Kontrole agentów AI TCS poddają autonomię przedsiębiorstw ściślejszemu nadzorowi

TCS buduje mechanizmy nadzoru nad agentami AI w przedsiębiorstwach, ponieważ klienci oczekują automatyzacji bez rezygnowania z kontroli nad systemami biznesowymi. Kontrole agentów AI TCS dotyczą rosnącego problemu operacyjnego: oprogramowanie działające w imieniu pracowników również potrzebuje egzekwowalnych ograniczeń. Agent AI, czyli oprogramowanie wybierające i wykonujące działania prowadzące do celu, stwarza inne ryzyka niż chatbot, który jedynie odpowiada na pytania.

Napięcie dotyczy przekazanego uprawnienia i egzekwowalnego nadzoru. Przedsiębiorstwo chce, aby agenci kończyli pracę w różnych aplikacjach, lecz każde dodatkowe uprawnienie zwiększa skutki pomyłki. TCS, HCLSoftware i Tech Mahindra podchodzą do tego problemu za pomocą różnych kombinacji oprogramowania do zarządzania, monitorowania operacyjnego i architektury przedsiębiorstwa.

Ich działania zmieniają również decyzje zakupowe. Klienci muszą ocenić, czy proponowana warstwa kontroli może zarządzać działaniami w różnych systemach, zamiast jedynie wyświetlać aktywność. Publikacje z października dostarczają dowodów zainteresowania komercyjnego i rozwoju produktów. Nie dowodzą jednak, że te podejścia wyeliminowały awarie bezpieczeństwa związane z agentami.

Kontrole agentów AI TCS wykraczają poza pojedyncze aplikacje

TCS opisało współpracę z globalnym ubezpieczycielem przy budowie platformy AI dla przedsiębiorstwa oraz nadzorze nad agentami wewnętrznymi i zewnętrznymi. The New Indian Express poinformował o współpracy 30 października, powołując się na kwartalny komentarz firmy. Relacja dotycząca kontroli agentów AI umieszcza dostęp, monitorowanie, wydatki i egzekwowanie zasad w tej samej dyskusji operacyjnej.

Istotna zmiana polega na tym, że sam nadzór staje się elementem wdrożeń w przedsiębiorstwach. Klienci kupują sposób zarządzania agentami równolegle z agentami wykonującymi zadania biznesowe. Tworzy to rolę dla dostawców usług, którzy rozumieją, jak łączą się aplikacje, uprawnienia i procesy biznesowe.

Płaszczyzna kontroli, czyli warstwa zarządzania ustalająca zasady i nadzorująca wykonanie, stanowi główną koncepcję organizacyjną. Jej wartość zależy od tego, czy może wpływać na zachowanie w systemach, do których dociera agent. Ekran pokazujący ukończone działania dostarcza informacji, ale egzekwowanie wymaga uprawnienia do kontrolowania kolejnego działania.

Oddzielne październikowe doniesienia dodają kontekstu do zarządzania AI w TCS. Aarthi Subramanian, dyrektorka operacyjna firmy, opisała zarządzanie agentami w aplikacjach przedsiębiorstwa, w tym SAP, ServiceNow i Oracle. The Financial Express przedstawił tę warstwę zarządzania przedsiębiorstwem 12 października, przed późniejszym podsumowaniem branżowym.

Nazwy tych aplikacji wyjaśniają, dlaczego problem wykracza poza wybór modelu. Proces przedsiębiorstwa może przekraczać granice organizacyjne, nawet jeśli jego komponenty programowe pozostają w tej samej firmie. Każda aplikacja może stosować własne zasady, podczas gdy biznes oczekuje, że cały proces będzie przestrzegał spójnej polityki zatwierdzania.

Rozważmy hipotetyczny proces ubezpieczeniowy, który zbiera dokumenty, prosi o brakujące informacje i przygotowuje rekomendację. Odczyt dokumentu, kontakt z klientem i zmiana rekordu polisy wymagają różnych poziomów uprawnień. Wdrożenie traktujące je identycznie przedkłada wygodę nad rozróżnienia, które nadają nadzorowi znaczenie.

