Autonómni agenti: čo sú a ako fungujú

Čo je autonómny agent

Autonómny agent je systém AI, ktorý samostatne pracuje na dosiahnutí cieľa. Človek opíše výsledok, ktorý chce dosiahnuť, a agent vymyslí jednotlivé kroky a vykoná ich.

Predstavte si, že si niekto chce vybrať jeden z troch nástrojov na riadenie projektov. Autonómny agent dokáže každý nástroj vyhľadať, otvoriť jeho stránku s cenami, zaznamenať rozdiely a vrátiť hotové porovnanie. Človek stanoví cieľ a skontroluje výsledok a agent medzitým odvedie samotnú prácu.

Mnohí súčasní softvéroví agenti používajú veľký jazykový model na interpretáciu pokynov a rozhodovanie o ďalšom postupe. Niektoré modely spracúvajú aj obrázky alebo zvuk. Na vyhľadávanie na webe, klikanie na tlačidlá alebo odosielanie e-mailov potrebuje agent softvér, ktorý prepája model s nástrojmi a vykonáva jeho požiadavky.

V príklade s nástrojmi na riadenie projektov by LLM a agent fungovali takto:

1. LLM si prečíta cieľ a napíše požiadavku na vyhľadanie cien prvého nástroja.
2. Softvér agenta vykoná vyhľadávanie a výsledky odovzdá späť LLM ako text.
3. LLM si prečíta výsledky, zvolí ďalší krok (otvorenie stránky s cenami) a napíše novú požiadavku.
4. Cyklus sa opakuje, kým LLM nerozhodne, že porovnanie je hotové, a nenapíše konečnú odpoveď.

Zväčšiť

Úrovne autonómie

V agentickom systéme AI (AI vytvorenej na vykonávanie akcií, nielen na odpovedanie na otázky) je autonómia vecou návrhu. Ten istý agent môže byť nastavený tak, aby sa pred každým krokom pýtal, alebo aby celú úlohu dokončil sám.

Výskumníci z Washingtonskej univerzity navrhujú päťúrovňový rámec, ktorý vysvetľuje rôzne stupne autonómie, ktoré môže agent mať:

Na úrovni 4 môže agent sám vykonať prieskum a pripraviť návrh objednávky, ale pred jej odoslaním sa zastaví. Na úrovni 5 by objednávku aj odoslal.

Autonómni agenti AI verzus automatizácia verzus chatboty

Autonómni agenti sa od chatbotov a automatizácie pracovných postupov líšia v dvoch ohľadoch: sami rozhodujú o svojich krokoch a vykonávajú akcie v iných aplikáciách a na webových stránkach.

Chatbot odpovedá na otázky v rámci konverzácie, no mimo nej zvyčajne nekoná. Automatizácia pracovných postupov koná, ale len podľa krokov, ktoré niekto vopred nastavil. Bežným typom je robotická automatizácia procesov (RPA) – softvér, ktorý opakuje jednoduché úlohy založené na pravidlách, napríklad kopírovanie údajov z jedného systému do druhého.

Autonómny agent robí oboje: koná v inom softvéri a sám si volí kroky na dosiahnutie cieľa, a to v rámci nástrojov, oprávnení a pokynov, ktoré dostal.

Rozdiel ukazuje sťažnosť na oneskorenú objednávku. Chatbot by mohol odpovedať vopred napísaným vysvetlením pravidiel doručovania. Automatizácia pracovných postupov by mohla odoslať štandardný e-mail o „oneskorení objednávky“. Autonómny agent by mohol vyhľadať objednávku, zistiť, že sa stratila počas prepravy, zariadiť náhradnú zásielku a informovať zákazníka.

Ako fungujú autonómni agenti

Autonómny agent sa pri plnení úlohy spolieha na štyri schopnosti: plánovanie krokov, používanie nástrojov, zapamätanie si, čo už urobil, a kontrolu vlastných výsledkov. Pri väčších úlohách niektorí agenti rozdeľujú prácu aj medzi tím agentov.

1. Rozdelenie cieľov a plánovanie

Cieľ je zvyčajne príliš veľký na to, aby sa dal splniť jedným krokom, preto je prvou úlohou agenta rozdeliť ho na menšie úlohy. Ak napríklad používateľ požiada agenta, aby naplánoval tímový výjazd, agent môže cieľ rozdeliť na výber termínov, hľadanie priestorov v rámci rozpočtu, overenie dostupnosti a prípravu návrhu pozvánky.

V závislosti od toho, ako sú agenti vytvorení, môžu plánovať vopred alebo priebežne. Plánovanie vopred znamená napísať všetky kroky ešte pred začatím, čo funguje pri krátkych a predvídateľných úlohách. Priebežné plánovanie znamená naplánovať jeden či dva ďalšie kroky, konať a upraviť plán podľa toho, čo sa vráti. Ak by bol priestor, ktorý bol pre výjazd prvou voľbou, obsadený, agent by mohol prejsť na ďalšiu možnosť bez toho, aby začínal odznova.

