Mis on AI-agendid ja kuidas neid töös kasutada?

Tehisintellekt ei piirdu enam küsimustele vastamise, tekstide kirjutamise või piltide loomisega. Üha rohkem räägitakse AI-agentidest, mis suudavad neile antud eesmärgi saavutamiseks valida järgmisi samme, kasutada tööriistu ja teha kokkulepitud piirides toiminguid.

See on oluline muutus. Kui tavalise AI-vestluse puhul juhib protsessi enamasti inimene – annab ülesande, hindab vastust ja otsustab järgmise sammu –, siis AI-agent võib osa sellest tööprotsessist ise juhtida.

Näiteks võib agent koguda infot mitmest allikast, võrrelda tulemusi, kasutada ettevõtte süsteeme ja koostada nende põhjal raporti. Keerukama lahenduse puhul võib ta ka teha lubatud toiminguid, näiteks uuendada süsteemis infot või anda ülesande edasi inimesele.

See ei tähenda, et iga AI-lahendus oleks agent või et agent peaks töötama täielikult autonoomselt.

Selles artiklis vaatame:

• mis on AI-agent;
• kuidas AI-agent erineb AI-assistendist ja automatiseerimisest;
• kuidas AI-agent töötab;
• millest AI-agent koosneb;
• mis roll on tööriistadel, RAG-il ja mälul;
• millistes tööprotsessides võib agentidest kasu olla;
• millal ei ole AI-agent parim lahendus;
• milliste riskidega peab ettevõte arvestama.

Mis on AI-agent?

AI-agent on tehisintellektil põhinev süsteem, mis suudab talle antud eesmärgi saavutamiseks juhtida mitmeastmelist tööprotsessi, valida vajalikke tegevusi ja kasutada selleks talle lubatud tööriistu.

OpenAI kirjeldab agente süsteemidena, mis suudavad kasutaja nimel ülesandeid iseseisvalt täita. Oluline erinevus lihtsamast AI-rakendusest seisneb selles, et keelemudel osaleb tööprotsessi juhtimises ja otsustamises ning saab kasutada väliste süsteemidega suhtlemiseks tööriistu.

Kõige lihtsamalt:

• AI-assistent aitab sul ülesannet teha.
• AI-agent saab osa ülesandest sinu eest täita.

Oletame, et soovid koostada iganädalase müügiülevaate.

Tavalisele AI-assistendile annad andmed ja palud neist kokkuvõtte teha.

Agentsem süsteem võiks sõltuvalt talle antud ligipääsudest:

• hankida vajalikud müügiandmed;
• võrrelda neid eelmise perioodiga;
• tuvastada kõrvalekalded;
• koostada kokkuvõtte;
• valmistada ette raporti;
• küsida enne tundlikumat toimingut inimese kinnitust.

Siin ei genereeri AI enam ainult vastust, vaid osaleb töövoo täitmises.

AI-agent, AI-assistent ja automatiseerimine – mis neil vahet on?

Neid mõisteid kasutatakse sageli läbisegi, kuigi nende tööloogika võib olla üsna erinev.

AI-assistent

AI-assistent reageerib enamasti inimese antud ülesandele.

Näiteks:

„Koosta nende märkmete põhjal koosoleku kokkuvõte."

AI teeb ülesande ära ja annab tulemuse kasutajale tagasi. Järgmise sammu määrab tavaliselt inimene.

Automatiseeritud töövoog

Klassikalises automatiseerimises on tegevuste järjekord suuresti ette määratud.

Näiteks:

vorm täidetakse → andmed lisatakse CRM-i → saadetakse kinnituskiri → luuakse ülesanne.

Süsteem ei pea iga kord otsustama, mida järgmisena teha. Loogika on eelnevalt paika pandud.

AI-agent

Agent on kasulik olukorras, kus kõiki samme ei ole mõistlik jäigalt ette kirjutada.