Opisana współpraca z ubezpieczycielem ustanawia konkretny kontekst klienta, lecz ważne szczegóły wdrożenia pozostają nieujawnione w przeanalizowanych tu publikacjach. Relacja nie wskazuje klienta ani nie przedstawia niezależnie zweryfikowanych wyników bezpieczeństwa. Wspiera więc twierdzenie o popycie i zakresie realizacji, a nie o udowodnionej skuteczności.

To rozróżnienie ma znaczenie przy interpretowaniu nagłówka. Kontrole agentów AI TCS opisują rozwijającą się zdolność przedsiębiorstwa, a nie powszechnie potwierdzony standard bezpieczeństwa. Kupujący nadal muszą ustalić, którzy agenci podlegają kontrolom, a które działania pozostają poza ich zasięgiem.

Szansa dla TCS wynika z tego obciążenia integracyjnego. Proces biznesowy może obejmować narzędzia kupione od różnych dostawców i utrzymywane przez różne zespoły. Połączenie ich zasad wymaga pracy wykraczającej poza instalację modelu lub uruchomienie asystenta. To, czy klienci otrzymają spójne egzekwowanie zasad, zależy od wdrożenia, a nie od etykiety płaszczyzny kontroli.

Zespoły bezpieczeństwa już opóźniają wdrożenia AI

Badanie cyberbezpieczeństwa Cognizant z 22 października przedstawia wyraźniejszy obraz presji otaczającej te inicjatywy. Jego ustalenia dotyczące bezpieczeństwa AI objęły 201 starszych liderów cyberbezpieczeństwa w amerykańskich przedsiębiorstwach. Wśród respondentów 83% zgłosiło incydent bezpieczeństwa związany z AI w ciągu poprzednich 24 miesięcy.

To samo badanie wykazało, że 82% wstrzymało wdrożenie AI z powodu obaw o bezpieczeństwo w poprzednim roku. Tylko 38% zgłosiło pełną widoczność AI w swoich środowiskach. Są to ustalenia oparte na deklaracjach badanych organizacji, a nie pomiary obejmujące wszystkie przedsiębiorstwa.

Obawy dotyczące bezpieczeństwa już wpływają na decyzje wdrożeniowe, co czyni nadzór kwestią realizacji biznesowej. Wstrzymana inicjatywa przerywa połączenie między propozycją automatyzacji a oczekiwaną korzyścią operacyjną. Wywiera to presję na sponsorów biznesowych, liderów bezpieczeństwa oraz dostawców sprzedających usługi wdrożeniowe.

Badanie wymaga ostrożnej interpretacji. Incydent związany z AI jest pojęciem szerszym niż naruszenie bezpieczeństwa przez autonomicznego agenta. Ustalenia nie mogą wykazać, że agenci spowodowali zgłoszone incydenty, ani że płaszczyzna kontroli agentów by im zapobiegła. Pokazują obawy i ekspozycję w badanej próbie, pozostawiając pytania o przyczynowość bez rozstrzygnięcia.

Dla nabywców korporacyjnych praktyczną kwestią jest odpowiedzialność. Zespoły biznesowe zazwyczaj definiują rezultat, którego oczekują od automatyzacji. Zespoły bezpieczeństwa oceniają dostęp i zagrożenia, podczas gdy właściciele aplikacji rozumieją konsekwencje zmiany konkretnych rekordów. Wdrożenie agentów wymusza połączenie tych odpowiedzialności w jednej decyzji.

Koordynacja staje się trudniejsza, gdy agent działa w różnych aplikacjach. Uprawnienie, które wygląda rozsądnie w systemie wsparcia, może tworzyć inne ryzyko po połączeniu z dostępem do danych pracowników. Osobne ocenianie każdego połączenia może przeoczyć uprawnienia tworzone przez ich zestawienie.

Bezpieczeństwo agentów w przedsiębiorstwie zmienia więc to, co projekt musi ustalić przed uruchomieniem. Udana demonstracja pokazuje, że agent może wykonać zadanie w wybranych warunkach. Przegląd operacyjny musi także określić, co dzieje się, gdy informacje są sprzeczne, brakuje wymaganego zatwierdzenia lub połączona usługa zachowuje się nieoczekiwanie.

Te pytania wywierają również presję na deweloperów. Zespoły potrzebują granic wystarczająco precyzyjnych, by je wdrożyć, podczas gdy sponsorzy biznesowi często opisują cele ogólnikowo. „Obsłuż żądanie” pozostawia znaczną niejednoznaczność, gdy obsługa obejmuje odczytywanie, rekomendowanie, komunikowanie się i modyfikowanie danych biznesowych.

