Autonomni agenti: što su i kako funkcioniraju

Što je autonomni agent

Autonomni agent sustav je umjetne inteligencije koji samostalno radi na ostvarenju cilja. Osoba opiše rezultat koji želi, a agent osmisli korake i provede ih.

Recimo da netko želi odabrati jedan od triju alata za upravljanje projektima. Autonomni agent može potražiti svaki alat, otvoriti njegovu stranicu s cijenama, zabilježiti razlike i vratiti gotovu usporedbu. Osoba postavlja cilj i pregledava rezultat, a agent obavlja posao između toga.

Mnogi današnji softverski agenti koriste veliki jezični model (LLM) kako bi protumačili upute i odlučili što dalje. Neki modeli obrađuju i slike ili zvuk. Da bi pretraživao web, klikao gumbe ili slao e-poštu, agentu je potreban softver koji povezuje model s alatima i izvršava njegove zahtjeve.

U primjeru s alatima za upravljanje projektima LLM i agent radili bi ovako:

1. LLM čita cilj i piše zahtjev za pretraživanje cijena prvog alata.
2. Softver agenta pokreće pretraživanje i vraća rezultate LLM-u u obliku teksta.
3. LLM čita rezultate, odabire sljedeći korak (otvaranje stranice s cijenama) i piše novi zahtjev.
4. Ciklus se ponavlja dok LLM ne zaključi da je usporedba gotova i ne napiše konačni odgovor.

Povećaj

Razine autonomije

U agentskom sustavu umjetne inteligencije (umjetnoj inteligenciji izrađenoj za poduzimanje radnji, a ne samo za odgovaranje na pitanja) autonomija je stvar dizajna. Isti agent može se postaviti tako da pita prije svakog koraka ili da cijeli zadatak dovrši sam.

Istraživači sa Sveučilišta u Washingtonu predlažu okvir od pet razina kojim objašnjavaju različite stupnjeve autonomije koje agent može imati:

Na razini 4 agent bi mogao samostalno istražiti i sastaviti narudžbenicu, ali zastati prije nego što je pošalje. Na razini 5 poslao bi i narudžbu.

Autonomni AI agenti naspram automatizacije i chatbotova

Autonomni agenti razlikuju se od chatbotova i automatizacije tijeka rada na dva načina: sami odlučuju o svojim koracima i poduzimaju radnje u drugim aplikacijama i na web-mjestima.

Chatbot odgovara na pitanja u razgovoru, ali obično ne djeluje izvan njega. Automatizacija tijeka rada djeluje, ali samo prema koracima koje je netko unaprijed postavio. Čest je oblik robotska automatizacija procesa (RPA), softver koji ponavlja jednostavne zadatke temeljene na pravilima, poput kopiranja podataka iz jednog sustava u drugi.

Autonomni agent radi oboje: djeluje u drugom softveru i sam bira korake prema cilju, u okviru alata, dopuštenja i uputa koje dobije.

Razliku pokazuje pritužba na zakašnjelu narudžbu. Chatbot bi mogao odgovoriti unaprijed napisanim objašnjenjem pravila dostave. Automatizacija tijeka rada mogla bi poslati standardnu e-poruku o „kašnjenju narudžbe“. Autonomni agent mogao bi potražiti narudžbu, utvrditi da je izgubljena u transportu, poslati zamjenu i obavijestiti kupca.

Kako rade autonomni agenti

Autonomni agent za dovršavanje zadatka oslanja se na četiri sposobnosti: planiranje koraka, korištenje alata, pamćenje onoga što je učinio i provjeru vlastitih rezultata. Kod većih zadataka neki agenti raspodjeljuju posao na tim agenata.

1. Raščlanjivanje ciljeva i izrada planova

Cilj je obično prevelik da bi se ostvario u jednom koraku, pa je prvi posao agenta raščlaniti ga na manje zadatke. Na primjer, ako korisnik zatraži od agenta da isplanira timsko okupljanje izvan ureda, agent bi cilj mogao podijeliti na odabir datuma, pronalazak prostora u okviru budžeta, provjeru dostupnosti i sastavljanje pozivnice.

Ovisno o tome kako su izrađeni, agenti mogu planirati unaprijed ili usput. Planiranje unaprijed znači zapisati sve korake prije početka, što je prikladno za kratke, predvidljive zadatke. Planiranje usput znači odrediti sljedeći korak ili dva, djelovati i prilagoditi plan prema onome što se vrati. Kad bi prostor koji je prvi izbor za okupljanje bio zauzet, agent bi mogao prijeći na sljedeću opciju bez ponovnog početka.

