Autonoma agenter: vad de är och hur de fungerar

Vad en autonom agent är

En autonom agent är ett AI-system som arbetar mot ett mål på egen hand. En person beskriver resultatet hen vill ha, och agenten listar ut stegen och utför dem.

Säg att någon vill välja mellan tre projekthanteringsverktyg. En autonom agent kan söka efter varje verktyg, öppna dess prissida, notera skillnaderna och leverera en färdig jämförelse. Personen sätter målet och granskar resultatet, och agenten gör arbetet däremellan.

Många av dagens mjukvaruagenter använder en stor språkmodell för att tolka instruktioner och avgöra vad de ska göra härnäst. Vissa modeller kan även bearbeta bilder eller ljud. För att söka på webben, klicka på knappar eller skicka e-post behöver agenten programvara som kopplar modellen till verktyg och utför dess förfrågningar.

I exemplet med projekthanteringsverktygen skulle LLM:en och agenten arbeta så här:

1. LLM:en läser målet och skriver en förfrågan om att söka efter priserna för det första verktyget.
2. Agentens programvara kör sökningen och skickar tillbaka resultaten till LLM:en som text.
3. LLM:en läser resultaten, väljer nästa steg (att öppna prissidan) och skriver en ny förfrågan.
4. Cykeln upprepas tills LLM:en bedömer att jämförelsen är klar och skriver det slutliga svaret.

Förstora

Nivåer av autonomi

I ett agentiskt AI-system (AI som är byggd för att utföra handlingar, inte bara svara på frågor) är autonomi ett designval. Samma agent kan konfigureras för att fråga före varje steg eller för att slutföra en hel uppgift på egen hand.

Forskare vid University of Washington föreslår ett ramverk med fem nivåer för att förklara de olika grader av autonomi som en agent kan ha:

På nivå 4 kan en agent undersöka och ta fram ett utkast till en inköpsorder på egen hand men pausa innan den skickas in. På nivå 5 skulle den även skicka in ordern.

Autonoma AI-agenter jämfört med automatisering och chattbottar

Autonoma agenter skiljer sig från chattbottar och arbetsflödesautomatisering på två sätt: de bestämmer sina egna steg, och de utför handlingar i andra appar och på andra webbplatser.

En chattbot svarar på frågor i en konversation, men agerar vanligtvis inte utanför den. Arbetsflödesautomatisering agerar visserligen, men bara genom att följa steg som någon har konfigurerat i förväg. En vanlig typ är robotiserad processautomatisering (RPA), programvara som upprepar enkla, regelbaserade uppgifter som att kopiera data från ett system till ett annat.

En autonom agent gör båda: den agerar i annan programvara, och den väljer sina egna steg mot ett mål, inom ramen för de verktyg, behörigheter och instruktioner den har fått.

Ett klagomål om en försenad beställning visar skillnaden. En chattbot kan svara med en färdigskriven förklaring av fraktpolicyn. En arbetsflödesautomatisering kan skicka ett standardmejl om ”försenad beställning”. En autonom agent kan slå upp beställningen, upptäcka att den har försvunnit under transporten, skicka en ersättningsvara och informera kunden.

Hur autonoma agenter fungerar

En autonom agent förlitar sig på fyra förmågor för att slutföra en uppgift: att planera sina steg, använda verktyg, komma ihåg vad den har gjort och kontrollera sina egna resultat. För större uppgifter fördelar vissa agenter också arbetet mellan ett team av agenter.

1. Bryta ned mål och planera

Ett mål är oftast för stort för att hanteras i ett enda steg, så en agents första uppgift är att bryta ned det i mindre uppgifter. Om användaren till exempel ber agenten att planera en offsite för teamet kan den dela upp målet i att välja datum, hitta lokaler inom budget, kontrollera tillgänglighet och skriva ett utkast till inbjudan.

Agenter kan planera i förväg eller planera under arbetets gång, beroende på hur de är byggda. Att planera i förväg innebär att skriva ned varje steg innan man börjar, vilket fungerar för korta, förutsägbara uppgifter. Att planera under arbetets gång innebär att kartlägga nästa steg eller två, agera och revidera utifrån vad som kommer tillbaka. Om förstahandsvalet av lokal för offsiten var bokat kunde agenten gå vidare till nästa alternativ utan att börja om.

