Come creare un AI agent in 7 passaggi

Le aziende lavorano per ottenere più valore dall'AI generativa incorporandola nei processi aziendali quotidiani. Iniziano a distribuire software chiamati AI agent in una vasta gamma di applicazioni, progettati per avere conversazioni scritte e parlate, eseguire query sui database e svolgere attività in più fasi, senza essere programmati in anticipo su come procedere in tutte le situazioni.

Le applicazioni di AI agent possono essere implementate per lavorare passo dopo passo e raccogliere le informazioni di cui hanno bisogno interagendo con gli utenti del computer e i loro calendari, sfruttare le informazioni nei sistemi locali e cloud e utilizzare i motori di ricerca o altri siti Web per rispondere a domande o eseguire azioni. Si basano su modelli di linguaggio di grandi dimensioni (LLM) basati sull'intelligenza artificiale per il loro potere predittivo e la capacità di interagire con gli utenti umani nel linguaggio naturale.

I fornitori di produttività, gestione dei clienti e applicazioni di back-office hanno iniziato a fornire ai propri clienti studi di progettazione per personalizzare, istruire e attivare AI agent o crearne di propri. Ecco una serie di linee guida utili su come impostare un AI agent, inclusi sette passaggi per ottenere un agente costruito e sul campo.

Che cosa sono gli AI agent?

Il software degli AI agent sfrutta gli LLM addestrati su enormi quantità di dati per identificare relazioni e stabilire associazioni tra concetti, consentendo così di formulare previsioni pertinenti riguardo al significato inteso dagli utenti informatici, comunicando in un linguaggio conversazionale. Gli agenti sono progettati per mediare tra gli utenti e i modelli di linguaggio, adottando attivamente misure per risolvere i problemi in un'ampia gamma di aree.

Possono aiutare le organizzazioni ad automatizzare i processi ripetitivi, ad esempio nelle previsioni finanziarie, aiutare i team HR ad affrontare più passaggi in un processo di selezione del personale o riepilogare le informazioni sugli account e identificare le opportunità di upselling per i funzionari commerciali.

Come creare un AI agent in 7 passaggi

Gli AI agent hanno lo scopo di comprendere i ruoli organizzativi degli utenti, attingere ai dati dai documenti aziendali in modo che i flussi di lavoro rimangano pertinenti e rispondere ai prompt del linguaggio naturale anziché alle istruzioni precodificate. Per prepararli a tale flessibilità in circostanze mutevoli, le organizzazioni devono svolgere un lavoro di preparazione.

1. Scegli la tua strategia di creazione di agent. Le aziende devono decidere in anticipo se desiderano personalizzare gli agenti predefiniti forniti dai provider di software per automatizzare i processi o creare i propri agenti da zero. Data la fase iniziale del test e del rollout degli AI agent nei diversi settori, la maggior parte delle aziende probabilmente personalizzerà gli agenti predefiniti in modo da godere di una posizione di partenza migliore per iniziare a creare valore. Nel prendere la decisione, le organizzazioni dovrebbero considerare quanto segue:

• I talenti dell'AI nel personale: la progettazione di agenti personalizzati richiede agli sviluppatori AI, ai data scientist e agli esperti dell'interfaccia utente di eseguire la programmazione e l'integrazione dei sistemi necessari, mentre gli amministratori delle applicazioni possono lavorare in un ambiente di studio di progettazione per personalizzare gli agenti pronti all'uso.
• Competenza nella formazione dei modelli: la maggior parte delle aziende non avrà le conoscenze interne per selezionare un LLM, necessarie quando sviluppa agenti AI da zero e per eseguire le operazioni di ottimizzazione necessarie per assicurarsi che un modello integrato da zero non diventi inaccurato nel tempo.
• Costo: costruire da zero richiede un investimento iniziale più elevato nello sviluppo, oltre ai costi per le chiamate API a un LLM. La personalizzazione degli AI agent predefiniti da un fornitore come Oracle non comporta alcun addebito oltre alle sottoscrizioni per le applicazioni SaaS già corrisposte dalle aziende.
• Dati di alta qualità: i dati aziendali devono essere preparati per l'AI prima che gli agenti possano utilizzarli. Ciò spesso comporta la trasformazione dei dati in integrazioni vettoriali, che mostrano matematicamente relazioni tra concetti, utili per dedurre l'intento degli utenti quando pongono domande. Le organizzazioni che creano agenti da zero devono anche guardare all' "overfitting", in cui un LLM si adatta troppo ai dati su cui è stato addestrato e non può eseguire una generalizzazione con nuovi campi di conoscenza.
• Governance e supervisione: le aziende possono desiderare che gli agenti documentino il proprio lavoro e siano trasparenti per i manager di linee di business che non sono professionisti IT. I dipartimenti IT dovrebbero anche considerare che gli agenti non hanno accesso a dati sensibili che non devono essere resi pubblici o divulgati a determinati dipendenti.

