż zmiana procesów pracy, mierzenie wykonanych zadań i pociąganie pracowników do odpowiedzialności za zautomatyzowane decyzje.

Centralnym konfliktem dla Microsoftu jest więc produktywność kontra zastępowanie pracowników. Firma opisuje agentów jako mnożniki możliwości, pozwalające pracownikom podejmować bardziej wartościową pracę. Pracodawcy mogą jednak wykorzystać tę samą efektywność do ograniczania rekrutacji, konsolidowania ról lub redukcji zatrudnienia.

Microsoft zmienia Copilot w pracownika

Istotna zmiana w podejściu Microsoftu polega na przejściu od odpowiadania na pytania pracowników do wykonywania w ich imieniu ograniczonych fragmentów pracy.

Tradycyjny asystent czeka na polecenie i zwraca tekst. Agent może zaplanować kilka kroków, korzystać z autoryzowanych narzędzi, analizować dane biznesowe i podejmować działania prowadzące do określonego rezultatu. Może też kontynuować pracę, gdy pracownik przejdzie do innego zadania.

Lamanna przedstawił inżynierię oprogramowania jako najczytelniejszy wczesny przykład. Agenci programistyczni mogą analizować repozytorium, przygotowywać zmiany, uruchamiać testy, odpowiadać na komentarze z przeglądu i przygotowywać pull request. Inżynier odpowiada za kierunek, osąd techniczny i ostateczne zatwierdzenie.

GitHub dostosowuje swój system pomiarów do tego modelu działania. W lipcu dodał metryki na poziomie repozytorium dla pull requestów utworzonych, scalonych i sprawdzonych przez agentów Copilot. Daje to organizacjom coś więcej niż liczbę licencji czy łączną liczbę poleceń.

Ta metryka jest ważna, ponieważ wdrażanie agentów musi wiązać się z ukończoną pracą. Firma może teraz sprawdzić, gdzie agent tworzy pull requesty, jak często te zmiany są scalane i gdzie przegląd wykonywany przez człowieka prowadzi do poprawek.

Microsoft chce przenieść ten wzorzec do mniej ustrukturyzowanych działów. Agent sprzedażowy mógłby kwalifikować potencjalnych klientów, zestawiać kontekst dotyczący konta lub przygotowywać materiały do dalszego kontaktu. Agent finansowy mógłby uzgadniać zapisy, badać odchylenia lub przygotowywać wyjaśnienie dla osoby dokonującej weryfikacji.

Pracownik nadal odpowiada za decyzję biznesową. Jednak sekwencja prowadząca do tej decyzji obejmuje więcej działań wykonywanych przez maszynę. Zmienia to, które umiejętności pochłaniają czas i jakie rodzaje błędów muszą przewidywać menedżerowie.

Microsoft rozwija tę drogę od kilku lat. Wprowadził Copiloty oparte na rolach dla sprzedaży i obsługi, zanim w 2024 roku ogłosił Copilot for Finance. Obecny kierunek łączy te wyspecjalizowane rozwiązania z agentami, którzy mogą działać w różnych aplikacjach i źródłach danych.

Nie jest to po prostu lepszy interfejs czatowy. Granica produktu przesuwa się od generowania sugestii do uczestniczenia w procesie biznesowym. Każde dodatkowe działanie zwiększa zarówno potencjalny wzrost produktywności, jak i koszt błędnego rezultatu.

Inżynieria oprogramowania zapewniła Microsoftowi korzystny punkt wyjścia. Kod można kompilować, testować, porównywać, sprawdzać i cofać. Te mechanizmy kontroli sprawiają, że błędy stają się widoczne przed wdrożeniem, jeśli zespoły stosują je prawidłowo.

Sprzedaż i finanse mają mniej uniwersalnych mechanizmów weryfikacji. Wiarygodnie brzmiące podsumowanie konta może pominąć relację, która zmienia rekomendację. Poprawny technicznie zapis finansowy może mimo to naruszać wewnętrzną politykę lub prowadzić do błędnej interpretacji biznesowej.

