Autonome agenter: hvad de er, og hvordan de fungerer

Hvad er en autonom agent?

En autonom agent er et AI-system, der arbejder mod et mål på egen hånd. En person beskriver det resultat, vedkommende ønsker, og agenten finder ud af trinnene og udfører dem.

Forestil dig, at en person vil vælge mellem tre projektstyringsværktøjer. En autonom agent kan søge efter hvert værktøj, åbne dets prisside, notere forskellene og levere en færdig sammenligning. Personen sætter målet og gennemgår resultatet, og agenten udfører arbejdet derimellem.

Mange af nutidens softwareagenter bruger en stor sprogmodel til at fortolke instruktioner og beslutte, hvad de skal gøre som det næste. Nogle modeller behandler også billeder eller lyd. For at søge på nettet, klikke på knapper eller sende e-mails har agenten brug for software, der forbinder modellen med værktøjer og udfører dens anmodninger.

I eksemplet med projektstyring ville LLM'en og agenten arbejde sådan her:

1. LLM'en læser målet og skriver en anmodning om at søge efter priserne på det første værktøj.
2. Agentens software udfører søgningen og sender resultaterne tilbage til LLM'en som tekst.
3. LLM'en læser resultaterne, vælger det næste trin (at åbne prissiden) og skriver en ny anmodning.
4. Cyklussen gentages, indtil LLM'en beslutter, at sammenligningen er færdig, og skriver det endelige svar.

Udvid

Autonominiveauer

I et agentisk AI-system (AI, der er bygget til at udføre handlinger, ikke kun til at besvare spørgsmål) er autonomi et designvalg. Den samme agent kan indstilles til at spørge før hvert trin eller til at fuldføre en hel opgave alene.

Forskere fra University of Washington foreslår en ramme med fem niveauer til at forklare de forskellige grader af autonomi, en agent kan have:

På niveau 4 kan en agent undersøge og udarbejde et udkast til en indkøbsordre på egen hånd, men stoppe op, før den indsender den. På niveau 5 ville den også indsende ordren.

Autonome AI-agenter vs. automatisering vs. chatbots

Autonome agenter adskiller sig fra chatbots og automatisering af arbejdsprocesser på to måder: De beslutter selv deres trin, og de udfører handlinger i andre apps og på andre websites.

En chatbot besvarer spørgsmål i en samtale, men den handler normalt ikke uden for den. Automatisering af arbejdsprocesser handler godt nok, men kun ved at følge trin, som nogen har sat op på forhånd. En almindelig type er robotprocesautomatisering (RPA), software, der gentager enkle, regelbaserede opgaver, såsom at kopiere data fra ét system til et andet.

En autonom agent gør begge dele: Den handler i anden software, og den vælger selv sine trin mod et mål inden for de værktøjer, tilladelser og instruktioner, den har fået.

En klage over en forsinket ordre viser forskellen. En chatbot kunne svare med en færdigskrevet forklaring på forsendelsespolitikken. En automatisering af arbejdsprocesser kunne sende en standardmail om »forsinket ordre«. En autonom agent kunne slå ordren op, finde ud af, at den var gået tabt under transporten, sende en erstatning og give kunden besked.

Sådan fungerer autonome agenter

En autonom agent er afhængig af fire evner for at fuldføre en opgave: at planlægge sine trin, bruge værktøjer, huske, hvad den har gjort, og kontrollere sine egne resultater. Ved større opgaver fordeler nogle agenter også arbejdet på et team af agenter.

1. Opdeling af mål og planlægning

Et mål er som regel for stort til at kunne udføres i ét trin, så en agents første opgave er at dele det op i mindre opgaver. Hvis brugeren for eksempel beder agenten om at planlægge et teamseminar, kunne den opdele målet i at vælge datoer, finde steder inden for budgettet, tjekke tilgængelighed og skrive et udkast til en invitation.

Agenter kan planlægge på forhånd eller planlægge undervejs, afhængigt af hvordan de er bygget. At planlægge på forhånd betyder at skrive hvert trin ned, før man går i gang, hvilket fungerer til korte, forudsigelige opgaver. At planlægge undervejs betyder at planlægge det næste trin eller to, handle og revidere ud fra det, der kommer tilbage. Hvis det foretrukne sted til seminaret var optaget, kunne agenten gå videre til den næste mulighed uden at starte forfra.

