סוכנים אוטונומיים: מהם ואיך הם עובדים

מהו סוכן אוטונומי

סוכן אוטונומי הוא מערכת בינה מלאכותית שפועלת באופן עצמאי להשגת מטרה. אדם מתאר את התוצאה שהוא רוצה, והסוכן קובע את השלבים ומבצע אותם.

נניח שמישהו רוצה לבחור בין שלושה כלים לניהול פרויקטים. סוכן אוטונומי יכול לחפש כל כלי, לפתוח את דף התמחור שלו, לרשום את ההבדלים ולהחזיר השוואה מוכנה. האדם מגדיר את המטרה ובודק את התוצאה, והסוכן עושה את כל העבודה שבין לבין.

סוכני תוכנה רבים כיום משתמשים במודל שפה גדול (LLM) כדי לפרש הוראות ולהחליט מה לעשות בהמשך. חלק מהמודלים מעבדים גם תמונות או שמע. כדי לחפש באינטרנט, ללחוץ על לחצנים או לשלוח אימייל, הסוכן זקוק לתוכנה שמחברת את המודל לכלים ומבצעת את הבקשות שלו.

בדוגמה של ניהול הפרויקטים, ה-LLM והסוכן יפעלו כך:

1. ה-LLM קורא את המטרה וכותב בקשה לחפש את התמחור של הכלי הראשון.
2. התוכנה של הסוכן מריצה את החיפוש ומעבירה את התוצאות חזרה ל-LLM כטקסט.
3. ה-LLM קורא את התוצאות, בוחר את השלב הבא (פתיחת דף התמחור) וכותב בקשה חדשה.
4. המחזור חוזר על עצמו עד שה-LLM מחליט שההשוואה הושלמה וכותב את התשובה הסופית.

הגדלה

רמות אוטונומיה

במערכת בינה מלאכותית סוכנית (בינה מלאכותית שנבנתה כדי לבצע פעולות, ולא רק לענות על שאלות), האוטונומיה היא החלטה תכנונית. אפשר להגדיר את אותו סוכן כך שישאל לפני כל שלב, או כך שישלים משימה שלמה לבדו.

חוקרים מאוניברסיטת וושינגטון מציעים מסגרת בת חמש רמות כדי להסביר את דרגות האוטונומיה השונות שיכולות להיות לסוכן:

ברמה 4, סוכן עשוי לחקור ולנסח הזמנת רכש בעצמו, אך לעצור לפני שליחתה. ברמה 5, הוא ישלח גם את ההזמנה.

סוכני בינה מלאכותית אוטונומיים לעומת אוטומציה ולעומת צ׳אטבוטים

סוכנים אוטונומיים שונים מצ׳אטבוטים ומאוטומציה של תהליכי עבודה בשני אופנים: הם מחליטים בעצמם על השלבים, והם מבצעים פעולות באפליקציות ובאתרים אחרים.

צ׳אטבוט עונה על שאלות במסגרת שיחה, אבל בדרך כלל אינו פועל מחוץ לה. אוטומציה של תהליכי עבודה כן פועלת, אבל רק לפי שלבים שמישהו הגדיר מראש. סוג נפוץ שלה הוא אוטומציה רובוטית של תהליכים (RPA) – תוכנה שחוזרת על משימות פשוטות המבוססות על כללים, כמו העתקת נתונים ממערכת אחת לאחרת.

סוכן אוטונומי עושה את שניהם: הוא פועל בתוכנות אחרות, והוא בוחר בעצמו את השלבים לקראת מטרה, במסגרת הכלים, ההרשאות וההוראות שניתנו לו.

תלונה על הזמנה שמתעכבת ממחישה את ההבדל. צ׳אטבוט יכול להשיב בהסבר כתוב מראש על מדיניות המשלוחים. אוטומציה של תהליכי עבודה יכולה לשלוח אימייל סטנדרטי בנושא “עיכוב בהזמנה”. סוכן אוטונומי יכול לאתר את ההזמנה, לגלות שהיא אבדה בדרך, להנפיק משלוח חלופי ולעדכן את הלקוח.