Kolejny etap działań Microsoftu zależy zatem od mechanizmów kontroli, a nie tylko od możliwości modeli. Firmy potrzebują uprawnień, dzienników, zasad oceny, ścieżek eskalacji i jasno wskazanych osób odpowiedzialnych, zanim agenci będą mogli obsługiwać pracę o istotnych konsekwencjach.

Trzydzieści milionów stanowisk podnosi stawkę

Microsoft 365 Copilot wyszedł poza ograniczony eksperyment korporacyjny, ale płatne stanowiska nie dowodzą stałej wartości biznesowej.

Microsoft poinformował w wynikach za trzeci kwartał roku finansowego 2026, że Copilot przekroczył 20 mln płatnych stanowisk. Liczba klientów mających ponad 50 tys. stanowisk wzrosła czterokrotnie w porównaniu z poprzednim rokiem.

Firma wymieniła również wyjątkowo duże wdrożenia. Accenture miało ponad 740 tys. stanowisk, a Bayer, Johnson & Johnson, Mercedes i Roche zobowiązały się do co najmniej 90 tys. każde. Te wdrożenia dają Microsoftowi dostęp do wielu działów, w których można testować agentów.

W najnowszej aktualizacji finansowej liczba płatnych stanowisk przekroczyła 30 mln. Ten wzrost nadaje argumentacji Lamanny inną skalę. Microsoft nie musi już udowadniać, że duzi pracodawcy będą kupować licencje AI dla przedsiębiorstw.

Musi udowodnić, że pracownicy używają ich do wartościowych zadań. Musi też pokazać, że organizacje mogą przejść od osobistej pomocy do procesów obsługiwanych przez agentów bez utraty kontroli.

Microsoft w swoich wypowiedziach dotyczących trzeciego kwartału opisuje kontekst organizacyjny jako przewagę Copilot. Work IQ, warstwa kontekstowa Microsoftu, łączy ludzi, role, dokumenty, komunikację i uprawnienia w granicach bezpieczeństwa firmy.

Microsoft podał, że system obejmował ponad 17 eksabajtów danych, a ich ilość rosła o 35% rok do roku. Każdego dnia otrzymuje on również miliardy e-maili, dokumentów i czatów oraz setki milionów spotkań Teams.

Liczby te opisują rozmiar dostępnego kontekstu, a nie jego dokładność ani użyteczność w każdym zadaniu. Większa ilość informacji może pomóc agentowi zrozumieć organizację. Może też zwiększyć znaczenie projektowania uprawnień, jakości wyszukiwania i higieny danych.

W tym obszarze Microsoft może wywierać presję na rywali, takich jak Google, Salesforce, ServiceNow i wyspecjalizowani twórcy agentów. Modele coraz częściej konkurują dostępem do kontekstu pracy, narzędzi i kanałów dystrybucji, a nie wyłącznie generowaniem tekstu.

Google może połączyć Gemini z aplikacjami Workspace i danymi organizacji. Salesforce może osadzić Agentforce w danych klientów i procesach sprzedażowych. ServiceNow może umieścić agentów w ustrukturyzowanych procesach obsługi i operacyjnych.

Pozycja Microsoftu jest wyjątkowo szeroka, ponieważ wielu pracodawców korzysta już z jego produktów do zarządzania tożsamością, produktywności, tworzenia oprogramowania, chmury i bezpieczeństwa. Firma może umieszczać agentów tam, gdzie pracownicy czytają wiadomości, dołączają do spotkań, tworzą dokumenty, analizują arkusze kalkulacyjne i piszą kod.

Szeroki zakres nie gwarantuje wdrożenia. Zmniejsza jednak liczbę odrębnych systemów, które nabywca korporacyjny musi połączyć przed przetestowaniem zautomatyzowanego procesu pracy.

Liczba 30 mln wywiera także wewnętrzną presję na Microsoft. Klienci będą oczekiwać dowodów, że wdrożenie przynosi więcej niż szybsze przygotowywanie dokumentów. Będą oczekiwać wyników związanych z cyklami sprzedaży, czasem zamknięcia okresu finansowego, rozwiązywaniem zgłoszeń wsparcia, dostarczaniem oprogramowania lub inną mierzalną pracą.