Dostawcy usług stoją przed powiązanym wyzwaniem komercyjnym. Obietnica szybszego wykonania jest łatwiejsza niż zdefiniowanie odpowiedzialności we wszystkich zaangażowanych systemach. Wiarygodna propozycja musi wyjaśniać, które decyzje pozostają po stronie klienta, jakie kontrole utrzymuje dostawca oraz jak incydenty trafiają do odpowiedzialnego operatora.

Tworzy to inną miarę gotowości. Istotne pytanie brzmi, czy organizacja może z przekonaniem autoryzować i nadzorować proces. Jakość modelu nadal ma znaczenie, ale zdolny model nie rozwiąże niejasnej własności ani sprzecznych uprawnień aplikacji.

Zarządzanie AI TCS funkcjonuje w tym środowisku zakupowym. Popyt dotyczy zarządzalnego modelu operacyjnego wokół automatyzacji. Klienci poszukujący szybkości wdrożenia nadal potrzebują porozumienia dotyczącego uprawnień, dowodów i interwencji, zanim ta szybkość stanie się użyteczna.

Autonomia zyskuje wartość tylko w ramach egzekwowalnych granic

Kluczowy kompromis dotyczy szerszych uprawnień agentów i pracy wymaganej do ich nadzorowania. Ograniczenie agenta może zmniejszyć jego użyteczność. Rozszerzenie jego uprawnień może narazić systemy, które nigdy nie zostały zaprojektowane z myślą o oprogramowaniu podejmującym elastyczne decyzje w imieniu pracownika.

Istotna granica dotyczy działań, a nie wyłącznie generowanego języka. System może stworzyć rozsądne wyjaśnienie, jednocześnie żądając niewłaściwej zmiany. Z drugiej strony może błędnie zrozumieć żądanie, lecz spowodować ograniczone szkody, ponieważ jego uprawnienia uniemożliwiają istotne wykonanie. Te rezultaty zależą od otaczających je mechanizmów kontroli.

Dokumentacja HCLSoftware oferuje konkretne porównanie z szerszym podejściem TCS. Jej funkcje zarządzania agentami dla BigFix AEX v13 opisują ograniczenia dostępu, widoczność wykonania, zabezpieczenia oraz wyłącznik awaryjny. Wyłącznik awaryjny to mechanizm zatrzymujący działanie agenta, gdy interwencja staje się konieczna.

Są to udokumentowane możliwości dostawcy, a nie niezależny dowód skuteczności bezpieczeństwa. Ich znaczenie wynika z poziomu szczegółowości: uprawnienia, możliwość śledzenia i zatrzymywanie wykonania tworzą konkretne pytania wdrożeniowe. Kupujący mogą badać te funkcje bardziej bezpośrednio niż ogólną obietnicę odpowiedzialnej AI.

Tech Mahindra podchodzi do tego samego napięcia poprzez systemy leżące u podstaw agenta. Jej komunikat z 9 września dotyczący nadzorowanej architektury telekomunikacyjnej podkreśla rozproszone środowiska legacy i niespójne definicje biznesowe. Firma proponuje wspólne, nadzorowane fundamenty, zanim operatorzy telekomunikacyjni rozszerzą autonomiczne operacje.

Podejścia te rozwiązują powiązane problemy na różnych poziomach. HCLSoftware opisuje kontrole w ramach platformy agentowej, podczas gdy Tech Mahindra podkreśla architekturę i znaczenie biznesowe, od których zależą agenci. TCS opisuje nadzór nad agentami i aplikacjami przedsiębiorstwa. Nie są to wymienne produkty o bezpośrednio porównywalnych wynikach działania.

Ich wspólnym założeniem jest to, że autonomia zależy od środowiska, które ją umożliwia. Agent nie może niezawodnie przestrzegać reguły przedsiębiorstwa, jeśli różne systemy interpretują ją inaczej. Dodatkowe rozumowanie nie rozstrzyga automatycznie, która definicja jest wiążąca ani która aplikacja jest właścicielem ostatecznej decyzji.