איך סוכנים אוטונומיים עובדים

סוכן אוטונומי נשען על ארבע יכולות כדי להשלים משימה: תכנון השלבים, שימוש בכלים, זכירת מה שכבר עשה ובדיקת התוצאות של עצמו. במשימות גדולות יותר, חלק מהסוכנים גם מחלקים את העבודה בין צוות של סוכנים.

1. פירוק מטרות ובניית תוכניות

מטרה היא בדרך כלל גדולה מכדי לפעול לפיה בשלב אחד, ולכן התפקיד הראשון של הסוכן הוא לפרק אותה למשימות קטנות יותר. לדוגמה, אם המשתמש מבקש מהסוכן לתכנן אוף-סייט לצוות, הסוכן יכול לפצל את המטרה לבחירת תאריכים, מציאת מקומות במסגרת התקציב, בדיקת זמינות וניסוח הזמנה.

סוכנים יכולים לתכנן מראש או לתכנן תוך כדי תנועה, בהתאם לאופן שבו הם בנויים. תכנון מראש פירושו כתיבת כל השלבים לפני ההתחלה, וזה מתאים למשימות קצרות וצפויות. תכנון תוך כדי תנועה פירושו מיפוי של השלב הבא או של שני השלבים הבאים, ביצוע ועדכון התוכנית לפי מה שחוזר. אם המקום המועדף לאוף-סייט היה תפוס, הסוכן יכול לעבור לאפשרות הבאה בלי להתחיל מחדש.

הגדלה

סקירה של סוכנים אוטונומיים מבוססי LLM מאוניברסיטת רנמין שבסין מצאה שהגישה השנייה מתמודדת טוב יותר עם משימות מורכבות, משום שקשה לכתוב תוכנית מושלמת לפני שרואים תוצאות כלשהן. סוכנים רבים משלבים בין השתיים: הם משרטטים תחילה תוכנית מלאה ומעדכנים אותה תוך כדי עבודה.

2. ביצוע פעולות באמצעות כלים

כשהתוכנית מוכנה, הסוכן מתקדם בה משימה אחר משימה ובוחר כלי לכל אחת מהן.

• כדי למצוא מקומות, הוא עשוי להשתמש בחיפוש באינטרנט עם שאילתה כמו “מקומות לאוף-סייט ל-20 איש ליד אוסטין”.
• כדי לבדוק זמינות, הוא עשוי לפתוח בדפדפן את דף ההזמנות של כל מקום ולעיין ביומן הזמינות.
• כדי לשלוח את ההזמנה, הוא עשוי להתחבר לאימייל של האדם באמצעות API – החיבור שמאפשר לתוכנה אחת לבקש נתונים או פעולות מתוכנה אחרת.

אחרי כל פעולה, הסוכן קורא את מה שחזר ומחליט על הצעד הבא. אם החיפוש מעלה חמישה מקומות, הוא בודק את הזמינות שלהם. אם דף הזמנות לא נטען, הוא מנסה את מספר הטלפון שמופיע ברישום של המקום או עובר לאפשרות הבאה.

הכלים שעומדים לרשות הסוכן קובעים אילו משימות הוא יכול להשלים בעצמו. בלי גישה לאימייל, הוא יכול לנסח את ההזמנה אבל לא לשלוח אותה.

3. מעקב אחר ההתקדמות באמצעות זיכרון

בזמן שהסוכן עובד, הוא צריך לעקוב אחר מה שכבר עשה ומה שלמד. לאחר שבדק שלושה מקומות, הוא צריך לדעת אילו מהם היו תפוסים, באילו היה מקום פנוי וכמה עולה כל אחד. התיעוד הזה נשמר בחלון ההקשר של ה-LLM – כמות הטקסט שהמודל יכול להביא בחשבון בבת אחת.

משימות ארוכות עלולות לחרוג מחלון ההקשר הזה. סוכנים עם זיכרון לטווח ארוך מתמודדים עם זה על ידי שמירת מידע מחוץ למודל, בדרך כלל במסד נתונים, ושליפה רק של מה שהשלב הנוכחי צריך.

זיכרון לטווח ארוך גם נשמר בין משימה למשימה. כשיגיע הזמן לתכנן את האוף-סייט של השנה הבאה, הסוכן יוכל להשתמש שוב ברשימת המקומות ובתקציב של השנה, או לזכור שהצוות מעדיף מקומות במרחק של עד שעת נסיעה.