Ta võib hinnata olukorda, valida sobiva tööriista, kasutada saadud tulemust järgmise otsuse tegemiseks ning vajadusel oma tegevust kohandada.

See erinevus on ettevõtte jaoks oluline, sest iga protsess ei vaja AI-agenti.

Kuidas AI-agent töötab?

AI-agendi töö võib lihtsustatult jagada korduvaks tsükliks:

eesmärk → olukorra hindamine → tegevuse valimine → tööriista kasutamine → tulemuse hindamine → järgmine tegevus

Näiteks saab agent ülesande:

„Koosta mulle selle nädala klienditagasiside põhjal ülevaade peamistest probleemidest."

Sõltuvalt süsteemist võib agent:

• määrata, millist infot ülesande täitmiseks vajab;
• kasutada lubatud tööriista klienditagasiside hankimiseks;
• analüüsida saadud infot;
• märgata, et osa vajalikust infost puudub;
• teha täiendava päringu;
• koondada korduvad teemad;
• koostada raporti;
• lõpetada ülesande või anda selle inimesele üle.

Agent ei pea tingimata teadma kõiki samme enne töö alustamist. Osa tegevusi valitakse töö käigus saadud info põhjal.

Millest AI-agent koosneb?

Agent ei ole ainult keelemudel. Toimiv süsteem ühendab tavaliselt mitu komponenti.

OpenAI toob agentide põhielementidena välja mudeli, tööriistad ja juhised. Google Cloud käsitleb agentide arhitektuuris lisaks grounding'ut, andmearhitektuuri, mälu, orkestreerimist ja käituskeskkonda.

1. Mudel

Keelemudel aitab mõista ülesannet, töödelda infot ja valida sobivaid tegevusi.

Mudelit võib mõelda kui üht otsustusvõimekust pakkuvat komponenti – aga ilma ligipääsuta teistele süsteemidele on tema tegutsemisvõimalused piiratud.

2. Juhised

Agent vajab selgeid juhiseid:

• milline on tema ülesanne;
• milliseid tegevusi ta võib teha;
• milliseid reegleid peab järgima;
• millal peab küsima lisainfot;
• millal tuleb tegevus peatada;
• millal peab otsuse inimesele üle andma.

Mida suurem on agendi tegutsemisvabadus, seda olulisemaks muutuvad hästi määratletud piirid.

3. Tööriistad

Tööriistad võimaldavad agendil teha rohkem kui lihtsalt teksti genereerida.

Nendeks võivad olla näiteks:

• veebiotsing;
• ettevõtte andmebaas;
• CRM;
• kalender;
• dokumendihaldus;
• kalkulaator;
• API;
• e-post;
• ettevõttesisene teadmistebaas.

Tööriist võib anda agendile infot, aga võimaldada ka tegevust.

See erinevus on oluline. Dokumendi lugemine on väiksema riskiga kui näiteks kliendiandmete muutmine, kirja saatmine või makse algatamine.

4. Kontekst ja mälu

Agent võib kasutada ülesande täitmiseks erinevat tüüpi konteksti.

Lühiajaline kontekst aitab hoida järge käimasoleval ülesandel. Pikemaajalisem mälu võib võimaldada säilitada ülesande või kasutaja kohta vajalikku infot ka tulevasteks tegevusteks.

Kõigil AI-agentidel ei pea olema pikaajalist mälu. Mälu ulatus peaks sõltuma kasutusjuhtumist, vajadusest ja andmekaitsenõuetest. Google Cloud eristab näiteks töömälu, pikaajalist mälu ja tegevuste auditeerimiseks vajalikku seisundiinfot.

5. Orkestreerimine

Orkestreerimine määrab, kuidas erinevad komponendid mitmeastmelise ülesande jooksul koos töötavad.

Lihtsama lahenduse puhul võib olla üks agent mitme tööriistaga. Keerulisemas süsteemis võivad ülesande lahendamisel koostööd teha mitu spetsialiseeritud agenti.