To wymaganie wyjaśnia przejście GitHub do metryk agentów na poziomie repozytorium. Nabywcy potrzebują podobnych pomiarów poza inżynierią oprogramowania. Liczba poleceń i aktywnych użytkowników nie pokaże, czy agent poprawił decyzję, czy jedynie wygenerował więcej materiału do przejrzenia przez ludzi.

Komercyjny wzrost oznacza więc początek trudniejszego okresu oceny. Microsoft wykazał zdolność do dystrybucji. Teraz czeka go wolniejsza praca nad udowodnieniem powtarzalnej wartości w działach o różnej tolerancji ryzyka.

Produktywność i zatrudnienie to rzeczywiści przeciwnicy

Microsoft przedstawia agentów jako sposób na zwiększanie efektów pracy, podczas gdy pracodawcy zachowują możliwość przekształcenia tej wydajności w mniejsze potrzeby kadrowe.

Argument Lamanny dotyczący produktywności opiera się na znanym schemacie ekonomicznym. Gdy technologia zmniejsza wysiłek potrzebny do wykonania zadania, firma może produkować więcej, poprawiać jakość, obniżać koszty lub łączyć wszystkie trzy korzyści.

Nie prowadzi to do jednego, stałego rezultatu dla zatrudnienia. Popyt może wzrosnąć na tyle, by stworzyć nową pracę. Firmy mogą też utrzymać produkcję na tym samym poziomie i zatrudniać mniej osób.

Microsoft podkreśla wzrost. W jego modelu inżynier nadzoruje kilka zadań programistycznych, zamiast ręcznie wykonywać jeden ciąg czynności. Sprzedawca spędza więcej czasu z klientami, ponieważ agent zajmuje się badaniem i przygotowaniem.

Specjalista finansowy może badać wyjątki zamiast zestawiać rutynowe raporty. Menedżer może testować więcej scenariuszy, ponieważ agenci zbierają informacje i przygotowują wstępną analizę.

Przykłady te wspierają narrację o zwiększaniu możliwości. Nie eliminują jednak kwestii zastępowania pracowników. To samo oprogramowanie, które uwalnia pracownika od powtarzalnych zadań, może pozwolić działowi absorbować wzrost bez tworzenia kolejnego stanowiska.

Salesforce stanowi widoczny kontrprzykład. Jego liderzy łączyli produktywność AI z wolniejszą rekrutacją inżynierów i ograniczeniem zatrudnienia w obsłudze klienta. Trudniej przez to uznać kompromis dotyczący zatrudnienia za wyłącznie teoretyczną kwestię.

Sam Microsoft działa w ramach tego samego napięcia. Firma promowała znaczące oszczędności napędzane przez AI, jednocześnie przeprowadzając redukcje zatrudnienia podczas szerszego cyklu inwestycji w infrastrukturę. Twierdzenia o produktywności i cięcia etatów mogą współistnieć, nawet gdy zarząd twierdzi, że jedno nie spowodowało bezpośrednio drugiego.

Znaczenie ma też rozróżnienie między likwidacją stanowiska a rezygnacją z przyszłego zatrudnienia. Wykorzystanie agentów może nie prowadzić do natychmiastowego ogłoszenia zwolnień. Może jednak zmieniać zatrudnienie poprzez naturalną rotację, węższą rekrutację na stanowiska juniorskie lub wyższe oczekiwania dotyczące efektów pracy.

Inżynieria oprogramowania ponownie daje wczesny sygnał. Jeśli doświadczeni inżynierowie nadzorują agentów wykonujących zadania implementacyjne, firmy mogą potrzebować mniej młodszych programistów do rutynowego kodowania. Jednocześnie mogą potrzebować więcej osób potrafiących projektować systemy, weryfikować złożone zmiany i zarządzać ryzykiem produkcyjnym.

Ta zmiana tworzy problem szkoleniowy. Zadania na poziomie juniorskim tradycyjnie pomagają pracownikom rozwijać osąd wymagany w pracy seniorów. Zautomatyzowanie zbyt dużej części tej praktyki mogłoby osłabić przyszły dopływ talentów.