Zväčšiť

Prehľad autonómnych agentov založených na LLM z Čínskej univerzity Renmin zistil, že tento druhý prístup lepšie zvláda zložitejšie úlohy, pretože je ťažké napísať dokonalý plán skôr, než sú k dispozícii akékoľvek výsledky. Mnohí agenti oba prístupy kombinujú: najprv načrtnú celý plán a počas práce ho upravujú.

2. Vykonávanie akcií pomocou nástrojov

Keď má agent pripravený plán, plní ho úlohu po úlohe a pre každú si vyberá nástroj.

• Na hľadanie priestorov môže použiť vyhľadávanie na webe s dopytom ako „priestory na výjazd pre 20 ľudí neďaleko Austinu“.
• Na overenie dostupnosti môže v prehliadači otvoriť rezervačnú stránku každého priestoru a pozrieť si kalendár.
• Na odoslanie pozvánky sa môže pripojiť k e-mailu daného človeka cez API – prepojenie, ktoré umožňuje jednému softvéru vyžiadať si údaje alebo akcie od iného.

Po každej akcii si agent prečíta, čo sa vrátilo, a rozhodne o ďalšom kroku. Ak vyhľadávanie nájde päť priestorov, overí ich dostupnosť. Ak sa rezervačná stránka nenačíta, skúsi telefonický kontakt uvedený pre daný priestor alebo prejde na ďalšiu možnosť.

Nástroje, ktoré má agent k dispozícii, určujú, ktoré úlohy dokáže dokončiť sám. Bez prístupu k e-mailu dokáže pozvánku pripraviť, ale nie odoslať.

3. Sledovanie postupu pomocou pamäte

Počas práce musí agent sledovať, čo už urobil a čo zistil. Keď skontroluje tri priestory, potrebuje vedieť, ktoré boli obsadené, ktoré mali voľné miesto a koľko ktorý stojí. Tento záznam sa nachádza v kontextovom okne LLM, teda v množstve textu, ktoré model dokáže naraz zohľadniť.

Dlhé úlohy môžu toto kontextové okno presiahnuť. Agenti s dlhodobou pamäťou to riešia tak, že informácie ukladajú mimo modelu, zvyčajne do databázy, a načítavajú len to, čo potrebuje aktuálny krok.

Dlhodobá pamäť sa prenáša aj medzi úlohami. Keď príde čas naplánovať výjazd na budúci rok, agent môže znova použiť tohtoročný zoznam priestorov a rozpočet alebo si spomenúť, že tím uprednostňuje miesta vzdialené najviac hodinu jazdy autom.

4. Kontrola výsledkov a úprava postupu

Počas práce mnohí agenti sledujú náznaky toho, že sa niektorý krok nepodaril. Ak rezervačný formulár vráti chybu alebo vyhľadávanie neprinesie žiadne výsledky, agent skúsi iný prístup. Keď dospeje k rozhodnutiu, ktoré by nemal urobiť sám, napríklad či je prijateľný priestor mierne nad rozpočet, opýta sa človeka a podľa odpovede sa prispôsobí.

Pred odovzdaním práce mnohí agenti skontrolujú svoje výsledky. LLM si znova prečíta, čo vytvoril, porovná to s cieľom a vypíše všetko, čo chýba alebo je nesprávne. Agent výsledok upravuje a znova kontroluje, až kým výsledok nesplní cieľ. Ak napríklad v pozvánke chýba adresa priestoru, kontrola to odhalí a agent ju pred odoslaním doplní.

5. Rozdelenie práce medzi agentov

Niektoré úlohy idú rýchlejšie, keď sa o ne delí viacero agentov. Hlavný agent rozdelí prácu a jej časti odovzdá podagentom.

Perplexity Computer funguje práve takto. Človek opíše výsledok, ktorý chce dosiahnuť, Computer ho rozdelí na úlohy a podúlohy a potom vytvorí podagentov, ktorí ich vykonajú. Podagenti môžu vyhľadávať informácie na webe, generovať dokumenty, spracúvať údaje alebo volať pripojené služby cez API.

Keď Computer narazí na problém, vytvorí nových podagentov, ktorí ho vyriešia. Každý podagent môže navyše bežať na inom modeli AI, takže každá časť práce pripadne modelu, ktorý sa na ňu najlepšie hodí.

V príklade s výjazdom by teda jeden podagent mohol hľadať priestory, ďalší kontrolovať kalendáre tímu a tretí preskúmať možnosti dopravy.

