Pochopení agentů AI: Klíčový krok k dosažení AGI

V poslední době se různí chatboti jako ChatGPT, Claude a Gemini dostali do centra pozornosti v oblasti umělé inteligence. Tyto nástroje však nejsou konečným cílem většiny podniků. Značný počet podniků usiluje o vývoj umělé obecné inteligence (AGI) – technologie schopné uvažování na úrovních srovnatelných nebo potenciálně přesahujících lidskou inteligenci. Cesta k AGI však zahrnuje několik vývojových milníků.

Zatímco chatboti vykazují působivé schopnosti, jejich užitečnost je poněkud omezená. Bez prvku autonomie mohou chatboti zvýšit efektivitu a produktivitu pouze do určité míry. Toto omezení přispívá k jejich neschopnosti generovat očekávané příjmy. Chatboti v podstatě představují základní fázi pokroku AI.

Toto omezení je důvodem, proč se firmy zabývající se AI stále více zaměřují na agenty AI jako na další vlnu inovací AI. Na rozdíl od tradičních chatbotů nebo automatizovaných podpůrných botů, které se běžně vyskytují na firemních webech, jsou agenti AI navrženi tak, aby šli nad rámec jednoduchých pokynů a mohli činit nezávislá rozhodnutí.

Interakce se stávajícími roboty zákaznické podpory může být často frustrující, protože obecně nedokážou vyřešit problémy rychle a efektivně – na rozdíl od zástupců lidské podpory. Příchod autonomních agentů umělé inteligence však tuto zkušenost změní.

Definování agentů AI

Definice agentů AI zůstává i mezi odborníky poněkud nejednoznačná, přesto se jejich vize neustále vyvíjí.

Některé vlastnosti jsou však dobře pochopeny. Agenti umělé inteligence jsou navrženi jako modely schopné samostatně činit složitá rozhodnutí v rámci reálných scénářů. Mohou vyžadovat občasný lidský dohled, ale rozsah úkolů, které mohou vykonávat, výrazně předčí současné chatboty.

Zatímco chatboti jako ChatGPT mohou zvýšit produktivitu lidí, agenti AI mají potenciál nahradit lidské role, alespoň pro jednodušší úkoly.

Díky tomu, že se agenti umělé inteligence odliší od existujících generativních robotů umělé inteligence, kteří fungují čistě na základě předpovídání dalšího slova v sekvenci, budou mít schopnost kriticky myslet a uvažovat. Záblesk takových schopností uvažování již byl pozorován u modelu OpenAI o1.

Uvažování je však jen jedním aspektem toho, čeho mají agenti AI dosáhnout.

Základním rysem agentů AI je jejich schopnost sledovat cíle stanovené lidmi bez neustálých instrukcí, zejména ve složitých a neustále se měnících prostředích. Na rozdíl od současných chatbotů, kteří se spoléhají na podrobné pokyny od lidí, budou agenti AI vyžadovat, aby uživatel definoval konečný cíl.

Proaktivita je další zásadní vlastností; Agenti AI by neměli čekat na výzvy, jak to dělají typičtí chatboti.

Kromě toho je klíčovým aspektem agentů AI jejich schopnost učit se ze zpětné vazby. Tito agenti se mohou neustále vyvíjet a zvyšovat svůj výkon, aniž by potřebovali lidský zásah; učí se ze svých zkušeností.

Jak fungují agenti AI Představte si agenta AI, který řeší problém zákazníka. Namísto pouhého dodržování pevného skriptu může získat informace, jako je referenční ID zákazníka, získat přístup k relevantním interním dokumentům a klást další otázky, aby lépe porozuměl situaci, než nabídne řešení. V případě potřeby může záležitost postoupit ke schválení lidskému nadřízenému. Nakonec, pokud se řešení ukáže jako nemožné, může přesměrovat klienta na lidského zástupce.

Potenciální použití

Zákaznická podpora je pouze jednou doménou, kde se očekává, že agenti AI budou prosperovat, ale pravděpodobně se objeví v mnoha dalších oblastech, jako je vývoj softwaru.

Prognózy naznačují, že během příštích tří let bude značný počet společností zaměstnávat agenty umělé inteligence pro úkoly kódování, čímž budou lidské vývojáře většinou převáděny do role revizí.

