Es ist 8:00 Uhr morgens und Ihr Flug wurde in der Nacht storniert. Sie öffnen die App der Fluggesellschaft und stellen sich bereits auf Probleme ein. Stattdessen werden Sie von einem KI-gestützten virtuellen Agenten ruhig und sprachgewandt begrüßt. Er entschuldigt sich, erklärt die Ursache für die Störung und zeigt Ihre Möglichkeiten auf.

Einen Moment lang fühlt sich das wie eine Lösung an.

Nur ändert es eigentlich nichts an Ihrer Situation. Es wird kein neues Ticket ausgestellt. Es wird kein Prozess für die Rückerstattung gestartet. Wenn Sie die App schließen, wissen Sie zwar, was das Problem verursacht hat, warten aber immer noch darauf, dass es behoben wird. Es liegt auch nicht an fehlender Empathie oder einem mangelnden Verständnis Ihrer Absicht. Das System hat Sie perfekt verstanden. Das Problem ist der Funktionsumfang.

Viele KI-gestützte Interaktionen sind hilfreich, bis tatsächlich eine Aktion notwendig ist.

Aus diesem Grund haben wir Genesys Cloud™ Agentic Virtual Agent mit Large Action Models (LAMs) entwickelt. Unsere KI-Agenten sind nicht auf Skripte, Prompts oder menschliche Mitarbeiter angewiesen. Sie können verstehen, was der Kunde erreichen möchte, die richtigen nächsten Schritte wählen und die Erledigung der Aufgabe systemübergreifend vorantreiben, und zwar unter Berücksichtigung etablierter Leitlinien.

Tatsache ist, dass die meisten KI-Agenten in Produktionsumgebungen bisher nicht in der Lage sind, Aufgaben vollständig abzuschließen. Das liegt an der zugrunde liegenden Technologie, insbesondere dem Unterschied in den Architekturen von Large Language Models (LLMs) und Large Action Models (LAMs):

LLMs können Fragen verstehen und beantworten. LAMs sind darauf ausgelegt, Entscheidungen zu treffen und Aktionen auszuführen.

Die Ausführungsebene der agentischen KI

Large Language Models haben die Art und Weise, wie Menschen mit Maschinen interagieren, grundlegend verändert, sodass sich Unterhaltungen inzwischen natürlich anfühlen. LLMs können komplexe Fragen verstehen, dem Kontext folgen und Tonfall und Absicht berücksichtigen. In der Customer Experience (CX) werden damit starre Skripte durch Dialoge ersetzt, die sich in Echtzeit anpassen und deutlich weniger mechanisch wirken.

LLMs werden mit riesigen Textmengen trainiert und können Sprachsequenzen ausgezeichnet vorhersehen. Interpretation und Ausdruck sind ihre Stärken.

Sie verstehen, was jemand fragt, und können auf eine Weise reagieren, die kohärent und natürlich wirkt. In Customer Experiences tragen LLMs dazu bei, dass Interaktionen flüssiger und relevanter sind, aber sie weisen gewisse Einschränkungen auf.

Das ist kein Fehler. Es spiegelt einfach wider, wie LLMs entworfen wurden. Sie erreichen ihre Grenzen, wenn Aufgaben Workflows umfassen, die mehrere Unternehmenssysteme, Richtlinien und Zeitspannen abdecken.

An dieser Stelle kommen Large Action Models in Spiel.

LAMs erweitern die dialogorientierte KI um die Ausführung. Sie können schlussfolgern und daher reale Vorgänge mit genehmigten APIs, geregelten Workflows und richtlinienbasierten Funktionen, die bereits innerhalb des Unternehmens vorhanden sind, bearbeiten. Für jeden Vorgang wurden Eingaben, Berechtigungen und erwartete Ergebnisse vorgegeben, die das Modell berücksichtigt.

Diese Kontrolle ist beabsichtigt. Durch sie wird Autonomie sicher.

Large Action Models zählen nicht unterschiedliche Optionen auf, sondern konzentrieren sich darauf, welche Schritte als Nächstes erledigt werden müssen, und führen diese aus, bis die Aufgabe abgeschlossen ist. Jeder Schritt wird erfasst und kontrolliert und ist leicht nachzuverfolgen.