Hipotetyczna zmiana usługi telekomunikacyjnej ilustruje to rozróżnienie. Agent może koordynować rekordy klientów, dostępność usług i systemy operacyjne. Jeśli systemy te nie zgadzają się co do uprawnienia klienta, samo monitorowanie nie może ustalić prawidłowej odpowiedzi. Przedsiębiorstwo musi rozstrzygnąć podstawową regułę i egzekwować ją tam, gdzie następuje zmiana.

Ten sam problem pojawia się w pracy z wiedzą. Odzyskany dokument może dostarczać użytecznego kontekstu, nie przyznając zarazem uprawnień do wykonania jego treści. Zespoły porządkujące materiały techniczne w przeszukiwalnej bazie wiedzy nadal muszą odróżniać informacje referencyjne od zatwierdzonych instrukcji operacyjnych. To rozróżnienie nabiera znaczenia, gdy odzyskany tekst może wpływać na działania.

W tym miejscu bezpieczeństwo agentów korporacyjnych przecina się z zarządzaniem danymi. Warstwa kontroli potrzebuje wystarczającego kontekstu, by ocenić żądanie, lecz udostępnianie większej ilości informacji może poszerzać dostęp. Projekt musi pogodzić użyteczny kontekst z ograniczeniami przypisanymi do bazowych rekordów.

Nadzór również wymaga nakładów operacyjnych. Kroki zatwierdzania wymagają osób dokonujących przeglądu, logi wymagają interpretacji, a wyjątki wymagają właścicieli. Te obowiązki nie znikają tylko dlatego, że dostawca centralizuje interfejs. Uzasadnienie biznesowe powinno uwzględniać pracę potrzebną do utrzymania skuteczności mechanizmów kontroli.

W rezultacie architektura często przyznaje różne poziomy swobody w ramach tego samego przepływu pracy. Agent może mieć szerokie uprawnienia do gromadzenia informacji i węższe uprawnienia do zmieniania rekordów. Tam, gdzie uzasadniają to konsekwencje, można stosować zatwierdzenie przez człowieka, pod warunkiem że zatwierdzający otrzymuje wystarczający kontekst do podjęcia decyzji.

Taki układ ogranicza niektóre formy automatyzacji, a inne ułatwia zatwierdzić. Ten kompromis jest wartościowy tylko wtedy, gdy granica odzwierciedla proces biznesowy. Jednolite ograniczenia mogą utrudniać rutynową pracę, a jednolita swoboda może rozszerzać uprawnienia poza zakres zamierzony przez organizację.

Warstwa kontroli nie dowodzi, że agent jest bezpieczny

Najważniejszym nierozstrzygniętym pytaniem jest to, czy scentralizowany nadzór przekłada się na egzekwowalny zakres ochrony w zróżnicowanym środowisku korporacyjnym. Listy integracji i opisy produktów pomagają określić propozycję. Nie dowodzą jednak, że każde istotne działanie przechodzi przez reklamowane mechanizmy kontroli.

Warstwa zarządzania może wiedzieć, że agent istnieje, nie kontrolując wszystkich jego połączeń. Może też otrzymać zapis aktywności po tym, jak system bazowy zatwierdzi zmianę. Kupujący muszą odróżniać wykrywanie, obserwację, zapobieganie i odzyskiwanie, ponieważ każde z nich wspiera inną reakcję.

To rozróżnienie staje się szczególnie ważne podczas awarii. Widoczne ostrzeżenie może wspomóc dochodzenie, ale samo w sobie nie może cofnąć działania. Zatrzymanie agenta pozostawia również pytania o pracę już wykonaną, żądania już przesłane oraz zmiany oczekujące na przetworzenie w innym systemie.

Są to pytania ewaluacyjne, a nie dowody wad wymienionych produktów. Przeanalizowane tutaj materiały publiczne nie oferują wspólnego testu tych zachowań. Przedwczesne byłoby klasyfikowanie dostawców według skuteczności zabezpieczeń wyłącznie na podstawie ich komunikatów.

Sierpniowa analiza BCG wspiera szersze uzasadnienie dla korporacyjnej warstwy kontroli. Argumentuje, że rozproszony nadzór nad platformami agentów powoduje problemy związane z tożsamością, politykami, widocznością i kosztami. Jest to perspektywa doradcza, a nie niezależna walidacja omawianych tutaj wdrożeń.

