Autonome agenter: hva de er, og hvordan de fungerer

Hva en autonom agent er

En autonom agent er et AI-system som arbeider mot et mål på egen hånd. En person beskriver resultatet de ønsker, og agenten finner ut hvilke trinn som trengs, og utfører dem.

La oss si at noen vil velge mellom tre prosjektstyringsverktøy. En autonom agent kan søke etter hvert verktøy, åpne prissiden, notere forskjellene og levere en ferdig sammenligning. Personen setter målet og går gjennom resultatet, og agenten gjør arbeidet imellom.

Mange av dagens programvareagenter bruker en stor språkmodell til å tolke instruksjoner og avgjøre hva de skal gjøre videre. Noen modeller behandler også bilder eller lyd. For å søke på nettet, klikke på knapper eller sende e-post trenger agenten programvare som kobler modellen til verktøy og utfører forespørslene dens.

I eksempelet med prosjektstyringsverktøyene ville LLM-en og agenten fungere slik:

1. LLM-en leser målet og skriver en forespørsel om å søke etter prisene på det første verktøyet.
2. Agentens programvare kjører søket og sender resultatene tilbake til LLM-en som tekst.
3. LLM-en leser resultatene, velger neste trinn (å åpne prissiden) og skriver en ny forespørsel.
4. Syklusen gjentas til LLM-en avgjør at sammenligningen er ferdig, og skriver det endelige svaret.

Forstørr

Autonominivåer

I et agentisk AI-system (AI som er bygget for å utføre handlinger, ikke bare svare på spørsmål) er autonomi et designvalg. Den samme agenten kan settes opp til å spørre før hvert trinn eller til å fullføre en hel oppgave alene.

Forskere fra University of Washington foreslår et rammeverk med fem nivåer for å forklare de ulike gradene av autonomi en agent kan ha:

På nivå 4 kan en agent undersøke og skrive et utkast til en innkjøpsordre på egen hånd, men stoppe før den sender den inn. På nivå 5 ville den også sende inn ordren.

Autonome AI-agenter vs. automatisering vs. chatboter

Autonome agenter skiller seg fra chatboter og arbeidsflytautomatisering på to måter: De bestemmer sine egne trinn, og de utfører handlinger i andre apper og på andre nettsteder.

En chatbot svarer på spørsmål i en samtale, men handler vanligvis ikke utenfor den. Arbeidsflytautomatisering handler, men bare ved å følge trinn som noen har satt opp på forhånd. En vanlig type er robotisert prosessautomatisering (RPA), programvare som gjentar enkle, regelbaserte oppgaver, for eksempel å kopiere data fra ett system til et annet.

En autonom agent gjør begge deler: Den handler i annen programvare, og den velger sine egne trinn mot et mål, innenfor verktøyene, tillatelsene og instruksjonene den har fått.

En klage på en forsinket ordre viser forskjellen. En chatbot kan svare med en forhåndsskrevet forklaring av fraktvilkårene. En arbeidsflytautomatisering kan sende en standard e-post om «forsinket ordre». En autonom agent kan slå opp ordren, finne ut at den har gått tapt under transport, sende en erstatning og oppdatere kunden.

Slik fungerer autonome agenter

En autonom agent er avhengig av fire egenskaper for å fullføre en oppgave: å planlegge trinnene sine, bruke verktøy, huske hva den har gjort og kontrollere sine egne resultater. Ved større oppgaver fordeler noen agenter også arbeidet på et team av agenter.

1. Bryte ned mål og lage planer

Et mål er vanligvis for stort til å kunne gjennomføres i ett trinn, så agentens første jobb er å dele det opp i mindre oppgaver. Hvis brukeren for eksempel ber agenten planlegge en teamsamling utenfor kontoret, kan den dele målet opp i å velge datoer, finne lokaler innenfor budsjettet, sjekke tilgjengelighet og skrive et utkast til en invitasjon.

Agenter kan planlegge på forhånd eller planlegge underveis, avhengig av hvordan de er bygget. Å planlegge på forhånd betyr å skrive ned hvert trinn før man starter, noe som fungerer for korte, forutsigbare oppgaver. Å planlegge underveis betyr å legge opp det neste trinnet eller de to neste, handle og revidere ut fra det som kommer tilbake. Hvis førstevalget av lokale for teamsamlingen var fullbooket, kunne agenten gå videre til neste alternativ uten å begynne på nytt.