4. בדיקת תוצאות ותיקון המסלול

בזמן העבודה, סוכנים רבים מחפשים סימנים לכך ששלב מסוים השתבש. אם טופס הזמנה מחזיר שגיאה או שחיפוש לא מניב תוצאות, הם מנסים גישה אחרת. כשהם מגיעים להחלטה שאינם אמורים לקבל לבד, למשל אם מקום שחורג מעט מהתקציב הוא מקובל, הם שואלים את האדם ומתאימים את עצמם לפי התשובה.

לפני שהם מחזירים את העבודה, סוכנים רבים בודקים את התוצאות שלהם. ה-LLM קורא שוב את מה שהפיק, משווה אותו למטרה ומפרט כל מה שחסר או שגוי. הסוכן מתקן ובודק שוב עד שהתוצאה עומדת במטרה. לדוגמה, אם בהזמנה חסרה הכתובת של המקום, הבדיקה מזהה זאת והסוכן מוסיף אותה לפני השליחה.

5. חלוקת העבודה בין סוכנים

חלק מהמשימות מתבצעות מהר יותר כשכמה סוכנים חולקים אותן. סוכן מוביל מחלק את העבודה ומעביר חלקים ממנה לתת-סוכנים.

Perplexity Computer עובד כך. אדם מתאר את התוצאה שהוא רוצה, ו-Computer מפרק אותה למשימות ולתתי-משימות, ואז יוצר תת-סוכנים שיבצעו אותן. תת-סוכנים יכולים לחקור באינטרנט, ליצור מסמכים, לעבד נתונים או לקרוא לשירותים מחוברים באמצעות ממשקי API.

כש-Computer נתקל בבעיה, הוא יוצר תת-סוכנים חדשים כדי לפתור אותה. כל תת-סוכן יכול גם לפעול על מודל בינה מלאכותית אחר, כך שכל חלק בעבודה מגיע למודל המתאים לו ביותר.

כך, בדוגמת האוף-סייט, תת-סוכן אחד עשוי לחקור מקומות, בזמן שתת-סוכן שני בודק את היומנים של חברי הצוות ושלישי בוחן אפשרויות נסיעה.

הגדלה

איך אנשים משתמשים בסוכנים אוטונומיים

אנשים משתמשים בסוכנים אוטונומיים בעיקר לעבודת ידע יומיומית: מחקר, כתיבה, אימייל ולימודים. במחקר של חוקרים מהרווארד ומ-Perplexity, משימות של פרודוקטיביות ולמידה היוו 57% מהשאילתות שהופנו לסוכנים. הדוגמאות שלהלן מראות מה סוכן עושה בכל סוג של עבודה.

מחקר וניתוח

מחקר מתאים מאוד לסוכנים כי הוא כולל שלבים קטנים רבים. סוכן יכול לחפש, לפתוח מקורות, לקרוא אותם ולהשוות בין מה שהם אומרים. קחו לדוגמה שאילתה כמו “מצא שלושה מחקרים עדכניים על עבודה מרחוק ופרודוקטיביות וסכם מה כל אחד מהם מצא.” הסוכן מחפש מחקרים ופותח את הרלוונטיים ביותר. הוא קורא את הממצאים של כל מחקר וכותב סיכום עם קישורים לכל מקור. אם מחקר נמצא מאחורי חומת תשלום, הסוכן עובר למחקר הבא. במחקר, סיכום וניתוח של מחקרים מהווים 7% מהשאילתות שהופנו לסוכנים.

מסמכים, אימייל ויומנים

סוכנים עובדים לעיתים קרובות בכלים שאנשים כבר משתמשים בהם מדי יום. במחקר של הרווארד ו-Perplexity, כלי המסמכים של Google והאימייל היו שני הכלים הנפוצים ביותר, ויחד היוו כרבע מהשאילתות שהופנו לסוכנים. קחו לדוגמה שאילתה כמו “עבור על האימיילים שלא נקראו השבוע, סמן כל מה שהגיע מלקוחות ונסח תשובות לבקשות לתיאום פגישות.” הסוכן פותח את תיבת הדואר הנכנס וממיין את ההודעות. הוא בודק ביומן מתי יש זמנים פנויים ומנסח תשובה לכל בקשה. הוא יכול לשמור את הטיוטות בלי לשלוח אותן, כדי שהאדם יוכל לעבור על כל אחת מהן קודם.