Četné organizace vyvíjejí agentní systémy pro zlepšení interních pracovních postupů, které přecházejí od fáze Proof of Concept k pilotní fázi. I když automatizace úloh s agenty není nový koncept, integrace AI těmto agentům umožní zvládat širší škálu úloh s větší flexibilitou.

Mnoho podniků již nasazuje agenty umělé inteligence pro různé interní funkce, přičemž někteří, jako je Agentforce od Salesforce, nabízejí firmám předběžné verze. Během několika let by agenti AI mohli zcela nahradit tradiční zaměstnance call center.

Kromě toho mnoho podniků pravděpodobně přijme multiagentní systém, kde odlišní agenti budou vykonávat specializované funkce při zachování komunikace a spolupráce.

Rozsah agentů AI přesahuje podnikání; Aplikace osobního asistenta jsou také modernizovány o možnosti umělé inteligence. Ideální agent umělé inteligence by fungoval podobně jako lidský asistent, řídil by nákupy, organizoval cesty nebo plánoval schůzky, s možností interakce s různými nástroji, včetně vyhledávání na webu a dalších systémů umělé inteligence.

Agenti umělé inteligence by navíc měli být multimodální, jak ukázal projekt Astra společnosti Google na své nedávné konferenci I/O, schopní zpracovávat audio, obrázky a video vstupy.

Je pozoruhodné, že nebude existovat jediný typ agenta AI; různé kontexty budou vyžadovat různé sady dovedností.

Aktuální výzvy, kterým čelí agenti AI

Navzdory významným pokrokům představuje dosažení plně autonomních agentů řadu problémů.

Aby agenti umělé inteligence byli skutečně užiteční a autonomní, musí drasticky snížit svou chybovost. V současné době jsou systémy umělé inteligence vysoce náchylné k nepřesnostem, které je třeba snížit pod 1 %, aby se usnadnilo široké přijetí. Dosažení snížení pod 10 % může být relativně jednoduché, ale jeho další zdokonalování bude náročnější.

Kromě toho ve scénáři zákaznické podpory, o kterém jsme hovořili výše, je kritickou překážkou zajištění toho, aby agent AI mohl určit, kdy má problém eskalovat na člověka, místo aby se tvrdohlavě pokoušel problém vyřešit nezávisle, což může vést ke zvýšeným nákladům.

Kontextové porozumění představuje další překážku. Při představě využití AI chatbotů pro kódovací úlohy se stanou zřejmými jejich současná omezení; zápasí s vytvářením dlouhého kódu kvůli kontextovým omezením.

Aby bylo možné plně využít potenciál agentů umělé inteligence, je třeba řešit také zabezpečení a řízení přístupu. S větší autonomií přichází zvýšené riziko, které vyžaduje zabezpečení, aby bylo zajištěno, že agenti AI provádějí pouze autorizované akce a přistupují k povoleným informacím.

Problémy, jako je rychlé vložení, navíc představují zranitelnosti zabezpečení, které je třeba řešit.

Výzvy představují také zdroje potřebné pro trénovací data a výpočetní výkon. Podle některých prohlášení Sama Altmana však mohou existovat potenciální řešení problému s trénovacími daty, na kterých se již pracuje.

Společnosti AI pilně pracují na dosažení agentní budoucnosti a očekává se, že mnoho z těchto výzev bude v blízké budoucnosti vyřešeno. Například Google v současné době umožňuje 2M kontextové okno a dělá pokroky směrem k nekonečnému kontextu.

I když tedy umělá inteligence v současné době nemusí fungovat na úrovních, které doufáme, budoucnost může přijít dříve, než se očekávalo. Podniky se musí připravit na integraci agentů AI do svých operací. Pokud věříte, že uplynou roky, než umělá inteligence dokáže kompetentně zvládnout povinnosti, na které dohlížíte, znovu to zvažte. Agenti umělé inteligence jsou na obzoru a je nezbytné vyvinout nové dovednosti, abyste se přizpůsobili této vznikající realitě. Mnoho společností je připraveno zahájit integraci agentů AI již v příštím roce s autonomním rozhodováním, proaktivitou, přizpůsobivostí a schopností fungovat v rámci komplexních nastavení a sledovat definované cíle.

Zdroj