Förstora

En översiktsstudie om LLM-baserade autonoma agenter från Renmin University of China visar att det andra tillvägagångssättet hanterar mer komplexa uppgifter bättre, eftersom det är svårt att skriva en perfekt plan innan man har sett några resultat. Många agenter kombinerar de två: de skissar först en fullständig plan och reviderar den under arbetets gång.

2. Utföra handlingar med verktyg

När planen är på plats arbetar agenten sig igenom den en uppgift i taget och väljer ett verktyg för varje uppgift.

• För att hitta lokaler kan den använda webbsökning med en sökfråga som ”offsite-lokaler för 20 personer nära Austin”.
• För att kontrollera tillgängligheten kan den öppna varje lokals bokningssida i en webbläsare och läsa av kalendern.
• För att skicka inbjudan kan den ansluta till personens e-post via ett API, den koppling som gör att en programvara kan begära data eller åtgärder från en annan.

Efter varje åtgärd läser agenten vad som kom tillbaka och bestämmer nästa drag. Om sökningen ger fem lokaler kontrollerar den deras tillgänglighet. Om en bokningssida inte laddas provar den lokalens telefonuppgifter eller går vidare till nästa alternativ.

Vilka verktyg en agent har avgör vilka uppgifter den kan slutföra på egen hand. Utan tillgång till e-post kan den skriva ett utkast till inbjudan men inte skicka den.

3. Hålla koll på framstegen med minne

Medan agenten arbetar måste den hålla reda på vad den har gjort och vad den har lärt sig. När den har kontrollerat tre lokaler behöver den veta vilka som var bokade, vilka som hade plats och vad var och en kostar. Den informationen finns i LLM:ens kontextfönster, den mängd text som modellen kan ta hänsyn till på en gång.

Långa uppgifter kan växa ur kontextfönstret. Agenter med långtidsminne hanterar detta genom att spara information utanför modellen, oftast i en databas, och bara hämta det som det aktuella steget behöver.

Långtidsminnet följer också med mellan uppgifter. När det är dags att planera nästa års offsite kan agenten återanvända årets lista över lokaler och budget, eller komma ihåg att teamet föredrar lokaler inom en timmes bilresa.

4. Kontrollera resultat och korrigera kursen

Under arbetet håller många agenter utkik efter tecken på att ett steg har gått fel. Om ett bokningsformulär returnerar ett fel eller en sökning inte ger några resultat provar den ett annat tillvägagångssätt. När den kommer till ett beslut som den inte bör fatta på egen hand, till exempel om en lokal som ligger något över budget är acceptabel, frågar den personen och anpassar sig efter svaret.

Innan många agenter lämnar tillbaka sitt arbete granskar de sina resultat. LLM:en läser igenom det den har tagit fram, jämför det med målet och listar allt som saknas eller är fel. Agenten reviderar och kontrollerar igen tills resultatet uppfyller målet. Om inbjudan till exempel saknar lokalens adress upptäcks det vid granskningen, och agenten lägger till den innan inbjudan skickas.

5. Fördela arbetet mellan agenter

Vissa uppgifter går snabbare när flera agenter delar på dem. En huvudagent delar upp arbetet och lämnar över delar till underagenter.

Perplexity Computer fungerar på det här sättet. En person beskriver det resultat hen vill ha, och Computer bryter ned det i uppgifter och deluppgifter och skapar sedan underagenter som utför dem. Underagenter kan söka information på webben, generera dokument, bearbeta data eller anropa anslutna tjänster via API:er.

När Computer stöter på ett problem skapar den nya underagenter för att lösa det. Varje underagent kan också köras på en annan AI-modell, så att varje del av arbetet går till den modell som passar bäst för den.

I offsite-exemplet kan alltså en underagent undersöka lokaler medan en annan kontrollerar teamets kalendrar och en tredje tittar på resealternativ.