למידה ומטלות לימודים

סטודנטים משתמשים בסוכנים כדי ללמוד. מטלות לימודים הן הקטגוריה הגדולה ביותר של שימוש בסוכנים במחקר, עם 13% מהשאילתות שהופנו לסוכנים. שאילתה כמו “בחן אותי על פרק 4 בחומרי הקריאה של הקורס” שולחת את הסוכן לאתר הקורס, שם הוא קורא את הפרק, כותב שאלות על הנקודות המרכזיות ובודק את התשובות של הסטודנט. אותה גישה מתאימה לכל מי שלומד נושא חדש, למשל עובד שצריך להתעדכן במהירות בתעשייה שאינה מוכרת לו.

קניות והשוואות

קניות מהוות 10% מהשאילתות שהופנו לסוכנים, ובעיקר מדובר בחיפוש מוצרים והשוואה ביניהם. כשמבקשים מסוכן “למצוא שולחן עמידה בפחות מ-400 דולר עם ביקורות טובות”, הוא מחפש אצל כמה קמעונאים, מסנן לפי מחיר ודירוג, משווה בין האפשרויות המובילות ויכול להוסיף את הטובה ביותר לעגלת הקניות. סוכן שמשווה בין אפשרויות בכמה אתרים יכול לחסוך זמן רב, כי האדם כבר לא צריך לפתוח כל מוצר ולהצליב את הנתונים בעצמו.

שבע שיטות עבודה מומלצות לשימוש בסוכנים אוטונומיים

1. התחלה במשימות שקל לבדוק

המשימות הטובות ביותר להתחלה הן כאלה שבהן קל לזהות טעות וזול לתקן אותה. סיכומי מחקר והשוואות מוצרים הם נקודות פתיחה טובות. אם הסוכן מקשר למקורות שלו, בדיקת העבודה אורכת כמה דקות. ככל שהאמון גדל, אפשר להעביר לסוכן משימות ארוכות יותר עם יותר שלבים.

2. הגדרת תוצאות ומגבלות ברורות

הסוכן עשוי לקבל החלטות טובות יותר כשהוא יודע למה המשימה חשובה. שאילתה טובה נקראת כמו תדריך לקבלן: המטרה, קהל היעד, מה שכבר ידוע ומה שכבר נפסל. שאילתה כמו “השווה בין שלושת הספקים האלה עבור מזכר לדירקטוריון; הדירקטוריון מתעניין בעיקר בסיכוני ההטמעה, וכבר פסלנו כל מי שאין לו תאימות ל-SOC 2” נותנת לסוכן את מה שהוא צריך כדי להפעיל שיקול דעת בעצמו.

3. הוספת נקודות אישור

יש פעולות שאי אפשר לבטל, כמו שליחת אימייל, ביצוע רכישה, מחיקת קבצים או שליחת טופס. אם הסוכן מאפשר זאת, הגדירו אותו לעצור ולבקש אישור לפני השלבים האלה. גם השאילתה עצמה יכולה לקבוע נקודת עצירה. הוראות כמו “נסח תשובות אבל אל תשלח אותן” או “הוסף את האפשרות הטובה ביותר לעגלה שלי אבל אל תשלים את הרכישה” אומרות לסוכן בדיוק איפה לעצור ולהחזיר את השליטה.

4. בדיקת התוכנית לפני העבודה

במשימה גדולה יותר, בקשו מהסוכן לפרט את התוכנית שלו לפני שהוא מתחיל. בדיקת תוכנית אורכת דקה, ותיקון של אי-הבנה בשלב הזה זול בהרבה מגילוי שלה בתוצר מוגמר.