Forstørr

En oversiktsstudie av LLM-baserte autonome agenter fra Renmin University of China viser at den andre tilnærmingen håndterer mer komplekse oppgaver bedre, fordi det er vanskelig å skrive en perfekt plan før man har sett noen resultater. Mange agenter kombinerer de to ved først å skissere en fullstendig plan og så revidere den mens de arbeider.

2. Utføre handlinger med verktøy

Med en plan på plass arbeider agenten seg gjennom den én oppgave om gangen og velger et verktøy for hver av dem.

• For å finne lokaler kan den bruke nettsøk med en spørring som «lokaler for teamsamling for 20 personer nær Austin».
• For å sjekke tilgjengeligheten kan den åpne bookingsiden til hvert lokale i en nettleser og lese kalenderen.
• For å sende invitasjonen kan den koble seg til personens e-post via et API, forbindelsen som lar ett program be om data eller handlinger fra et annet.

Etter hver handling leser agenten det som kom tilbake, og bestemmer neste trekk. Hvis søket gir fem lokaler, sjekker den tilgjengeligheten deres. Hvis en bookingside ikke vil laste inn, prøver den telefonnummeret som er oppført for lokalet, eller går videre til neste alternativ.

Verktøyene en agent har tilgang til, avgjør hvilke oppgaver den kan fullføre på egen hånd. Uten tilgang til e-post kan den skrive et utkast til invitasjonen, men ikke sende den.

3. Holde oversikt over fremdriften med minne

Mens agenten arbeider, må den holde oversikt over hva den har gjort og hva den har lært. Når den har sjekket tre lokaler, må den vite hvilke som var opptatt, hvilke som hadde plass, og hva hvert av dem koster. Denne oversikten ligger i LLM-ens kontekstvindu, altså mengden tekst modellen kan ta hensyn til på én gang.

Lange oppgaver kan vokse ut av kontekstvinduet. Agenter med langtidsminne håndterer dette ved å lagre informasjon utenfor modellen, vanligvis i en database, og bare hente det det aktuelle trinnet trenger.

Langtidsminnet følger også med fra én oppgave til den neste. Når det er tid for å planlegge neste års teamsamling, kan agenten gjenbruke årets liste over lokaler og budsjettet, eller huske at teamet foretrekker lokaler innenfor en times kjøretur.

4. Kontrollere resultater og korrigere kursen

Mens de arbeider, ser mange agenter etter tegn på at et trinn har gått galt. Hvis et bookingskjema returnerer en feil eller et søk ikke gir noen treff, prøver agenten en annen tilnærming. Når den kommer til en beslutning den ikke bør ta alene, for eksempel om et lokale som er litt over budsjett, er akseptabelt, spør den personen og justerer seg etter svaret.

Før de leverer arbeidet sitt, går mange agenter gjennom resultatene. LLM-en leser gjennom det den har produsert, sammenligner det med målet og lister opp alt som mangler eller er feil. Agenten reviderer og sjekker på nytt til resultatet oppfyller målet. Hvis invitasjonen for eksempel mangler adressen til lokalet, fanger gjennomgangen opp dette, og agenten legger den til før invitasjonen sendes.

5. Fordele arbeidet på flere agenter

Noen oppgaver går raskere når flere agenter deler på dem. En hovedagent deler opp arbeidet og gir deler av det til underagenter.

Perplexity Computer fungerer på denne måten. En person beskriver resultatet de ønsker, og Computer deler det opp i oppgaver og deloppgaver og oppretter deretter underagenter som utfører dem. Underagenter kan gjøre undersøkelser på nettet, generere dokumenter, behandle data eller kalle opp tilkoblede tjenester via API-er.

Når Computer støter på et problem, oppretter den nye underagenter for å løse det. Hver underagent kan også kjøre på en annen AI-modell, slik at hver del av arbeidet går til modellen som egner seg best for den.

I eksempelet med teamsamlingen kan altså én underagent undersøke lokaler mens en annen sjekker teamets kalendere og en tredje ser på reisealternativer.