Förstora

Hur människor använder autonoma agenter

Människor använder främst autonoma agenter för vardagligt kunskapsarbete: informationssökning, skrivande, e-post och studier. I en studie av forskare från Harvard och Perplexity utgjorde produktivitets- och inlärningsuppgifter 57 % av de agentiska förfrågningarna. Exemplen nedan visar vad en agent gör för varje typ av arbete.

Informationssökning och analys

Informationssökning passar agenter bra eftersom det kräver många små steg. En agent kan söka, öppna källor, läsa dem och jämföra vad de säger. Ta en förfrågan som ”hitta tre nyligen publicerade studier om distansarbete och produktivitet och sammanfatta vad var och en kom fram till”. Agenten söker efter studier och öppnar de mest relevanta. Den läser varje studies resultat och skriver en sammanfattning med länkar till varje källa. Om en studie ligger bakom en betalvägg går agenten vidare till nästa. I studien står sammanfattning och analys av forskning för 7 % av de agentiska förfrågningarna.

Dokument, e-post och kalendrar

Agenter arbetar ofta i de verktyg som människor redan använder varje dag. I studien från Harvard och Perplexity var Googles dokumentverktyg och e-post de två vanligaste och stod tillsammans för ungefär en fjärdedel av de agentiska förfrågningarna. Ta en förfrågan som ”gå igenom veckans olästa mejl, flagga allt från kunder och skriv utkast till svar på mötesförfrågningarna”. Agenten öppnar inkorgen och sorterar meddelandena. Den kontrollerar kalendern efter lediga tider och skriver ett utkast till svar på varje förfrågan. Den kan spara utkasten utan att skicka dem, så att personen kan granska vart och ett först.

Lärande och kursarbete

Studenter använder agenter för att studera. Kursarbete är den enskilt största kategorin av agentanvändning i studien, med 13 % av de agentiska förfrågningarna. En förfrågan som ”förhör mig på kapitel fyra i min kurslitteratur” skickar agenten till kursens webbplats, där den läser kapitlet, skriver frågor om de viktigaste punkterna och kontrollerar studentens svar. Samma tillvägagångssätt fungerar för alla som lär sig ett nytt ämne, till exempel en anställd som snabbt behöver sätta sig in i en obekant bransch.

Shopping och jämförelser

Shopping står för 10 % av de agentiska förfrågningarna, främst sökningar efter och jämförelser av produkter. När en agent ombeds att ”hitta ett höj- och sänkbart skrivbord under 400 dollar med bra recensioner” söker den hos flera återförsäljare, filtrerar efter pris och betyg, jämför de bästa alternativen och kan lägga det bästa i en varukorg. Att låta en agent jämföra alternativ på flera webbplatser kan spara mycket tid, eftersom personen inte längre behöver öppna och jämföra varje produktsida för sig.

Sju beprövade metoder för att använda autonoma agenter

1. Börja med uppgifter som är lätta att kontrollera

De bästa första uppgifterna är sådana där ett misstag är lätt att upptäcka och billigt att rätta till. Sammanfattningar av efterforskningar och produktjämförelser är bra startpunkter. Om agenten länkar till sina källor tar det bara några minuter att kontrollera arbetet. I takt med att förtroendet växer kan man lämna över längre uppgifter med fler steg.

2. Sätt tydliga mål och begränsningar

Agenten kan fatta bättre beslut när den vet varför uppgiften är viktig. En bra fråga läses som en uppdragsbeskrivning till en konsult: syftet, målgruppen, vad som redan är känt och vad som har uteslutits. ”Jämför de här tre leverantörerna inför ett styrelse-PM; styrelsen bryr sig mest om implementeringsrisken, och vi har redan uteslutit alla som saknar SOC 2-efterlevnad” ger agenten det den behöver för att göra egna bedömningar.