5. הגבלת הגישה למה שהמשימה דורשת

כל חשבון שסוכן יכול להגיע אליו הוא חשבון שבו הוא יכול לפעול. חיבור של האפליקציות שהמשימה דורשת בלבד שומר על מידע רגיש מחוץ להישג ידו ומצמצם את מה שעלול להשתבש. סוכן שחוקר ספקים לא צריך גישה לאימייל. סוכן שמנסח תשובות כן צריך גישה כזו, אבל ייתכן שהוא לא צריך הרשאה לשלוח אותן.

6. שילוב הבדיקות בתוך השאילתה

סוכנים כבר בודקים את הפלט של עצמם, כך שהשאילתה יכולה לומר להם מה לבדוק. תיאור של איך נראית תוצאה טובה (“לכל נתון צריך מקור מ-2025 ואילך”) גורם לסוכן להחיל את הסטנדרט הזה לפני שהוא מחזיר את העבודה. בקשה להפריד בין עובדות מאומתות לבין ההסקות של הסוכן עצמו, ולסמן הנחות, הופכת את הבדיקה של האדם למהירה וממוקדת יותר.

7. שימוש חוזר במה שעובד

שאילתה שהניבה תוצאה טובה יכולה להפוך לתבנית למשימה הדומה הבאה. מתן דוגמה לפלט טוב לסוכן, כמו הדוח של הרבעון הקודם, מועיל לרוב יותר מתיאור הפורמט במילים. משימות חוזרות יכולות להפוך לתהליכי עבודה קבועים.

איך Perplexity ניגשת לסוכנים אוטונומיים

Perplexity מציעה שני סוכנים אוטונומיים. Comet Assistant מטפל במשימות יומיומיות בתוך הדפדפן, ו-Perplexity Computer לוקח על עצמו פרויקטים גדולים יותר שיכולים לרוץ שעות ואף יותר.

Comet Assistant מובנה ב-Comet, דפדפן ה-AI של Perplexity. הוא עובד באתרים שכבר פתוחים אצל המשתמש, כך שהוא יכול לקבוע פגישות, לערוך מסמכים, לשלוח אימייל ולהזמין טיסות בלי לעבור בין כלים.

Computer פועל בענן ומפצל כל מטרה בין סוכני משנה, כפי שתואר קודם. הוא מתחבר למאות שירותים, ואפשר לבחור מודלי AI ספציפיים לחלקים ספציפיים של העבודה. Computer זמין למנויי Pro ו-Max.

גלו את Comet Assistant כדי לנסות סוכן בדפדפן, או את Perplexity Computer כדי להעביר אליו פרויקט גדול יותר.

שאלות נפוצות

האם סוכן אוטונומי זהה ל-AI סוכני?

לא, אבל המונחים חופפים. AI סוכני מתייחס בדרך כלל לקטגוריה הרחבה של מערכות AI שחותרות להשגת מטרות באמצעות תכנון וביצוע פעולות. סוכן אוטונומי הוא מערכת ספציפית בקטגוריה הזו שמבצעת את עבודתה עם מעט אישורים צעד אחר צעד.

האם כל סוכני ה-AI אוטונומיים?

לא. חלק מהסוכנים מבצעים כל שלב רק כשאדם מורה להם, ואחרים משלימים משימה שלמה בעצמם. רמות האוטונומיה שתוארו קודם מציגות את הטווח המלא, מסוכנים שאדם מפעיל צעד אחר צעד ועד סוכנים שאדם רק מפקח עליהם.

האם סוכנים אוטונומיים יכולים לבצע רכישות או תשלומים?

חלק מהסוכנים יכולים לסייע ברכישות, בהתאם לאתר, להרשאות ולאמצעי ההגנה. Comet Assistant יכול להשוות בין מוצרים ולעזור בתהליכי התשלום. Instant Buy של Perplexity מאפשר למשתמשים זכאים בארה״ב לרכוש מוצרים נתמכים בתוך Perplexity, עם PayPal כאפשרות תשלום.

האם סוכנים אוטונומיים דורשים כישורי תכנות?

אפשר להשתמש בסוכנים מוכנים רבים בלי לכתוב קוד. פלטפורמות מסוימות מאפשרות גם לבנות סוכנים באמצעות הוראות בשפה טבעית או ממשק גרפי. תכנות יכול להועיל לשילובים מותאמים אישית, לניפוי באגים ולהתנהגות ייעודית יותר.