Finanse stoją przed podobnym problemem. Młodsi analitycy często uczą się poprzez uzgadnianie danych, dokumentowanie i wielokrotny kontakt z dokumentacją biznesową. Delegowanie tych kroków może oszczędzać czas, ale tylko wtedy, gdy pracodawcy stworzą inny sposób rozwijania analitycznego osądu.

Własne badania Microsoftu z 2026 roku odzwierciedlają tę obawę. Zaawansowani użytkownicy informowali, że celowo zachowują część pracy bez AI, aby utrzymywać aktualność swoich umiejętności. Częściej też zatrzymują się, aby zdecydować, czy zadanie powinien wykonać człowiek, czy agent.

To zachowanie sugeruje, że skuteczny nadzór wymaga aktywnej wiedzy eksperckiej. Pracownik nie może rzetelnie ocenić wyniku agenta po utracie wiedzy potrzebnej do rozpoznania błędu.

Wynik dla zatrudnienia będzie więc zależał od decyzji zarządczych, a nie wyłącznie od samego oprogramowania. Liderzy zdecydują, czy zaoszczędzony czas przełoży się na dodatkowy kontakt z klientami, więcej analiz, krótsze terminy, ograniczenie rekrutacji czy redukcję zatrudnienia.

Nazywanie tej zmiany wzrostem produktywności nie rozstrzyga tej kwestii. Opisuje ono możliwości. Pracodawcy wciąż decydują, jak wartość ekonomiczna zostanie podzielona między klientów, akcjonariuszy i pracowników.

Dlaczego inżynieria wyprzedza finanse i sprzedaż

Agenci do programowania rozwinęli się najpierw, ponieważ praca nad oprogramowaniem oferuje pętle informacji zwrotnej, których wielu procesom biznesowym nadal brakuje.

Agent do programowania może otrzymać jasno zdefiniowane zadanie, przeanalizować określone repozytorium i zaproponować zmianę, którą można poddać audytowi. Zautomatyzowane testy sprawdzają następnie przynajmniej część jego pracy. System kontroli wersji rejestruje wprowadzone zmiany, a recenzenci mogą odrzucić lub cofnąć rezultat.

Mechanizmy te nie sprawiają, że agenci do programowania są domyślnie niezawodni. Ułatwiają jednak ograniczanie błędów. Nieudany test, nieoczekiwany diff lub komentarz w przeglądzie kodu tworzą widoczny sygnał, zanim kod trafi do użytkowników.

Kwietniowa aktualizacja GitHub dodała do raportowania dla przedsiębiorstw dzienne, tygodniowe i miesięczne liczby użytkowników agentów. W połączeniu z metrykami pull requestów wskaźniki te mogą powiązać wdrożenie z obserwowalnym procesem dostarczania oprogramowania.

Finanse i sprzedaż często opierają się na ocenie sytuacji, której nie można sprowadzić do jednego zaliczonego testu. Właściwa odpowiedź zmienia się wraz z zasadami rachunkowości, warunkami umów, historią klienta, warunkami rynkowymi i wyjątkami znanymi doświadczonym pracownikom.

Agent przygotowujący szansę sprzedażową może pobrać wiadomości i notatki ze spotkań. Nadal potrzebuje jednak reguł, które odróżnią luźny komentarz od zobowiązania do zakupu. Błędny wniosek może zaszkodzić relacji z klientem, nie wywołując przy tym błędu technicznego.

Agent finansowy może porównywać transakcje i oznaczać anomalie. Nie może jednak dokonywać nieuzasadnionych księgowań, ujawniać danych objętych ograniczeniami ani traktować nietypowej, lecz prawidłowej płatności jako oszustwa.

Dlatego ograniczony zakres ma kluczowe znaczenie. Przedsiębiorstwa mogą zacząć od zadań, w których agent przygotowuje pracę, a wykwalifikowany pracownik ją zatwierdza. Szersza autonomia powinna wynikać z potwierdzonej dokładności, a nie ją wyprzedzać.