Forstørr

Slik bruker folk autonome agenter

Folk bruker autonome agenter mest til vanlig kunnskapsarbeid i hverdagen: undersøkelser, skriving, e-post og studier. I en studie utført av forskere fra Harvard og Perplexity utgjorde produktivitets- og læringsoppgaver 57 % av de agentiske forespørslene. Eksemplene nedenfor viser hva en agent gjør for hver type arbeid.

Undersøkelser og analyse

Undersøkelser passer godt for agenter fordi de består av mange små trinn. En agent kan søke, åpne kilder, lese dem og sammenligne hva de sier. Ta en spørring som «finn tre nyere studier om fjernarbeid og produktivitet, og oppsummer hva hver av dem fant». Agenten søker etter studier og åpner de mest relevante. Den leser funnene i hver studie og skriver et sammendrag med lenker til alle kildene. Hvis en studie ligger bak en betalingsmur, går agenten videre til neste. I studien utgjør oppsummering og analyse av forskning 7 % av de agentiske forespørslene.

Dokumenter, e-post og kalendere

Agenter arbeider ofte i verktøyene folk allerede bruker hver dag. I studien fra Harvard og Perplexity var Googles dokumentverktøy og e-post de to vanligste, og til sammen utgjorde de omtrent en fjerdedel av de agentiske forespørslene. Ta en spørring som «gå gjennom denne ukens uleste e-poster, merk alt fra kunder, og skriv utkast til svar på forespørslene om møtetidspunkter». Agenten åpner innboksen og sorterer meldingene. Den sjekker kalenderen for ledige tidspunkter og skriver et utkast til svar på hver forespørsel. Den kan lagre utkastene uten å sende dem, slik at personen kan gå gjennom hvert av dem først.

Læring og studiearbeid

Studenter bruker agenter til å studere. Studiearbeid er den største enkeltkategorien for agentbruk i studien, med 13 % av de agentiske forespørslene. En spørring som «lag en quiz til meg om kapittel fire i pensumet mitt» sender agenten til emnets nettside, der den leser kapittelet, skriver spørsmål om hovedpunktene og sjekker studentens svar. Den samme tilnærmingen fungerer for alle som skal lære seg et nytt fagområde, for eksempel en ansatt som skal sette seg inn i en ukjent bransje.

Shopping og sammenligninger

Shopping utgjør 10 % av de agentiske forespørslene, for det meste søk etter og sammenligning av produkter. Når en agent blir bedt om å «finne et hev-senk-skrivebord under 400 dollar med gode anmeldelser», søker den hos flere forhandlere, filtrerer etter pris og vurdering, sammenligner de beste alternativene og kan legge det beste i en handlekurv. Å la en agent sammenligne alternativer på tvers av flere nettsteder kan spare mye tid, siden personen ikke lenger trenger å åpne og kryssjekke hver oppføring selv.

Sju beste praksiser for bruk av autonome agenter

1. Begynn med oppgaver som er lette å kontrollere

De beste første oppgavene er de der en feil er lett å oppdage og billig å rette. Oppsummeringer av undersøkelser og produktsammenligninger er gode utgangspunkt. Hvis agenten lenker til kildene sine, tar det noen få minutter å kontrollere arbeidet. Etter hvert som tilliten vokser, kan man overlate lengre oppgaver med flere trinn.

2. Angi tydelige mål og rammer

Agenten kan ta bedre avgjørelser når den vet hvorfor oppgaven er viktig. En god forespørsel leses som et oppdragsbrev til en konsulent: formålet, målgruppen, hva som allerede er kjent, og hva som er utelukket. «Sammenlign disse tre leverandørene for et styrenotat; styret er mest opptatt av implementeringsrisiko, og vi har allerede utelukket alle uten SOC 2-samsvar» gir agenten det den trenger for å gjøre skjønnsmessige vurderinger på egen hånd.

3. Legg inn godkjenningspunkter

Noen handlinger kan ikke angres, for eksempel å sende en e-post, gjøre et kjøp, slette filer eller sende inn et skjema. Der agenten tillater det, kan du stille den inn til å ta pause og spørre før slike trinn. Selve forespørselen kan også angi et stoppunkt. «Skriv utkast til svar, men ikke send dem» eller «legg det beste alternativet i handlekurven, men ikke gå til kassen» forteller agenten nøyaktig hvor den skal stoppe og gi kontrollen tilbake.