Povećaj

Pregled autonomnih agenata temeljenih na LLM-ovima sa Sveučilišta Renmin u Kini pokazuje da se ovaj drugi pristup bolje nosi sa složenijim zadacima jer je teško napisati savršen plan prije nego što se vide ikakvi rezultati. Mnogi agenti kombiniraju oba pristupa: najprije skiciraju cijeli plan, a zatim ga tijekom rada prilagođavaju.

2. Poduzimanje radnji pomoću alata

Kad je plan spreman, agent ga provodi zadatak po zadatak i za svaki bira alat.

• Da bi pronašao prostore, mogao bi upotrijebiti web-pretraživanje s upitom poput „prostori za okupljanje izvan ureda za 20 osoba u blizini Austina“.
• Da bi provjerio dostupnost, mogao bi u pregledniku otvoriti stranicu za rezervacije svakog prostora i pročitati kalendar.
• Da bi poslao pozivnicu, mogao bi se povezati s e-poštom osobe putem API-ja, veze koja jednom softveru omogućuje da od drugog zatraži podatke ili radnje.

Nakon svake radnje agent pročita što se vratilo i odluči o sljedećem potezu. Ako pretraživanje pronađe pet prostora, provjerava njihovu dostupnost. Ako se stranica za rezervacije ne učita, pokušava s telefonskim kontaktom prostora ili prelazi na sljedeću opciju.

Alati koje agent ima određuju koje zadatke može samostalno dovršiti. Bez pristupa e-pošti može sastaviti pozivnicu, ali je ne može poslati.

3. Praćenje napretka pomoću memorije

Dok radi, agent mora pratiti što je učinio i što je saznao. Kad provjeri tri prostora, mora znati koji su bili zauzeti, koji su imali mjesta i koliko svaki stoji. Taj zapis nalazi se u kontekstnom prozoru LLM-a, količini teksta koju model može istodobno uzeti u obzir.

Dugi zadaci mogu nadmašiti taj kontekstni prozor. Agenti s dugoročnom memorijom to rješavaju tako da informacije spremaju izvan modela, obično u bazu podataka, i dohvaćaju samo ono što je potrebno za trenutačni korak.

Dugoročna memorija prenosi se i između zadataka. Kad dođe vrijeme za planiranje okupljanja sljedeće godine, agent bi mogao ponovno upotrijebiti ovogodišnji popis prostora i budžet ili se prisjetiti da tim preferira prostore do sat vremena vožnje.

4. Provjera rezultata i ispravljanje smjera

Tijekom rada mnogi agenti paze na znakove da je neki korak pošao po zlu. Ako obrazac za rezervaciju vrati pogrešku ili pretraživanje ne da rezultate, agent pokušava drugi pristup. Kad dođe do odluke koju ne bi smio donijeti sam, primjerice je li prihvatljiv prostor koji malo premašuje budžet, pita osobu i prilagođava se njezinu odgovoru.

Prije nego što predaju svoj rad, mnogi agenti pregledaju rezultate. LLM ponovno čita ono što je proizveo, uspoređuje to s ciljem i navodi sve što nedostaje ili je pogrešno. Agent to ispravlja i ponovno provjerava dok rezultat ne ispuni cilj. Ako u pozivnici, primjerice, nedostaje adresa prostora, pregled to otkrije i agent je doda prije slanja.

5. Podjela posla među agentima

Neki se zadaci brže obave kad ih dijeli nekoliko agenata. Glavni agent dijeli posao i dodjeljuje dijelove podagentima.

Perplexity Computer radi upravo tako. Osoba opiše ishod koji želi, a Computer ga raščlani na zadatke i podzadatke te zatim stvara podagente koji ih izvršavaju. Podagenti mogu istraživati web, generirati dokumente, obrađivati podatke ili pozivati povezane usluge putem API-ja.

Kad Computer naiđe na problem, stvara nove podagente da ga riješe. Svaki podagent može raditi i na drugom AI modelu, pa svaki dio posla dobiva model koji mu najbolje odgovara.

Tako bi u primjeru okupljanja izvan ureda jedan podagent mogao istraživati prostore, drugi provjeravati kalendare tima, a treći proučavati mogućnosti putovanja.