Sama centralizacja zasługuje na analizę. Warstwa zarządzania mająca uprawnienia w różnych systemach biznesowych staje się ważną infrastrukturą wymagającą ochrony i jasnej administracji. Klienci muszą rozumieć, kto może zmieniać jej polityki oraz jak te zmiany stają się skuteczne w całym środowisku.

Istnieje również ryzyko mylenia zapisów aktywności z użytecznymi dowodami. Log może odnotować, że działanie nastąpiło, nie zachowując informacji o tym, dlaczego system je dopuścił. Osoby prowadzące dochodzenie potrzebują wystarczającego kontekstu, aby odtworzyć żądanie, zastosowane uprawnienie i wynikający z tego efekt biznesowy.

Ta sama ostrożność dotyczy zatwierdzania przez człowieka. Pracownik, który otrzymuje niewyjaśnione żądanie, nie może zapewnić znaczącego nadzoru wyłącznie przez wybranie przycisku zatwierdzenia. Wartość wynika z przedstawienia istotnych dowodów, konsekwencji i alternatyw w formie, którą dana osoba może ocenić.

Mechanizmy kontroli mogą także kolidować z celem biznesowym, któremu mają służyć. Zbyt szeroki wymóg zatwierdzania może tworzyć kolejki i zachęcać do obchodzenia zasad. Pobłażliwy proces wyjątków może stopniowo osłabiać pierwotną politykę. Skuteczny nadzór wymaga z czasem odpowiedzialności za te zmiany.

Dla kupujących porównujących mechanizmy kontroli agentów AI firmy TCS z innymi podejściami brakuje zatem konkretnych dowodów. Potrzebują demonstracji odrzuconych działań, przerwanych przepływów pracy, zmian polityk i dochodzeń po incydentach w rzeczywistym zestawie wykorzystywanych aplikacji. Udana demonstracja wykonania zadania odpowiada tylko na część tego pytania.

Twierdzenia dotyczące bezpieczeństwa powinny również pozostawać oddzielone od wyników biznesowych. Wdrożenie może oszczędzać czas pracowników, pozostawiając istotne luki w kontroli. Inne może stosować restrykcyjne mechanizmy kontroli, lecz nie zapewniać użytecznej automatyzacji. Żaden z tych wyników sam w sobie nie dowodzi, że całościowy układ spełnia potrzeby klienta.

Implikacja komercyjna jest taka, że zarządzanie wymaga ciągłej usługi, a nie tylko instalacji. Aplikacje się zmieniają, role pracowników ulegają przesunięciom, a reguły biznesowe ewoluują. Układ kontroli, który odpowiada środowisku w momencie uruchomienia, potrzebuje sposobu, by pozostać z nim zgodny także później.

Ta ciągła odpowiedzialność stwarza szansę dla indyjskich firm IT, ale również podnosi standard ich obietnic. Klienci powinni móc określić, kto utrzymuje zakres ochrony, kto rozwiązuje wyjątki i kto reaguje, gdy nadzór zawodzi. Te odpowiedzi sprawiają, że propozycja jest łatwiejsza do oceny niż szerokie zapewnienia o zaufaniu.

Obserwuj dowody od klientów, egzekwowanie między systemami i decyzje wdrożeniowe

Kolejne użyteczne dowody będą pochodzić z wyników operacyjnych, szczegółów zakresu ochrony i decyzji klientów dotyczących wdrożeń. W nadchodzących miesiącach te sygnały mogą wyjaśnić, czy prace nad warstwą kontroli opisane w październiku stają się powtarzalną infrastrukturą korporacyjną. Są ważniejsze niż kolejne ogólne zobowiązanie do odpowiedzialnej AI.

Pierwszym sygnałem są mocniejsze dowody od klientów. Wskazane wdrożenia, tam gdzie ujawnienie jest możliwe, pomogłyby kupującym zrozumieć okoliczności stojące za implementacją. Użyteczne opisy wskazywałyby przepływ pracy, uprawnienia przekazane agentom oraz obowiązki zachowane przez ludzi.

W przypadku zgłoszonej współpracy z ubezpieczycielem więcej szczegółów dotyczących zakresu realizacji wzmocniłoby obraz postępu komercyjnego. Dowody działania produkcyjnego odpowiedziałyby na inne pytanie niż komunikat o rozpoczęciu współpracy. Niezależnie ocenione wyniki zapewniłyby kolejny poziom wsparcia wykraczający poza oba rodzaje ujawnienia.