2. Seleziona un LLM o scegline uno pronto all'uso. I fornitori di applicazioni SaaS che consentono ai propri clienti di perfezionare gli agenti in uno studio di progettazione probabilmente preselezioneranno gli LLM con i quali il loro software interagirà o offriranno agli amministratori una scelta limitata. Le organizzazioni che costruiscono da zero dovranno scegliere tra gli LLM di, ad esempio, Anthropic, Cohere, Google, IBM, Meta (sviluppatore dei popolari modelli Llama), Microsoft, Mistral e OpenAI. Questo approccio può dare a queste aziende il controllo su tutti i livelli del loro stack software agentico, incluso il modello sottostante. Significa anche che sono responsabili della manutenzione di molti più componenti software rispetto alla personalizzazione di agenti pronti all'uso.

3. Progettare un flusso di lavoro e definire gli strumenti. Anche l'adattamento degli agenti predefiniti è un processo per un amministratore delle applicazioni e non per un utente aziendale generale. Gli amministratori possono iniziare con modelli di flusso di lavoro predefiniti (casi d'uso con codice in una vista catalogo) o creare nuovi flussi di lavoro personalizzati. Per definire i flussi di lavoro degli agenti precostruiti, gli amministratori inseriscono istruzioni di linguaggio naturale specifiche nei campi di uno studio di progettazione degli agenti o selezionano azioni dagli elenchi per specificare come l'agente deve interagire con gli utenti, visualizzare i dati o pianificare gli appuntamenti. Gli amministratori possono anche scegliere gli strumenti che l'agente deve utilizzare per rispondere alle domande e fornire domande campione che i dipendenti potrebbero porre.

Questo processo aiuta a definire il ruolo dell'agente, descrivendo in termini semplici come dovrebbe svolgere un lavoro e a quali informazioni dovrà accedere. Ad esempio, un agente all'interno di un'applicazione HR che aiuta a spiegare i benefici per la salute ai dipendenti avrà bisogno di accedere a documenti medici, visivi, dentistici e altri documenti di natura sanitaria, mentre un agente di benefici finanziari potrebbe aver bisogno di sfruttare le informazioni sui piani pensionistici e azionari sponsorizzati dal datore di lavoro (maggiori informazioni su questo argomento di seguito).

4. Caricare i documenti per RAG. Ora che l'agente ha le sue istruzioni e i suoi strumenti, un amministratore può utilizzare un caricatore di documenti per preparare i documenti aziendali per la generazione aumentata con recupero (RAG), una tecnica AI che fornisce a un LLM documenti aziendali e dati in fase di esecuzione per aumentare ciò che il modello ha imparato durante la sua formazione. L'amministratore fornisce istruzioni in linguaggio naturale su come l'agente deve utilizzare i documenti. Un software di agent builder efficace riassume il database vettoriale che aiuta a fornire risultati altamente pertinenti in fase di esecuzione in base a ciò che un utente informatico intende trovare.

5. Fare clic per creare. Dopo aver gettato le basi con istruzioni, argomenti e documenti, l'amministratore può creare un agente in uno studio di progettazione semplicemente nominandolo e facendo clic su un pulsante dell'interfaccia utente. Le istruzioni in linguaggio naturale consentono al flusso di lavoro (o ad altri agenti) di comprenderne le funzionalità. Mentre sono in esecuzione, gli AI agent sono progettati per imparare a migliorare le loro prestazioni attraverso un processo matematico di prova, errore e ricompensa chiamato apprendimento di rinforzo.