Keerukam ei tähenda automaatselt paremat. OpenAI soovitab üldjuhul esmalt maksimeerida ühe agendi võimekust ja liikuda mitme agendiga lahenduse juurde siis, kui selleks tekib selge vajadus.

Mis on RAG ja kuidas see AI-agentidega seotud on?

AI-agent ja RAG ehk retrieval-augmented generation ei ole sama asi.

RAG võimaldab AI-süsteemil otsida enne vastamist infot välistest allikatest, näiteks ettevõtte dokumentidest või teadmistebaasist, ning kasutada leitud infot vastuse koostamisel.

See aitab muuta vastuseid organisatsiooni enda teadmistega paremini seotuks ja ajakohasemaks.

Agent võib RAG-i kasutada ühe tööriista või teadmiste hankimise viisina.

Näiteks võib töötaja küsida:

„Millised on meie ettevõtte välislähetuse reeglid?"

RAG-põhine süsteem võib otsida vastava dokumendi ja koostada selle põhjal vastuse.

Agentsem lahendus võiks minna edasi: leida reeglid, küsida vajadusel puuduva info, kontrollida teisi lubatud süsteeme ja aidata kasutajal järgmise tegevuseni jõuda.

Google Cloud eristab ka agentic RAG-i, kus agent saab keerukama küsimuse lahendamiseks ise kavandada mitmeastmelise infootsingu ja teha järjest mitu tööriistakutset.

Mis on ReAct?

Üks AI-agentidega seotud tuntud lähenemisi on ReAct – Reasoning and Acting.

ReActi idee avaldati 2022. aastal teadustöös, milles ühendati keelemudeli arutlus ja väliskeskkonnas tehtavad tegevused iteratiivseks protsessiks.

Praktiliselt võib seda mõista nii:

hind → tegutse → vaata tulemust → otsusta järgmine tegevus

Näiteks:

Kas vajalik info on olemas? Kui ei, kasuta otsingut. Vaata saadud tulemust. Kas sellest piisab? Kui ei, tee järgmine sobiv tegevus.

Selline tsükkel võimaldab süsteemil kohandada järgmisi samme vastavalt sellele, mida eelnev tegevus andis. Google Cloud käsitleb ReActi ka tänapäevaste agentsete süsteemide ühe levinud orkestreerimismustrina.

Kus saab AI-agente ettevõttes kasutada?

Agentide väärtus tuleb kõige paremini esile ülesannetes, kus tuleb ühendada otsustamine, info kogumine ja mitme sammu läbimine.

Klienditeenindus

Agent võib:

• tuvastada kliendi küsimuse;
• otsida teadmistebaasist infot;
• kontrollida tellimuse staatust;
• koostada vastuse;
• teha lubatud muudatuse;
• anda keerulisema juhtumi töötajale üle.

Turundus

Agent võib aidata:

• koguda kampaaniate tulemusi;
• võrrelda kanaleid;
• analüüsida sisutulemusi;
• tuvastada muutusi;
• valmistada ette regulaarseid raporteid.

See ei tähenda, et agent peaks ise turundusotsuseid vastu võtma. Sageli on suurem väärtus just info ettevalmistamises inimese otsuse jaoks.

Ettevõttesisene teadmushaldus

Agent võib ühendada infot erinevatest lubatud allikatest ja aidata töötajal leida vastuseid küsimustele, mille puhul peaks muidu otsima mitmest süsteemist või dokumendist.

Tarkvaraarendus

Arendusagent võib näiteks:

• analüüsida koodi;
• teha kokkulepitud muudatusi;
• käivitada teste;
• hinnata testide tulemusi;
• proovida viga parandada;
• anda muudatused inimesele ülevaatamiseks.

Administratiivsed tööprotsessid

Agent võib toetada tegevusi, kus tuleb koguda infot mitmest allikast, võrrelda dokumente, koostada kokkuvõtteid või valmistada ette järgmisi samme.