Czytelnicy powinni także sprawdzać, co pomijają dowody od klientów. Historia o szybszym przetwarzaniu nie musi wyjaśniać, jak obsługiwano wyjątki. Twierdzenie o bezpieczeństwie bez określonego zakresu testów może być trudne do interpretacji. Konkretne granice sprawiają, że pozytywne wyniki są bardziej wiarygodne i możliwe do przeniesienia.

Drugim sygnałem jest zademonstrowane egzekwowanie zasad w różnych systemach. Dostawcy mogą wzmocnić swoją argumentację, pokazując, jak agent napotyka odrzucone żądanie, wymóg zatwierdzenia lub cofnięte uprawnienie. Istotnym szczegółem jest to, co faktycznie robią połączone aplikacje, gdy występują takie warunki.

Demonstracje między systemami powinny także ujawniać granice zakresu ochrony. Wiarygodna architektura może wskazać, które działania obserwuje, którym zapobiega, a które wymagają oddzielnych mechanizmów kontroli aplikacji. Jasne ograniczenia dają klientom podstawę do podejmowania decyzji projektowych i zmniejszają niejednoznaczność podczas incydentu.

Ten sygnał pomoże odróżnić podejścia dostępne na rynku. Mechanizmy kontroli na poziomie platformy, integracja korporacyjna i zarządzane fundamenty danych wnoszą odmienne elementy. Dowody pokazujące, jak działają wspólnie, byłyby bardziej użyteczne niż przedstawianie ich jako konkurencyjnych odpowiedzi na każde ryzyko.

Trzecim sygnałem jest to, czy nadzór zmienia decyzje dotyczące wdrożeń. Ustalenia Cognizant sprawiają, że wstrzymane inicjatywy są istotne, lecz ankieta nie może przewidzieć, które projekty zostaną wznowione. Relacje klientów łączące określoną poprawę kontroli z konkretną decyzją wdrożeniową dostarczyłyby bardziej bezpośrednich dowodów.

Dowody te powinny obejmować pozostałe obciążenie pracą ludzi. Wznowienie automatyzacji przy jednoczesnym przeniesieniu znacznego wysiłku na zatwierdzanie może zmienić oczekiwaną korzyść. Kupujący muszą rozumieć pełny układ operacyjny, w tym przeglądy, utrzymanie i obsługę incydentów.

Szersze pytanie biznesowe brzmi, czy dostawcy potrafią uczynić tę pracę powtarzalną. Silnie dostosowane wdrożenie może rozwiązać problem jednego klienta, pozostając trudne do rozszerzenia gdzie indziej. Mechanizmy kontroli wielokrotnego użytku nadal muszą uwzględniać różne aplikacje, zakresy odpowiedzialności i tolerancję dla działań o istotnych konsekwencjach.

Mechanizmy kontroli agentów AI firmy TCS należą do tej dyskusji, ponieważ łączą nadzór korporacyjny z automatyzacją korporacyjną. Dotychczasowe dowody potwierdzają zapotrzebowanie na nadzór oraz kilka odrębnych podejść do wdrożenia. Nie uzasadniają jeszcze uniwersalnego wniosku, który dostawca zapewnia najbezpieczniejszy lub najskuteczniejszy rezultat.

Przy kolejnej propozycji dotyczącej agentów poproś zespół o prześledzenie działania o istotnych konsekwencjach od żądania do wykonania. Określ, kto je autoryzuje, który system egzekwuje granicę i jakie dowody pozostają afterward. Następnie z taką samą starannością przeanalizuj ścieżkę awarii: cofnięte uprawnienie, sprzeczne informacje lub niedostępnego zatwierdzającego. Te scenariusze ujawniają obowiązki, które udana demonstracja może pozostawić ukryte. Utrzymuj ocenę powiązaną z przepływem pracy, który organizacja faktycznie chce delegować. Mechanizmy kontroli agentów AI firmy TCS i konkurencyjne podejścia stają się łatwiejsze do oceny, gdy dyskusja przechodzi od ogólnych zapewnień do obserwowalnych zachowań. Przed rozszerzeniem uprawnień agenta wymagaj jasnej odpowiedzi, kto może interweniować i co taka interwencja osiąga.