Pozycja produktowa Microsoft zapewnia mu kilka elementów potrzebnych do takiego modelu. Entra może zarządzać tożsamościami i dostępem. Microsoft 365 dostarcza kontekst pracy. Copilot Studio obsługuje niestandardowych agentów, a Agent 365 ma pomagać organizacjom w ich rejestrowaniu i nadzorowaniu.

Firma wspiera także agentów spoza własnego portfolio modeli. Podczas telekonferencji dotyczącej drugiego kwartału roku fiskalnego Microsoft opisał GitHub Agent HQ jako warstwę organizującą dla agentów do programowania od Anthropic, OpenAI, Google, Cognition, xAI i innych firm.

Takie podejście platformowe uznaje, że przedsiębiorstwa będą korzystać z wielu agentów. Microsoft chce kontrolować powierzchnię pracy, tożsamość, kontekst i nadzór, nawet gdy podstawowy model dostarcza inna firma.

Tworzy to drugą presję konkurencyjną. Twórcy agentów potrzebują dostępu do systemów biznesowych, ale przedsiębiorstwa chcą scentralizowanych mechanizmów kontroli. Microsoft może skorzystać niezależnie od tego, czy klienci wybiorą agenta własnej firmy, czy podłączą zewnętrznego za pośrednictwem jego infrastruktury.

Mechanizm ten nadal zależy od jakości wiedzy organizacyjnej. Agenci bazujący na zduplikowanych dokumentach, nieaktualnych procedurach i niejasnych uprawnieniach będą odtwarzać te słabości z większą szybkością.

Firmy przygotowujące się do pracy opartej na agentach mogą więc najpierw potrzebować uporządkować zarządzanie informacją, zanim zaczną dążyć do autonomii. Przeszukiwalna baza wiedzy może wspierać zarówno weryfikację przez ludzi, jak i pobieranie informacji przez maszyny.

Najlepsze wdrożenia w najbliższym okresie będą prawdopodobnie przypominać zdyscyplinowane delegowanie. Pracownik definiuje cel, ogranicza dane i narzędzia, przegląda pośrednie dowody i bierze odpowiedzialność za wynik.

Ten model jest mniej spektakularny niż cyfrowy pracownik działający samodzielnie. Jest też bardziej zgodny z mechanizmami kontroli, które już dziś czynią agentów do programowania użytecznymi.

Czego liczby Microsoft nie dowodzą

Dane wskazują na szybką dystrybucję i rosnące wykorzystanie, ale nie potwierdzają, że autonomiczni agenci konsekwentnie poprawiają produktywność w całej firmie.

Microsoft 2026 Work Trend Index zawiera użyteczne szczegóły dotyczące sposobu, w jaki pracownicy wykorzystują AI. Firma przeanalizowała sygnały z Microsoft 365 i przeprowadziła ankietę wśród 20 000 pracowników umysłowych, którzy już korzystali z AI na 10 rynkach.

Analiza chroniąca prywatność, obejmująca ponad 100 000 rozmów z Copilot, wykazała, że 49% wspierało pracę poznawczą. Kolejne 19% dotyczyło pracy z ludźmi, 17% tworzenia rezultatów pracy, a 15% wyszukiwania informacji.

Microsoft podał również, że 66% ankietowanych użytkowników AI stwierdziło, iż technologia daje im więcej czasu na wartościową pracę. Pięćdziesiąt osiem procent odpowiedziało, że tworzyło rezultaty, których nie byłoby w stanie ukończyć rok wcześniej.

Wyniki te wspierają tezę, że wykorzystanie AI wykracza poza redagowanie tekstów. Ankieta koncentrowała się jednak na osobach, które już korzystały z generatywnej AI w pracy. Wiele wyników było deklarowanych przez respondentów, a nie stanowiło niezależnych pomiarów wyników organizacji.

Microsoft jasno wyjaśnia te ograniczenia w Work Trend Index. Jego kategorie gotowości opierają się na deklarowanych zachowaniach, pewności siebie, kulturze, wsparciu kierownictwa i tworzeniu wartości.