Kõigepealt tasub küsida mitte „kuhu saaksime AI-agendi lisada?", vaid:

Millises tööprotsessis kulub praegu palju aega info otsimisele, hindamisele ja korduvatele otsustele?

Sealt võib leida palju paremaid kasutuskohti.

Millal tasub AI-agenti kasutada?

Agent võib olla põhjendatud, kui ülesanne:

• sisaldab mitut omavahel seotud sammu;
• nõuab kontekstipõhist otsustamist;
• sisaldab erandeid ja varieeruvaid olukordi;
• kasutab struktureerimata infot, näiteks dokumente või vabas vormis teksti;
• eeldab mitme süsteemi või tööriista kasutamist;
• on tavapäraste jäikade automatiseerimisreeglitega keerulik hallata.

OpenAI toob agentide sobivate kasutusjuhtudena esile muu hulgas keerukat otsustamist, raskesti hallatavaid reeglistikke ja struktureerimata andmetega töövooge.

Millal AI-agent ei ole parim lahendus?

AI-agent ei ole eesmärk omaette.

Kui protsess on lihtne ja tegevuste järjekord alati sama, võib tavapärane automatiseerimine olla:

• odavam;
• kiirem;
• lihtsamini testitav;
• prognoositavam;
• lihtsamini hallatav.

Näiteks kui soovid iga veebivormi täitmise järel lisada kontakti CRM-i ja saata talle alati sama kinnituskirja, ei pruugi selleks agenti vaja olla.

Hea AI-strateegia ei tähenda, et kõik protsessid muudetaks agentseks.

Oluline on valida ülesande jaoks sobiv tehnoloogia.

Kas AI-agent võib tegutseda täiesti iseseisvalt?

Tehniliselt võivad mõned agendid saada väga suure tegutsemisvabaduse. Organisatsioonis ei tähenda see aga, et maksimaalne autonoomia oleks soovitav.

Mida rohkem saab agent väliseid süsteeme mõjutada, seda olulisemaks muutuvad:

• ligipääsuõigused;
• autentimine ja autoriseerimine;
• andmekaitse;
• tegevuslogid;
• sisendite ja väljundite kontroll;
• tegevuspiirangud;
• inimese kinnitus tundlike toimingute puhul.

OpenAI soovitab käsitleda guardrail'e kihilise kaitse osana ning siduda need tavapäraste turvameetmetega, nagu autentimine, autoriseerimine ja ranged ligipääsukontrollid. Kõrge riskiga või pöördumatute tegevuste puhul on oluline inimese sekkumise võimalus.

Seega ei ole hea küsimus ainult:

„Mida agent suudab teha?"

Sama oluline on:

„Mida me lubame tal teha ilma inimese kinnituseta?"

Millised on AI-agentide peamised riskid?

Agentide kasutamisel lisandub generatiivse AI tavapärastele riskidele üks oluline mõõde: süsteem võib lisaks vastuse loomisele midagi teha.

Seetõttu tuleb enne kasutuselevõttu hinnata vähemalt järgmisi küsimusi.

Millistele andmetele agent ligi pääseb?

Agent peaks nägema ainult ülesande täitmiseks vajalikku infot.

Milliseid tegevusi agent teha saab?

Lugemisõigus ja muutmisõigus ei ole sama riskitasemega.

Mis juhtub eksimuse korral?

Peab olema teada, kas tegevust saab tagasi pöörata ja kuidas viga avastatakse.

Millal peab inimene sekkuma?

Tundlikud, rahalised, õiguslikud või muul viisil kõrge mõjuga otsused vajavad tugevamat kontrolli.

Kuidas tegevusi auditeeritakse?

Organisatsioonil peab olema võimalik hiljem aru saada, milliseid toiminguid süsteem tegi.

Agent ei muuda head protsessijuhtimist vähem oluliseks. Vastupidi – suurem tegutsemisvõime suurendab vajadust selgete reeglite järele.

Kas AI-agendid asendavad tavapärase automatiseerimise?

Ei.