Udvid

Et oversigtsstudie af LLM-baserede autonome agenter fra Renmin University of China konkluderer, at den anden tilgang håndterer mere komplekse opgaver bedre, fordi det er svært at skrive en perfekt plan, før man har set nogen resultater. Mange agenter kombinerer de to ved først at skitsere en komplet plan og derefter revidere den, mens de arbejder.

2. Udførelse af handlinger med værktøjer

Når planen er på plads, arbejder agenten sig igennem den én opgave ad gangen og vælger et værktøj til hver af dem.

• For at finde steder kunne den bruge websøgning med en forespørgsel som »seminarsteder til 20 personer nær Austin«.
• For at tjekke tilgængelighed kunne den åbne hvert steds bookingside i en browser og læse kalenderen.
• For at sende invitationen kunne den oprette forbindelse til personens e-mail via et API – den forbindelse, der lader ét stykke software anmode om data eller handlinger fra et andet.

Efter hver handling læser agenten det, der kom tilbage, og beslutter det næste træk. Hvis søgningen giver fem steder, tjekker den deres tilgængelighed. Hvis en bookingside ikke vil indlæses, prøver den stedets telefonnummer eller går videre til den næste mulighed.

De værktøjer, en agent har, afgør, hvilke opgaver den kan fuldføre på egen hånd. Uden adgang til e-mail kan den skrive et udkast til invitationen, men ikke sende den.

3. Sporing af fremskridt med hukommelse

Mens agenten arbejder, skal den holde styr på, hvad den har gjort, og hvad den har lært. Når den har tjekket tre steder, skal den vide, hvilke der var optaget, hvilke der havde plads, og hvad hvert enkelt koster. Den oversigt ligger i LLM'ens kontekstvindue – den mængde tekst, modellen kan tage i betragtning på én gang.

Lange opgaver kan vokse ud af det kontekstvindue. Agenter med langtidshukommelse håndterer dette ved at gemme oplysninger uden for modellen, som regel i en database, og kun hente det, det aktuelle trin har brug for.

Langtidshukommelsen følger også med fra opgave til opgave. Når det er tid til at planlægge næste års seminar, kunne agenten genbruge årets liste over steder og budget eller huske, at teamet foretrækker steder inden for en times kørsel.

4. Kontrol af resultater og kurskorrektion

Mens de arbejder, holder mange agenter øje med tegn på, at et trin er gået galt. Hvis en bookingformular returnerer en fejl, eller en søgning ikke giver nogen resultater, prøver agenten en anden tilgang. Når den når til en beslutning, den ikke bør træffe alene, f.eks. om et sted, der ligger lidt over budgettet, er acceptabelt, spørger den personen og tilpasser sig ud fra svaret.

Før de afleverer deres arbejde, gennemgår mange agenter deres resultater. LLM'en læser det, den har produceret, igennem, sammenligner det med målet og oplister alt, der mangler eller er forkert. Agenten reviderer og tjekker igen, indtil resultatet opfylder målet. Hvis invitationen for eksempel mangler stedets adresse, fanger gennemgangen det, og agenten tilføjer den før afsendelse.

5. Fordeling af arbejdet på flere agenter

Nogle opgaver går hurtigere, når flere agenter deler dem. En hovedagent fordeler arbejdet og giver dele af det videre til underagenter.

Perplexity Computer fungerer på denne måde. En person beskriver det resultat, vedkommende ønsker, og Computer opdeler det i opgaver og delopgaver og opretter derefter underagenter til at udføre dem. Underagenter kan researche på nettet, generere dokumenter, behandle data eller kalde forbundne tjenester via API'er.

Når Computer støder på et problem, opretter den nye underagenter til at løse det. Hver underagent kan også køre på en anden AI-model, så hver del af arbejdet går til den model, der egner sig bedst til den.

Så i seminareksemplet kunne én underagent researche steder, mens en anden tjekker teamets kalendere, og en tredje undersøger rejsemuligheder.