Raport wykazał, że jedynie 19% użytkowników AI łączyło wysokie indywidualne kompetencje z silną gotowością organizacyjną. Kolejne 10% miało umiejętności, lecz brakowało im wspierających systemów firmowych. Połowa pozostawała w rozwijającej się kategorii pośredniej.

Tylko 26% stwierdziło, że ich kierownictwo jest jasno i konsekwentnie zorientowane na AI. To ustalenie podważa pogląd, że zakup licencji Copilot automatycznie tworzy firmę gotową na agentów.

Licencja zapewnia dostęp do technologii. Nie definiuje, którymi zadaniami powinni zajmować się agenci, nie rozstrzyga sprzecznych polityk ani nie tworzy procesu eskalacji. Nie szkoli też menedżerów w sprawiedliwej ocenie wkładu ludzi i agentów.

Bezpieczeństwo pozostaje kolejnym ograniczeniem. Agent mający dostęp do narzędzi może zrobić więcej niż wygenerować niedokładny akapit. Może pobrać wrażliwe dane, wysłać nieprawidłową wiadomość, zmodyfikować rekord lub uruchomić kolejny zautomatyzowany proces.

Wytyczne Microsoft dotyczące projektowania agentów podkreślają niezawodność, prywatność, bezpieczeństwo, przejrzystość i odpowiedzialność. Zalecają zespołom wyjaśnianie ograniczeń agentów, monitorowanie ich zachowania oraz utrzymywanie środków ograniczających ryzyko po wdrożeniu.

Wytyczne te pokazują, dlaczego autonomii nie można traktować jak jednorazowej instalacji oprogramowania. Agenci zmieniają się wraz z modelami, promptami, narzędziami, uprawnieniami i danymi bazowymi. Organizacje potrzebują ciągłej oceny, a nie pojedynczego zatwierdzenia wdrożenia.

Na uwagę zasługuje również koszt weryfikacji przez człowieka. Agent może tworzyć materiały szybciej, niż pracownik jest w stanie je sprawdzić. Jeśli weryfikacja stanie się wąskim gardłem, pozorne zyski z automatyzacji mogą przesunąć pracę, zamiast ją wyeliminować.

Nadzór może także tworzyć efekt automatyzacyjnego uprzedzenia. Pracownicy mogą akceptować wiarygodnie brzmiące wyniki, ponieważ system działa poprawnie przez większość czasu, zwłaszcza pod presją terminów. Rzadki błąd może wtedy przejść przez kontrolę zaprojektowaną po to, by go wykryć.

Z drugiej strony pracownicy mogą nie ufać agentowi i wykonywać każde zadanie od nowa. Powoduje to duplikowanie pracy i osłabia oczekiwany zwrot. Użyteczne wdrożenie znajduje się pomiędzy bezkrytyczną akceptacją a całkowitym powtarzaniem.

Wzrost liczby licencji Microsoft nie może rozstrzygnąć tych kwestii. Mocniejsze dowody wynikną z rezultatów na poziomie zadań, w tym czasu cyklu, wskaźników korekt, częstotliwości wyjątków, wyników dla klientów i zweryfikowanego wpływu finansowego.

Argument Microsoft dotyczący produktywności pozostaje wiarygodny jako kierunek, lecz niepełny jako ogólny wniosek. Inżynieria dostarcza zachęcających mechanizmów. Finanse i sprzedaż nadal potrzebują dowodów w swoich własnych warunkach operacyjnych.

Trzy sygnały sprawdzą strategię Microsoft dotyczącą agentów AI

Kolejnym testem będzie to, czy Microsoft i jego klienci potrafią powiązać aktywność agentów z wiarygodnymi wynikami biznesowymi.

Pierwszym sygnałem jest pomiar na poziomie zadań, wykraczający poza inżynierię. GitHub już raportuje aktywność pull requestów tworzonych i recenzowanych przez agentów według repozytorium. Microsoft potrzebuje porównywalnych miar wyników dla procesów sprzedażowych, finansowych i usługowych.