3. Lägg till kontrollpunkter för godkännande

Vissa åtgärder går inte att ångra, till exempel att skicka ett mejl, göra ett köp, radera filer eller skicka in ett formulär. Om agenten tillåter det kan du ställa in den så att den pausar och frågar innan den tar sådana steg. Själva frågan kan också ange var agenten ska stanna. ”Skriv utkast till svar men skicka dem inte” eller ”lägg det bästa alternativet i min varukorg men slutför inte köpet” talar om för agenten exakt när den ska sluta och lämna tillbaka kontrollen.

4. Granska planen innan arbetet börjar

Vid en större uppgift kan du be agenten att skissa upp sin plan innan den börjar. Det tar en minut att granska en plan, och att rätta till ett missförstånd i det skedet är mycket billigare än att upptäcka det i en färdig leverans.

5. Begränsa åtkomsten till det som uppgiften kräver

Varje konto som en agent kan nå är ett konto där den kan agera. Genom att bara ansluta de appar som en uppgift kräver håller du känsliga data utom räckhåll och begränsar vad som kan gå fel. En agent som undersöker leverantörer behöver inte åtkomst till e-post. En agent som skriver utkast till svar behöver det, men den behöver kanske inte behörighet att skicka dem.

6. Bygg in kontrollerna i frågan

Agenter granskar redan sina egna resultat, så frågan kan tala om för dem vad de ska kontrollera. Om du beskriver hur ett bra resultat ser ut (”varje siffra behöver en källa daterad 2025 eller senare”) tillämpar agenten den standarden innan den lämnar tillbaka sitt arbete. Att be den skilja bekräftade fakta från sina egna slutsatser och flagga antaganden gör granskningen snabbare och mer fokuserad för personen.

7. Återanvänd det som fungerar

En fråga som gav ett bra resultat kan bli en mall för nästa liknande uppgift. Att ge agenten ett exempel på bra resultat, till exempel förra kvartalets rapport, är ofta mer effektivt än att beskriva formatet i ord. Återkommande uppgifter kan bli fasta arbetsflöden.

Så arbetar Perplexity med autonoma agenter

Perplexity erbjuder två autonoma agenter. Comet Assistant hanterar vardagliga uppgifter i webbläsaren, och Perplexity Computer tar sig an större projekt som kan pågå i timmar eller längre.

Comet Assistant är inbyggd i Comet, Perplexitys AI-webbläsare. Den arbetar på de webbplatser som en person redan har öppna, så den kan schemalägga möten, redigera dokument, skicka mejl och boka flyg utan att byta verktyg.

Computer körs i molnet och delar upp varje mål mellan underagenter, som beskrivits tidigare. Den ansluter till hundratals tjänster, och man kan välja specifika AI-modeller för specifika delar av arbetet. Computer är tillgänglig för Pro- och Max-prenumeranter.

Utforska Comet Assistant för att testa en agent i webbläsaren, eller Perplexity Computer för att lämna över ett större projekt.

Vanliga frågor

Är en autonom agent samma sak som agentisk AI?

Nej, men begreppen överlappar. Agentisk AI syftar oftast på den bredare kategorin AI-system som strävar efter mål genom att planera och vidta åtgärder. En autonom agent är ett specifikt system inom den kategorin som utför sitt arbete med få godkännanden steg för steg.

Är alla AI-agenter autonoma?

Nej. Vissa agenter utför varje steg först när en person instruerar dem, medan andra slutför en hel uppgift på egen hand. De autonominivåer som beskrevs tidigare visar hela spannet, från agenter som en person styr steg för steg till agenter som en person bara övervakar.

Kan autonoma agenter göra köp eller betalningar?

Vissa agenter kan hjälpa till med köp, beroende på webbplats, behörigheter och skyddsåtgärder. Comet Assistant kan jämföra produkter och hjälpa till i kassaflöden. Med Perplexitys Instant Buy kan behöriga användare i USA köpa produkter som stöds direkt i Perplexity, med PayPal som tillgängligt betalningsalternativ.

Krävs det programmeringskunskaper för autonoma agenter?

Många färdiga agenter kan användas utan programmering. Vissa plattformar låter också användare bygga agenter med instruktioner på naturligt språk eller via ett grafiskt gränssnitt. Programmering kan vara användbar för anpassade integrationer, felsökning och mer specialiserat beteende.