4. Gå gjennom planen før arbeidet starter

Ved en større oppgave kan du be agenten skissere planen sin før den begynner. Det tar et minutt å gå gjennom en plan, og å rette opp en misforståelse på det stadiet er mye billigere enn å oppdage den i en ferdig leveranse.

5. Begrens tilgangen til det oppgaven krever

Hver konto en agent har tilgang til, er en konto den kan handle i. Ved å koble til bare de appene en oppgave krever, holder du sensitive data utenfor rekkevidde og begrenser hva som kan gå galt. En agent som undersøker leverandører, trenger ikke tilgang til e-post. En agent som skriver utkast til svar, trenger det, men den trenger kanskje ikke tillatelse til å sende dem.

6. Bygg kontrollene inn i forespørselen

Agenter gjennomgår allerede sitt eget resultat, så forespørselen kan fortelle dem hva de skal se etter. Når du beskriver hvordan et godt resultat ser ut («hvert tall må ha en kilde datert 2025 eller senere»), bruker agenten den standarden før den leverer arbeidet sitt. Hvis du ber den skille bekreftede fakta fra egne slutninger og markere antakelser, blir brukerens gjennomgang raskere og mer målrettet.

7. Gjenbruk det som fungerer

En forespørsel som ga et godt resultat, kan bli en mal for neste lignende oppgave. Å gi agenten et eksempel på et godt resultat, for eksempel forrige kvartals rapport, gir ofte mer enn å beskrive formatet med ord. Gjentakende oppgaver kan bli faste arbeidsflyter.

Perplexitys tilnærming til autonome agenter

Perplexity tilbyr to autonome agenter. Comet Assistant tar seg av hverdagslige oppgaver i nettleseren, og Perplexity Computer tar på seg større prosjekter som kan kjøre i timevis eller lenger.

Comet Assistant er innebygd i Comet, Perplexitys AI-nettleser. Den jobber på nettstedene brukeren allerede har åpne, så den kan planlegge møter, redigere dokumenter, sende e-post og bestille flyreiser uten å bytte verktøy.

Computer kjører i skyen og fordeler hvert mål på underagenter, som beskrevet tidligere. Den kobler seg til hundrevis av tjenester, og brukerne kan velge bestemte AI-modeller for bestemte deler av arbeidet. Computer er tilgjengelig for Pro- og Max-abonnenter.

Utforsk Comet Assistant for å prøve en agent i nettleseren, eller Perplexity Computer for å overlate et større prosjekt.

Ofte stilte spørsmål

Er en autonom agent det samme som agentisk AI?

Nei, men begrepene overlapper. Agentisk AI viser vanligvis til den bredere kategorien AI-systemer som forfølger mål ved å planlegge og utføre handlinger. En autonom agent er et bestemt system i denne kategorien som utfører arbeidet sitt med lite godkjenning trinn for trinn.

Er alle AI-agenter autonome?

Nei. Noen agenter utfører hvert trinn bare når en person ber om det, mens andre fullfører en hel oppgave på egen hånd. Autonominivåene som er beskrevet tidligere, viser hele spennet, fra agenter en person styrer trinn for trinn, til agenter en person bare overvåker.

Kan autonome agenter foreta kjøp eller betalinger?

Noen agenter kan hjelpe til med kjøp, avhengig av nettstedet, tillatelsene og sikkerhetstiltakene. Comet Assistant kan sammenligne produkter og hjelpe til i betalingsprosessen. Med Perplexitys Instant Buy kan kvalifiserte brukere i USA kjøpe støttede produkter i Perplexity, med PayPal som betalingsalternativ.

Krever autonome agenter kodeferdigheter?

Mange ferdiglagde agenter kan brukes uten koding. Noen plattformer lar også folk bygge agenter gjennom instruksjoner på naturlig språk eller et grafisk grensesnitt. Koding kan være nyttig for tilpassede integrasjoner, feilsøking og mer spesialisert atferd.