Povećaj

Kako ljudi koriste autonomne agente

Ljudi autonomne agente uglavnom koriste za svakodnevni rad temeljen na znanju: istraživanje, pisanje, e-poštu i učenje. U istraživanju znanstvenika s Harvarda i iz tvrtke Perplexity zadaci vezani uz produktivnost i učenje činili su 57 % agentskih upita. Primjeri u nastavku pokazuju što agent radi za svaku vrstu posla.

Istraživanje i analiza

Istraživanje je vrlo prikladno za agente jer se sastoji od mnogo malih koraka. Agent može pretraživati, otvarati izvore, čitati ih i uspoređivati što navode. Uzmimo upit poput „pronađi tri nedavne studije o radu na daljinu i produktivnosti i sažmi što je svaka utvrdila“. Agent pretražuje studije i otvara najrelevantnije. Čita nalaze svake studije i piše sažetak s poveznicama na svaki izvor. Ako je studija iza zida za plaćanje, agent prelazi na sljedeću. U spomenutom istraživanju sažimanje i analiza istraživanja čine 7 % agentskih upita.

Dokumenti, e-pošta i kalendari

Agenti često rade u alatima koje ljudi već svakodnevno koriste. U istraživanju Harvarda i tvrtke Perplexity alati tvrtke Google za dokumente i e-pošta bili su dva najčešća, a zajedno su činili otprilike četvrtinu agentskih upita. Uzmimo upit poput „pregledaj nepročitanu e-poštu od ovog tjedna, označi sve što je od klijenata i sastavi odgovore na zahtjeve za dogovaranje termina“. Agent otvara pristiglu poštu i razvrstava poruke. Provjerava slobodne termine u kalendaru i sastavlja odgovor na svaki zahtjev. Skice može spremiti bez slanja kako bi ih osoba najprije pregledala.

Učenje i studijske obveze

Studenti koriste agente za učenje. Studijske obveze najveća su pojedinačna kategorija korištenja agenata u istraživanju, s 13 % agentskih upita. Upit poput „ispitaj me iz četvrtog poglavlja literature za moj kolegij“ šalje agenta na web-mjesto kolegija, gdje čita poglavlje, piše pitanja o ključnim točkama i provjerava studentove odgovore. Isti pristup prikladan je za svakoga tko uči novo područje, primjerice za zaposlenika koji se upoznaje s nepoznatom industrijom.

Kupnja i usporedbe

Kupnja čini 10 % agentskih upita, uglavnom pretraživanje i usporedba proizvoda. Kad dobije zadatak „pronađi stol za rad u stojećem položaju do 400 USD s dobrim recenzijama“, agent pretražuje nekoliko trgovaca, filtrira prema cijeni i ocjeni, uspoređuje najbolje opcije i može dodati najbolju u košaricu. Kad agent uspoređuje opcije na nekoliko web-mjesta, može se uštedjeti mnogo vremena jer osoba više ne mora otvarati i međusobno uspoređivati svaki oglas.

Sedam najboljih praksi za korištenje autonomnih agenata

1. Počnite od zadataka koje je lako provjeriti

Najbolji su prvi zadaci oni u kojima je pogrešku lako uočiti i jeftino ispraviti. Sažeci istraživanja i usporedbe proizvoda dobra su polazišta. Ako agent navodi poveznice na svoje izvore, provjera njegova rada traje svega nekoliko minuta. Kako povjerenje raste, ljudi mu mogu prepuštati dulje zadatke s više koraka.

2. Postavite jasne ishode i ograničenja

Agent može donositi bolje odluke kada zna zašto je zadatak važan. Dobar upit izgleda poput naloga vanjskom suradniku: svrha, publika, što je već poznato i što je već isključeno. „Usporedi ova tri dobavljača za dopis upravi; upravu najviše zanima rizik implementacije, a već smo isključili sve koji nisu usklađeni sa SOC 2“ daje agentu sve što mu je potrebno da samostalno donosi prosudbe.

3. Dodajte kontrolne točke za odobrenje

Neke radnje ne mogu se poništiti, poput slanja e-pošte, kupnje, brisanja datoteka ili slanja obrasca. Ako agent to omogućuje, postavite ga tako da prije tih koraka zastane i zatraži potvrdu. I sam upit može odrediti točku zaustavljanja. „Napiši nacrte odgovora, ali ih ne šalji“ ili „dodaj najbolju opciju u moju košaricu, ali ne dovršavaj kupnju“ agentu točno govori gdje treba stati i vratiti kontrolu.