Udvid

Sådan bruger folk autonome agenter

Folk bruger primært autonome agenter til hverdagens videnarbejde: research, skrivning, e-mail og studier. I en undersøgelse foretaget af forskere fra Harvard og Perplexity udgjorde produktivitets- og læringsopgaver 57 % af de agentiske forespørgsler. Eksemplerne nedenfor viser, hvad en agent gør for hver type arbejde.

Research og analyse

Research egner sig godt til agenter, fordi det kræver mange små trin. En agent kan søge, åbne kilder, læse dem og sammenligne, hvad de siger. Tag en forespørgsel som »find tre nyere undersøgelser om fjernarbejde og produktivitet, og opsummer, hvad hver af dem fandt«. Agenten søger efter undersøgelser og åbner de mest relevante. Den læser hver undersøgelses resultater og skriver et resumé med links til alle kilder. Hvis en undersøgelse ligger bag en betalingsmur, går agenten videre til den næste. I undersøgelsen udgør opsummering og analyse af research 7 % af de agentiske forespørgsler.

Dokumenter, e-mail og kalendere

Agenter arbejder ofte i de værktøjer, folk allerede bruger hver dag. I undersøgelsen fra Harvard og Perplexity var Googles dokumentværktøjer og e-mail de to mest almindelige og udgjorde tilsammen omkring en fjerdedel af de agentiske forespørgsler. Tag en forespørgsel som »gennemgå denne uges ulæste e-mails, marker alt fra kunder, og skriv udkast til svar på mødeanmodningerne«. Agenten åbner indbakken og sorterer beskederne. Den tjekker kalenderen for ledige tidspunkter og skriver et udkast til svar på hver anmodning. Den kan gemme udkastene uden at sende dem, så personen kan gennemgå hvert enkelt først.

Læring og kursusarbejde

Studerende bruger agenter til at studere. Kursusarbejde er den største enkeltkategori af agentbrug i undersøgelsen med 13 % af de agentiske forespørgsler. En forespørgsel som »giv mig en quiz om kapitel fire i mit kursusmateriale« sender agenten til kursets website, hvor den læser kapitlet, skriver spørgsmål om hovedpunkterne og tjekker den studerendes svar. Den samme tilgang fungerer for alle, der skal lære et nyt emne, f.eks. en medarbejder, der skal sætte sig ind i en ukendt branche.

Shopping og sammenligninger

Shopping udgør 10 % af de agentiske forespørgsler og handler mest om at søge efter og sammenligne produkter. Hvis en agent bliver bedt om at »finde et hæve-sænkebord til under 400 $ med gode anmeldelser«, søger den hos flere forhandlere, filtrerer efter pris og bedømmelse, sammenligner de bedste muligheder og kan lægge den bedste i en indkøbskurv. At lade en agent sammenligne muligheder på tværs af flere websites kan spare meget tid, da personen ikke længere selv skal åbne og krydstjekke hver annonce.

Syv bedste fremgangsmåder til brug af autonome agenter

1. Begynd med opgaver, der er nemme at tjekke

De bedste første opgaver er dem, hvor en fejl er nem at opdage og billig at rette. Opsummeringer af research og produktsammenligninger er gode steder at starte. Hvis agenten linker til sine kilder, tager det et par minutter at tjekke arbejdet. Efterhånden som tilliden vokser, kan man overlade længere opgaver med flere trin.

2. Fastlæg klare resultater og rammer

Agenten kan træffe bedre beslutninger, når den ved, hvorfor opgaven er vigtig. En god forespørgsel læses som en brief til en ekstern konsulent: formålet, målgruppen, hvad der allerede vides, og hvad der er udelukket. »Sammenlign disse tre leverandører til et notat til bestyrelsen; bestyrelsen går mest op i implementeringsrisikoen, og vi har allerede udelukket alle uden SOC 2-compliance« giver agenten det, den har brug for til selv at foretage vurderinger.

3. Tilføj kontrolpunkter for godkendelse

Nogle handlinger kan ikke fortrydes, f.eks. at sende en e-mail, foretage et køb, slette filer eller indsende en formular. Hvis agenten tillader det, kan du indstille den til at holde pause og spørge, før den udfører disse trin. Selve forespørgslen kan også angive et stoppunkt. »Skriv udkast til svar, men send dem ikke« eller »læg den bedste mulighed i min kurv, men gå ikke til betaling« fortæller agenten præcis, hvor den skal stoppe og give kontrollen tilbage.