Zväčšiť

Ako ľudia používajú autonómnych agentov

Ľudia používajú autonómnych agentov najmä na každodennú znalostnú prácu: výskum, písanie, e-maily a štúdium. V štúdii výskumníkov z Harvardu a Perplexity tvorili úlohy súvisiace s produktivitou a učením 57 % agentických dopytov. Nasledujúce príklady ukazujú, čo agent robí pri jednotlivých druhoch práce.

Výskum a analýza

Výskum sa pre agentov dobre hodí, pretože pozostáva z mnohých malých krokov. Agent dokáže vyhľadávať, otvárať zdroje, čítať ich a porovnávať, čo uvádzajú. Vezmite si dopyt ako „nájdi tri nedávne štúdie o práci na diaľku a produktivite a zhrň, k čomu každá z nich dospela“. Agent vyhľadá štúdie a otvorí tie najrelevantnejšie. Prečíta si zistenia každej štúdie a napíše zhrnutie s odkazmi na všetky zdroje. Ak je niektorá štúdia za platobnou bránou, agent prejde na ďalšiu. V spomínanej štúdii tvoria zhŕňanie a analýza výskumu 7 % agentických dopytov.

Dokumenty, e-maily a kalendáre

Agenti často pracujú v nástrojoch, ktoré ľudia už denne používajú. V štúdii Harvardu a Perplexity boli najčastejšie dokumentové nástroje od Googlu a e-mail, ktoré spolu tvorili približne štvrtinu agentických dopytov. Vezmite si dopyt ako „prejdi neprečítané e-maily z tohto týždňa, označ všetko od klientov a priprav návrhy odpovedí na žiadosti o naplánovanie stretnutí“. Agent otvorí doručenú poštu a roztriedi správy. Pozrie sa do kalendára na voľné termíny a na každú žiadosť pripraví návrh odpovede. Návrhy môže uložiť bez odoslania, aby ich človek mohol najprv jednotlivo skontrolovať.

Učenie a študijné úlohy

Študenti používajú agentov na štúdium. Študijné úlohy sú v štúdii najväčšou samostatnou kategóriou používania agentov s podielom 13 % agentických dopytov. Dopyt ako „vyskúšaj ma zo štvrtej kapitoly mojich študijných materiálov“ pošle agenta na webovú stránku kurzu, kde si prečíta kapitolu, napíše otázky o kľúčových bodoch a skontroluje odpovede študenta. Rovnaký prístup funguje pre každého, kto sa učí nový predmet, napríklad pre zamestnanca, ktorý sa potrebuje rýchlo zorientovať v neznámom odvetví.

Nakupovanie a porovnávanie

Nakupovanie tvorí 10 % agentických dopytov, pričom väčšinou ide o vyhľadávanie a porovnávanie produktov. Keď agenta požiadate, aby „našiel stôl na prácu postojačky do 400 USD s dobrými recenziami“, prehľadá viacerých predajcov, vyfiltruje výsledky podľa ceny a hodnotenia, porovná najlepšie možnosti a tú najlepšiu môže pridať do košíka. Keď agent porovnáva možnosti na viacerých webových stránkach, môže to ušetriť veľa času, pretože človek už nemusí otvárať a navzájom porovnávať jednotlivé ponuky.

Sedem osvedčených postupov pri používaní autonómnych agentov

1. Začnite úlohami, ktoré sa dajú ľahko skontrolovať

Najlepšie prvé úlohy sú tie, pri ktorých sa chyba dá ľahko odhaliť a lacno opraviť. Dobrým začiatkom sú súhrny výskumu a porovnania produktov. Ak agent uvádza odkazy na svoje zdroje, kontrola jeho práce trvá niekoľko minút. S rastúcou dôverou môžu ľudia agentovi zverovať dlhšie úlohy s viacerými krokmi.

2. Stanovte jasné výsledky a obmedzenia

Agent sa môže rozhodovať lepšie, keď vie, prečo je úloha dôležitá. Dobrý dopyt sa číta ako zadanie pre externistu: účel, cieľová skupina, čo je už známe a čo už bolo vylúčené. „Porovnaj týchto troch dodávateľov ako podklad pre predstavenstvo; predstavenstvo najviac zaujíma riziko implementácie a už sme vylúčili všetkých, ktorí nespĺňajú požiadavky SOC 2“ dáva agentovi všetko, čo potrebuje, aby sa vedel rozhodovať samostatne.

3. Pridajte kontrolné body na schválenie

Niektoré akcie sa nedajú vrátiť späť, napríklad odoslanie e-mailu, nákup, odstránenie súborov alebo odoslanie formulára. Ak to agent umožňuje, nastavte ho tak, aby sa pred týmito krokmi zastavil a opýtal sa. Bod zastavenia môže určiť aj samotný dopyt. „Priprav koncepty odpovedí, ale neodosielaj ich“ alebo „pridaj najlepšiu možnosť do košíka, ale nedokončuj objednávku“ agentovi presne povie, kde sa má zastaviť a vrátiť kontrolu.