Pigem lisavad AI-agendid automatiseerimise tööriistakasti uue võimaluse.

Praktikas võivad ühes tööprotsessis töötada koos:

• tavapärased automaatikad;
• keelemudel;
• RAG;
• API-d;
• AI-agent;
• inimene.

Mõnes protsessis piisab ühest lihtsast automaatikast. Teises aitab AI-assistent. Kolmandas võib agent vähendada käsitsi tehtavate otsuste ja süsteemide vahel liikumise hulka.

Kõige väärtuslikum lahendus ei ole tingimata kõige agentsem, vaid see, mis lahendab konkreetse tööülesande võimalikult usaldusväärselt.

Kokkuvõte: mis on AI-agent?

AI-agent on tehisintellektil põhinev süsteem, mis saab talle antud eesmärgi täitmiseks juhtida mitmeastmelist tööprotsessi, valida tegevusi ja kasutada talle lubatud tööriistu.

AI-agendi peamine erinevus tavalisest vestlusrobotist ei ole see, et ta „räägib targemalt", vaid see, et ta saab osaleda ülesande täitmises ja töövoo juhtimises.

Ettevõtte jaoks tasub enne agentide kasutuselevõttu vastata neljale küsimusele:

1. Millist tööprobleemi tahame lahendada?
2. Kas see vajab otsustamisvõimet või piisab tavalisest automatiseerimisest?
3. Millistele andmetele ja tööriistadele peab süsteem ligi pääsema?
4. Millised tegevused vajavad inimese kontrolli?

Kui nendele küsimustele on vastused olemas, saab hakata hindama, kas AI-agent on selle töö jaoks mõistlik lahendus.

Korduma kippuvad küsimused AI-agentide kohta

Mis vahe on AI-agendil ja ChatGPT-l?

ChatGPT-taoline AI-assistent võib vastata küsimustele, luua sisu, analüüsida infot ja sõltuvalt kasutatavast keskkonnast kasutada erinevaid tööriistu. AI-agent tähendab eelkõige süsteemi tööloogikat, kus mudel saab talle antud eesmärgi saavutamiseks juhtida töövoogu, valida tegevusi ja kasutada tööriistu. Seega ei määra agenti ainult kasutatav mudel, vaid see, kuidas süsteem on üles ehitatud ja millise tegutsemisõiguse see saab.

Kas AI-agent töötab ilma inimeseta?

Võib töötada teatud ülesannetes iseseisvalt, kuid autonoomia ulatus tuleks määrata vastavalt riskile. Kõrge mõjuga, tundlike või pöördumatute toimingute puhul on mõistlik nõuda inimese kinnitust.

Kas AI-agent vajab RAG-i?

Mitte tingimata. RAG on üks võimalus anda AI-süsteemile ligipääs välisele teadmisele. Agent võib kasutada RAG-i, otsingut, API-sid, andmebaase või teisi tööriistu sõltuvalt ülesandest.

Kas AI-agent ja AI-automatiseerimine on sama asi?

Mitte täpselt. Klassikalises automatiseerimises on tegevuste loogika enamasti eelnevalt määratud. Agentse lahenduse puhul saab mudel osaleda järgmise tegevuse valimises vastavalt kontekstile ja vahetule tulemusele.

Kas igal ettevõttel on vaja AI-agente?

Ei. Mõnes protsessis annab rohkem väärtust lihtne automatiseerimine või AI-assistent. Agent tasub kasutusele võtta siis, kui tööülesande keerukus ja varieeruvus õigustavad suuremat tehnilist keerukust.

Tahad leida AI-le mõistlikud kasutuskohad oma organisatsioonis?

AI-koolitus ei pea algama tööriistade nimekirjast. Alustada saab sinu meeskonna tööülesannetest ja protsessidest: kus AI-st võiks olla kasu, mida saab automatiseerida ning kus on vaja inimese otsustusõigust.

Vaata AI koolitusi või küsi koolituspakkumist.