W sprzedaży użyteczne dowody łączyłyby pracę agentów z kwalifikowanymi szansami, czasem odpowiedzi, konwersją i wskaźnikami korekt. W finansach mierzyłyby czas zamknięcia okresu, rozwiązywanie wyjątków, odrzucone rekomendacje i ustalenia audytowe.

Jeśli Microsoft udostępni wiarygodne miary operacyjne, jego argument dotyczący produktywności się wzmocni. Jeśli raportowanie pozostanie skoncentrowane na licencjach, promptach i aktywnych użytkownikach, kupującym trudno będzie odróżnić wdrożenie od wartości biznesowej.

Drugim sygnałem jest relacja między wzrostem Copilot a planowaniem zatrudnienia. Inwestorzy i pracownicy będą obserwować rekrutację, rotację, reorganizacje i oczekiwania dotyczące wyników w działach wdrażających agentów.

Wzorzec rosnących wyników przy stabilnym zatrudnieniu wspierałby argument Microsoft dotyczący zwiększania możliwości. Powtarzające się redukcje zatrudnienia powiązane z automatyzacją wzmacniałyby interpretację substytucji, niezależnie od tego, jak dostawcy opisują tę technologię.

Rozróżnienie to może pozostać trudne do udowodnienia. Firmy rzadko wyodrębniają jedną przyczynę przy dostosowywaniu zatrudnienia. Kupujący mogą jednak ujawniać, czy zaoszczędzony czas finansuje nową pracę, absorbuje wzrost, czy zmniejsza zapotrzebowanie na pracę.

Trzecim sygnałem jest zarządzanie w warunkach rzeczywistej autonomii. Rejestry agentów, granice uprawnień, dzienniki audytowe i zatwierdzenia przez ludzi muszą działać w przypadku agentów własnych i zewnętrznych. Poważne niepowodzenie w zakresie dostępu lub działania spowolniłoby wdrożenia w regulowanych funkcjach.

Strategia Microsoft staje się silniejsza, jeśli firmy rozszerzają uprawnienia agentów przy jednoczesnym utrzymaniu niskich wskaźników błędów i incydentów. Słabnie, jeśli większość wdrożeń pozostaje ograniczona do redagowania, ponieważ organizacje nie mogą zaufać autonomicznym działaniom.

Kupujący powinni także obserwować reakcje konkurentów. Google może wykorzystać dystrybucję Workspace, Salesforce — dane klientów, a ServiceNow — ustrukturyzowane procesy operacyjne. Każda z tych firm ma inną drogę do pracy przedsiębiorstw z agentami.

Microsoft nie musi dostarczać każdego zwycięskiego modelu. Jego większym celem jest stać się warstwą operacyjną, która łączy agentów z tożsamościami, wiedzą firmową, aplikacjami i mechanizmami kontroli.

Ta ambicja wyjaśnia drogę od programowania do finansów. Inżynieria oferowała mierzalne zadania i ugruntowane systemy weryfikacji. Microsoft chce teraz udowodnić, że nadzór człowieka może uczynić agentów niezawodnymi w mniej deterministycznej pracy.

30 milionów płatnych licencji zapewnia duże środowisko testowe, a nie ostateczny werdykt. Decydującą liczbą nie będzie to, ilu pracowników otrzyma Copilot. Będzie nią liczba zaufanych procesów pracy, które przynoszą lepsze wyniki bez ukrywania dodatkowej weryfikacji, ryzyka lub wypartej pracy.

Dla deweloperów, zespołów finansowych, liderów sprzedaży i nabywców korporacyjnych natychmiastowym działaniem jest wybór jednego mierzalnego procesu przed rozszerzeniem dostępu. Zdefiniuj oczekiwany wynik, dozwolone dane, osobę odpowiedzialną za weryfikację, próg niepowodzenia i ścieżkę eskalacji. Następnie porównaj proces wspierany przez agenta z istniejącym przepływem pracy. Strategia Microsoft dotycząca agentów AI odniesie sukces, gdy to porównanie uzasadni szersze delegowanie, a nie wtedy, gdy kolejna licencja pojawi się w panelu administratora.