4. Gennemgå planen, før arbejdet går i gang

Ved en større opgave kan du bede agenten om at skitsere sin plan, før den går i gang. Det tager et minut at gennemgå en plan, og det er meget billigere at rette en misforståelse på det tidspunkt end at opdage den i det færdige resultat.

5. Begræns adgangen til det, opgaven kræver

Hver konto, en agent kan få adgang til, er en konto, den kan handle i. Når man kun forbinder de apps, en opgave kræver, holdes følsomme data uden for rækkevidde, og det begrænser, hvad der kan gå galt. En agent, der undersøger leverandører, har ikke brug for adgang til e-mail. En agent, der skriver udkast til svar, har brug for det, men den har måske ikke brug for tilladelse til at sende dem.

6. Byg kontrollerne ind i forespørgslen

Agenter gennemgår allerede deres eget output, så forespørgslen kan fortælle dem, hvad de skal tjekke for. Når man beskriver, hvordan et godt resultat ser ud (»alle tal skal have en kilde dateret 2025 eller senere«), anvender agenten den standard, før den afleverer sit arbejde. Hvis man beder den om at adskille bekræftede fakta fra sine egne slutninger og markere antagelser, bliver personens gennemgang hurtigere og mere fokuseret.

7. Genbrug det, der virker

En forespørgsel, der gav et godt resultat, kan blive en skabelon til den næste lignende opgave. At give agenten et eksempel på godt output, f.eks. sidste kvartals rapport, virker ofte bedre end at beskrive formatet med ord. Tilbagevendende opgaver kan blive til faste arbejdsprocesser.

Sådan griber Perplexity autonome agenter an

Perplexity tilbyder to autonome agenter. Comet Assistant klarer hverdagsopgaver i browseren, og Perplexity Computer påtager sig større projekter, der kan køre i timevis eller længere.

Comet Assistant er indbygget i Comet, Perplexitys AI-browser. Den arbejder på de websites, en person allerede har åbne, så den kan planlægge møder, redigere dokumenter, sende e-mails og booke flyrejser uden at skifte værktøj.

Computer kører i skyen og fordeler hvert mål på subagenter, som beskrevet tidligere. Den har forbindelse til hundredvis af tjenester, og man kan vælge bestemte AI-modeller til bestemte dele af arbejdet. Computer er tilgængelig for Pro- og Max-abonnenter.

Udforsk Comet Assistant for at prøve en agent i browseren, eller Perplexity Computer for at overlade et større projekt.

Ofte stillede spørgsmål

Er en autonom agent det samme som agentisk AI?

Nej, men begreberne overlapper. Agentisk AI henviser normalt til den bredere kategori af AI-systemer, der forfølger mål ved at planlægge og udføre handlinger. En autonom agent er et specifikt system i den kategori, som udfører sit arbejde med kun lidt godkendelse trin for trin.

Er alle AI-agenter autonome?

Nej. Nogle agenter udfører kun hvert trin, når en person instruerer dem i det, mens andre gennemfører en hel opgave på egen hånd. De niveauer af autonomi, der blev beskrevet tidligere, viser hele spektret, fra agenter, som en person styrer trin for trin, til agenter, som en person kun overvåger.

Kan autonome agenter foretage køb eller betalinger?

Nogle agenter kan hjælpe med køb, afhængigt af websitet, tilladelserne og sikkerhedsforanstaltningerne. Comet Assistant kan sammenligne produkter og hjælpe med betalingsforløb. Med Perplexitys Instant Buy kan berettigede brugere i USA købe understøttede produkter i Perplexity, med PayPal som betalingsmulighed.

Kræver autonome agenter kodefærdigheder?

Mange færdige agenter kan bruges uden kodning. Nogle platforme giver også mulighed for at bygge agenter via instruktioner i naturligt sprog eller en grafisk brugerflade. Kodning kan være nyttig til tilpassede integrationer, fejlfinding og mere specialiseret adfærd.