Das ist der Unterschied zwischen KI-basierten Plattformen und KI-gestützten Systemen. Gespräche enden nicht mehr mit dem Satz: „Es wird sich jemand bei Ihnen melden.“ Sie enden mit abgeschlossenen Aufgaben und gelösten Kundenproblemen.

Der branchenweit erste autonome Agentic Virtual Agent

Ihre Erfahrung mit der App der Fluggesellschaft ist nicht ungewöhnlich. Sie ist vielmehr das erwartete Ergebnis, wenn Systeme mit dialogorientierter KI aufgefordert werden, operative Aufgaben auszuführen. Der virtuelle Agent kommunizierte klar und verständlich, überließ es jedoch Ihnen, auf eine Lösung zu warten, es erneut zu versuchen oder den Fall zu eskalieren.

Genesys Cloud Agentic Virtual Agent ist darauf ausgelegt, die Verantwortung für die Customer Experiences zu übernehmen und sie zum Abschluss zu bringen. Diese Agenten wissen, was sie tun dürfen, wie sie vorgehen müssen und wann menschliches Urteilsvermögen erforderlich ist.

Kommen wir noch einmal zurück zu dem stornierten Flug. Anstatt Umbuchungsoptionen aufzulisten, kann Genesys Cloud Agentic Virtual Agent Ihre Identität autonom authentifizieren, die Verfügbarkeit überprüfen, einen neuen Sitzplatz zuweisen, gegebenenfalls eine Gutschrift berechnen, die Buchung aktualisieren und das Ergebnis bestätigen – alles im Rahmen derselben Interaktion.

So haben Sie am Ende Gewissheit und eine Lösung, nicht nur eine Zusammenfassung des Problems.

Dies ist möglich, da Agentic Virtual Agent auf dem APT-1-LAM von Scaled Cognition basiert, das für den Einsatz in realen Unternehmensumgebungen trainiert wurde. Er verwendet beim Schlussfolgern reale Tools und Richtlinien, nicht hypothetische Workflows.

Jede Aktion kann nachvollzogen und geregelt werden. Es wird nicht improvisiert oder nur ein Folgeticket erstellt.

Die native Unterstützung für offene Standards wie Agent-to-Agent (A2a) und Model Context Protocol (MCP) ermöglicht es unseren KI-Agenten, sicher miteinander und über Unternehmenssysteme hinweg zusammenzuarbeiten, ohne den Kontext oder die Kontrolle zu verlieren.

Bei Genesys sind Ausführung und Governance untrennbar miteinander verbunden. Unsere Agentic Virtual Agents agieren innerhalb vorgegebener Grenzen, um Richtlinien zur Laufzeit durchzusetzen und nur dann zu eskalieren, wenn menschliches Fachwissen erforderlich ist.

Das ist relevant, weil es Kunden letztendlich egal ist, wie viele Teams oder Plattformen hinter einer Interaktion stecken – ihnen ist nur wichtig, dass ihr Problem gelöst wird. Genesys Cloud Agentic Virtual Agent wurde entwickelt, um diese Erwartungen zu erfüllen: Er bietet eine durchgängige Erfahrung ohne Unterbrechung, bei der der Fortschritt sichtbar ist, die Ergebnisse klar sind und die Arbeitsschritte auch über mehrere Unternehmensbereiche hinweg abgeschlossen werden können.

Der größte Vorteil ist, dass die Customer Experience nicht mehr aus einer langen Folge von Entschuldigungen und Erklärungen besteht, sondern durch die vorhergehende Customer Journey vorhersehbar wird, anstatt rückwirkend korrigiert werden zu müssen.

Wenn Ihre KI das Problem erklären, aber nicht lösen kann, ist ihre Aufgabe noch nicht erledigt. Mit den branchenweit ersten autonomen Agentic Virtual Agents, die auf Large Action Models für Unternehmens-CX basieren, ermöglicht Genesys Customer Experiences die weit über einfache Gespräche hinausgehen und vertrauenswürdige, ergebnisorientierte Aktionen auf Unternehmensebene umfassen. Erleben Sie Agentic Virtual Agent in Aktion. Vereinbaren Sie eine Demo zu Genesys Cloud Agentic Virtual Agent.

Genesys Cloud Agentic Virtual Agent, der auf Large Action Models basiert, wird schätzungsweise im ersten Quartal des Geschäftsjahres 2027 von Genesys weltweit allgemein verfügbar sein.