Le aziende che creano da zero senza uno studio di progettazione potrebbero dover aggiungere integrazioni ad applicazioni finanziarie, HR, di gestione dei clienti e di altro tipo, nonché ai database e ai documenti degli utenti. I framework degli AI agent offrono un'alternativa alla scrittura di codice da zero fornendo architetture software, protocolli di comunicazione, connettori a origini dati cloud e locali e strumenti di monitoraggio per aiutare le aziende a creare nuovi agenti. I framework open source più diffusi includono LangChain, LlamaIndex e AutoGen di Microsoft Research.

Gli ambienti di studio degli agenti possono anche includere un framework a cui gli amministratori non devono accedere direttamente.

6. Impostare i limiti. Ora è il momento di impostare guardrail per garantire che gli agenti mantengano la loro precisione e possano identificare quando chiedere l'approvazione prima di eseguire le azioni. L'amministratore che imposta l'agente può, ad esempio, aggiungere un requisito per ottenere l'approvazione dallo staff prima di inviare un'e-mail o aggiornare un record.

Gli amministratori possono anche impostare le condizioni in base alle quali è possibile rispondere a una domanda o possono aggiungere istruzioni che richiedono all'LLM sottostante di estrarre informazioni da un sistema IT aziendale o chiedere all'utente chiarimenti, invece di inventare una risposta (un inconveniente dell'AI generativa chiamata allucinazione). Ad esempio, un amministratore può digitare: Assicurati di avere informazioni sul numero di persone a carico, chiedendo all'utente o eseguendo una query sul sistema. Se non conosci la risposta, non crearne una.

Gli agenti possono anche essere progettati per ereditare le funzionalità di moderazione dei contenuti dal servizio cloud su cui sono in esecuzione.

7. Eseguire il test, distribuire e monitorare. Attraverso un'area di test nello studio, gli amministratori possono eseguire un'interazione di esempio per valutare se le risposte dell'agente sono utili e pertinenti e verificare quali fonti cita. Possono anche vedere come cambierebbe l'interazione di un utente se l'organizzazione modificasse le istruzioni dell'agente o il suo LLM sottostante. Un amministratore può quindi distribuire l'agente direttamente nello studio di progettazione.

Gli agenti possono migliorare le proprie prestazioni nel tempo misurando quali combinazioni di dati RAG e prompt utente hanno prodotto i risultati più utili. I manager aziendali possono quindi valutare le prestazioni degli agenti, incorporando il feedback nelle future interazioni con gli utenti.

Utilizza Oracle AI Agent Studio per Fusion Applications per personalizzare gli agenti in Oracle Applications

Oracle AI Agent Studio consente agli amministratori IT di impostare AI agent nelle Oracle Fusion Cloud Applications, progettati per aiutare gli utenti con una vasta gamma di attività, tra cui il saldo delle ferie retribuite, l'estrazione della cronologia degli acquisti dei clienti, l'elaborazione dei resi dei prodotti e l'analisi delle foto delle apparecchiature di produzione per stimare il costo delle riparazioni.

Gli amministratori Fusion iniziano con modelli predefiniti, che appaiono come caselle nell'area di lavoro e contenenti il codice necessario per iniziare. I designer degli agenti istruiscono quindi l'agente che desiderano distribuire sull'ambito e sui limiti della sua funzione e indicano in quali documenti e altre fonti di dati devono cercare informazioni. Possono anche creare nuovi agenti da zero. Gli agenti sono inclusi nelle sottoscrizioni Fusion dei clienti senza costi aggiuntivi.

Domande frequenti su come creare un AI agent

Che cosa fa un AI agent?

Gli AI agent sono assistenti virtuali distribuiti all'interno di applicazioni aziendali o software di produttività personale per rispondere alle domande degli utenti informatici o aiutarli a completare le attività. A differenza dei precedenti assistenti software, che si basavano su regole e flussi di lavoro precodificati, gli AI agent sono progettati per comprendere i prompt e il contesto del linguaggio naturale, adattandosi al contempo a nuove situazioni.

Gli AI agent sono il futuro?

Gli AI agent potrebbero diventare sempre più utili man mano che vengono implementati in diverse applicazioni aziendali con meno dipendenza sull'intervento umano e imparano dalle interazioni con più utenti aziendali e consumatori nel tempo.