4. Skontrolujte plán ešte pred začatím práce

Pri väčšej úlohe požiadajte agenta, aby pred začatím načrtol svoj plán. Kontrola plánu trvá minútu a oprava nedorozumenia v tejto fáze je oveľa lacnejšia ako jeho odhalenie v hotovom výstupe.

5. Obmedzte prístup len na to, čo úloha potrebuje

Každý účet, ku ktorému má agent prístup, je účet, v ktorom môže konať. Ak pripojíte iba aplikácie, ktoré úloha vyžaduje, citlivé údaje zostanú mimo dosahu a obmedzíte, čo sa môže pokaziť. Agent, ktorý skúma dodávateľov, nepotrebuje prístup k e-mailu. Agent, ktorý pripravuje koncepty odpovedí, ho potrebuje, no nemusí mať povolenie na ich odosielanie.

6. Zabudujte kontroly priamo do dopytu

Agenti už svoj výstup kontrolujú sami, takže dopyt im môže povedať, čo majú kontrolovať. Ak uvediete, ako vyzerá dobrý výsledok („každý údaj musí mať zdroj z roku 2025 alebo novší“), agent tento štandard uplatní ešte pred odovzdaním práce. Ak ho požiadate, aby oddelil potvrdené fakty od vlastných záverov a označil predpoklady, kontrola zo strany človeka bude rýchlejšia a cielenejšia.

7. Opakovane využívajte to, čo funguje

Dopyt, ktorý priniesol dobrý výsledok, sa môže stať šablónou pre ďalšiu podobnú úlohu. Ak agentovi dáte príklad dobrého výstupu, napríklad správu za minulý štvrťrok, často to pomôže viac než opis formátu slovami. Z opakujúcich sa úloh sa môžu stať trvalé pracovné postupy.

Ako Perplexity pristupuje k autonómnym agentom

Perplexity ponúka dvoch autonómnych agentov. Comet Assistant zvláda každodenné úlohy priamo v prehliadači a Perplexity Computer sa ujíma väčších projektov, ktoré môžu bežať hodiny aj dlhšie.

Comet Assistant je zabudovaný do prehliadača Comet, AI prehliadača od Perplexity. Pracuje na webových stránkach, ktoré má človek už otvorené, takže dokáže plánovať stretnutia, upravovať dokumenty, odosielať e-maily a rezervovať lety bez prepínania medzi nástrojmi.

Computer beží v cloude a každý cieľ rozdeľuje medzi podagentov, ako sme opísali vyššie. Pripája sa k stovkám služieb a ľudia si môžu pre konkrétne časti práce zvoliť konkrétne modely AI. Computer je k dispozícii pre predplatiteľov Pro a Max.

Preskúmajte Comet Assistant, ak chcete vyskúšať agenta v prehliadači, alebo Perplexity Computer, ak chcete zveriť väčší projekt.

Často kladené otázky

Je autonómny agent to isté ako agentická AI?

Nie, ale tieto pojmy sa prekrývajú. Agentická AI zvyčajne označuje širšiu kategóriu systémov AI, ktoré dosahujú ciele plánovaním a vykonávaním akcií. Autonómny agent je konkrétny systém v tejto kategórii, ktorý svoju prácu vykonáva s minimálnym schvaľovaním jednotlivých krokov.

Sú všetci agenti AI autonómni?

Nie. Niektorí agenti vykonajú každý krok len vtedy, keď ich k tomu človek nasmeruje, zatiaľ čo iní dokončia celú úlohu sami. Úrovne autonómie opísané vyššie ukazujú celé spektrum – od agentov, ktorých človek ovláda krok za krokom, až po agentov, ktorých človek len monitoruje.

Môžu autonómni agenti nakupovať alebo platiť?

Niektorí agenti môžu pomáhať s nákupmi v závislosti od webovej stránky, povolení a ochranných opatrení. Comet Assistant dokáže porovnávať produkty a pomáhať s dokončením objednávky. Funkcia Instant Buy od Perplexity umožňuje oprávneným používateľom v USA nakupovať podporované produkty priamo v Perplexity, pričom pri platbe je k dispozícii aj PayPal.

Vyžadujú autonómni agenti programátorské zručnosti?

Mnohých hotových agentov možno používať bez programovania. Niektoré platformy tiež umožňujú vytvárať agentov pomocou pokynov v prirodzenom jazyku alebo grafického rozhrania. Programovanie môže byť užitočné pri vlastných integráciách, ladení a špecializovanejšom správaní.