4. Pregledajte plan prije početka rada

Kod većeg zadatka zatražite od agenta da prije početka iznese svoj plan. Pregled plana traje minutu, a ispravljanje nesporazuma u toj fazi znatno je jeftinije nego njegovo otkrivanje u gotovom rezultatu.

5. Ograničite pristup na ono što je zadatku potrebno

Svaki račun do kojeg agent može doći račun je u kojem može i djelovati. Povezivanjem samo onih aplikacija koje su zadatku potrebne osjetljivi podaci ostaju izvan dosega, a ograničava se i ono što može poći po zlu. Agentu koji istražuje dobavljače nije potreban pristup e-pošti. Agentu koji piše nacrte odgovora taj je pristup potreban, ali mu možda ne treba dopuštenje za njihovo slanje.

6. Ugradite provjere u upit

Agenti već pregledavaju vlastite rezultate, pa im upit može reći na što trebaju obratiti pozornost. Ako navedete kako izgleda dobar rezultat („svaka brojka mora imati izvor iz 2025. godine ili noviji“), agent će primijeniti taj standard prije nego što vrati svoj rad. Ako od njega zatražite da odvoji potvrđene činjenice od vlastitih zaključaka i da označi pretpostavke, osoba koja pregledava rad obavit će pregled brže i usmjerenije.

7. Ponovno upotrijebite ono što funkcionira

Upit koji je dao dobar rezultat može postati predložak za sljedeći sličan zadatak. Primjer dobrog rezultata, poput izvješća iz prošlog tromjesečja, agentu često pomaže više od opisivanja formata riječima. Zadaci koji se ponavljaju mogu postati stalni tijekovi rada.

Kako Perplexity pristupa autonomnim agentima

Perplexity nudi dva autonomna agenta. Comet Assistant obavlja svakodnevne zadatke u pregledniku, a Perplexity Computer preuzima veće projekte koji mogu trajati satima ili dulje.

Comet Assistant ugrađen je u Comet, AI preglednik tvrtke Perplexity. Radi na web-stranicama koje osoba već ima otvorene, pa može zakazivati sastanke, uređivati dokumente, slati e-poštu i rezervirati letove bez prebacivanja između alata.

Computer radi u oblaku i, kao što je ranije opisano, dijeli svaki cilj među podagentima. Povezuje se sa stotinama usluga, a korisnici mogu odabrati određene AI modele za određene dijelove posla. Computer je dostupan pretplatnicima na planove Pro i Max.

Istražite Comet Assistant da biste isprobali agenta u pregledniku ili Perplexity Computer da biste prepustili veći projekt.

Često postavljana pitanja

Je li autonomni agent isto što i agentska umjetna inteligencija?

Nije, ali se ti pojmovi preklapaju. Agentska umjetna inteligencija obično označava širu kategoriju AI sustava koji ostvaruju ciljeve planiranjem i poduzimanjem radnji. Autonomni agent konkretan je sustav unutar te kategorije koji svoj posao obavlja uz malo odobravanja korak po korak.

Jesu li svi AI agenti autonomni?

Nisu. Neki agenti izvršavaju pojedini korak samo kada ih osoba na to uputi, dok drugi cijeli zadatak dovršavaju samostalno. Ranije opisane razine autonomije prikazuju cijeli raspon, od agenata kojima osoba upravlja korak po korak do agenata koje osoba samo nadzire.

Mogu li autonomni agenti obavljati kupnje ili plaćanja?

Neki agenti mogu pomoći pri kupnji, ovisno o web-stranici, dopuštenjima i zaštitnim mjerama. Comet Assistant može uspoređivati proizvode i pomagati u postupku plaćanja. Značajka Instant Buy tvrtke Perplexity omogućuje korisnicima u SAD-u koji ispunjavaju uvjete kupnju podržanih proizvoda unutar platforme Perplexity, a kao jedna od mogućnosti plaćanja dostupan je PayPal.

Zahtijevaju li autonomni agenti vještine programiranja?

Mnogi gotovi agenti mogu se koristiti bez programiranja. Neke platforme ljudima omogućuju i izradu agenata putem uputa na prirodnom jeziku ili grafičkog sučelja. Programiranje može biti korisno za prilagođene integracije, otklanjanje pogrešaka i specijaliziranije ponašanje.