Jak stworzyć agenta sztucznej inteligencji w 7 krokach

Firmy starają się uzyskać większą wartość z generatywnej sztucznej inteligencji, włączając ją do codziennych procesów biznesowych. Zaczynają wdrażać oprogramowanie zwane agentami sztucznej inteligencji w różnych aplikacjach do prowadzenia rozmów pisemnych i głosowych oraz do przeszukiwania baz danych w celu wykonywania wieloetapowych zadań, bez wcześniejszego zaprogramowania sposobu postępowania we wszystkich sytuacjach.

Aplikacje sztucznej inteligencji mogą być wdrażane do pracy krok po kroku, aby zbierać potrzebne informacje poprzez interakcje z użytkownikami komputerów i ich kalendarzami, korzystanie z informacji w systemach lokalnych i chmurowych oraz za pomocą wyszukiwarek lub innych stron internetowych w celu udzielania odpowiedzi na pytania lub wykonywania działań. Ich zdolności predykcyjne oraz zdolność interakcji z użytkownikami w języku naturalnym bazują na podstawowych dużych modelach językowych (LLM) wykorzystujących sztuczną inteligencję.

Dostawcy aplikacji z zakresu produktywności, zarządzania klientami i zaplecza biurowego zaczęli wyposażać swoich klientów w studia projektowe do dostosowywania, instruowania i aktywowania agentów sztucznej inteligencji lub tworzenia własnych. Oto zestaw przydatnych wskazówek, jak przygotować agenta sztucznej inteligencji do pracy, w tym siedem kroków do stworzenia agenta i wdrożenia go.

Czym są agenci sztucznej inteligencji?

Oprogramowanie agenta sztucznej inteligencji wykorzystuje modele LLM, przeszkolone na ogromnych ilościach danych, aby znaleźć zależności, tworzyć powiązania między koncepcjami i w rezultacie tworzyć odpowiednie prognozy dotyczące zamierzonych znaczeń dla użytkowników komputerów, komunikując się w języku konwersacyjnym. Agenci pośredniczą między użytkownikami a modelami językowymi, podejmując aktywne kroki w celu rozwiązywania problemów w różnych obszarach.

Mogą pomóc organizacjom zautomatyzować powtarzające się procesy, takie prognozy finansowe, pomoc działom kadr w nawigacji przez wieloetapowy proces rekrutacyjny lub podsumowywanie informacji o kontach i identyfikowanie możliwości sprzedaży dodatkowej dla przedstawicieli handlowych.

Jak stworzyć agenta sztucznej inteligencji w 7 krokach

Agenci sztucznej inteligencji mają na celu zrozumienie ról użytkowników w organizacji, korzystanie z danych z dokumentów biznesowych, aby zachować odpowiedniość przepływów pracy, a także reagowanie na polecenia w języku naturalnym zamiast wstępnie zakodowane instrukcje. Aby przygotować ich do tej elastyczności w zmieniających się warunkach, organizacje muszą poczynić pewne przygotowania.

1. Wybór strategii budowania agentów. Firmy muszą zdecydować, czy chcą dostosować gotowych agentów dostarczanych przez dostawców oprogramowania w celu automatyzacji procesów, czy stworzyć własnych agentów od podstaw. Biorąc pod uwagę wczesny etap testowania i wdrażania agentów sztucznej inteligencji w branżach, większość firm prawdopodobnie zdecyduje się na dostosowanie gotowych agentów, aby lepiej przygotować się do uzyskiwania wartości z tego rozwiązania. Podejmując decyzję, organizacje powinny wziąć pod uwagę następujące kwestie:

• Eksperci ds. sztucznej inteligencji w zespole: projektowanie niestandardowych agentów wymaga od programistów, badaczy danych i ekspertów ds. interfejsów użytkownika przeprowadzenia niezbędnego programowania i integracji systemów, natomiast do dostosowania gotowych agentów administratorzy aplikacji mogą pracować w środowisku studia projektowego.
• Doświadczenie w zakresie szkolenia modeli: większość firm nie będzie miała wewnętrznej wiedzy, aby wybrać odpowiedni model LLM, co jest niezbędne podczas tworzenia agentów sztucznej inteligencji od podstaw, a także do dostosowania ich w celu upewnienia się, że stworzony model nie traci swojej dokładności w czasie.
• Koszt: budowanie od zera wymaga wcześniejszych inwestycji w rozwój oraz opłat za wywołania API do LLM. Dostosowywanie gotowych agentów sztucznej inteligencji od dostawcy, takiego jak Oracle, nie wiąże się z żadnymi opłatami wykraczającymi poza subskrypcje aplikacji SaaS, za które firmy już płacą.
• Dane wysokiej jakości: dane biznesowe muszą zostać przygotowane do wykorzystania przez sztuczną inteligencję, zanim agenci będą mogli z nich korzystać. Często wiąże się to z przekształceniem danych w osadzenia wektorowe, które matematycznie pokazują zależności między koncepcjami, co jest pomocne w analizowaniu intencji użytkowników, gdy zadają pytania. Organizacje tworzące agentów od zera muszą również uważać na „nadmierne szkolenie”, czyli sytuację, w której LLM za bardzo polega na danych, na których był trenowany, i nie potrafi generalizować w celu dostosowania się do nowych obszarów wiedzy.
• Zarządzanie i nadzór: firmy mogą chcieć, aby agenci dokumentowali swoją pracę i byli transparentni dla kierowników działów firmy, którzy nie są specjalistami IT. Działy IT mogą również rozważyć, że agenci nie powinni mieć dostępu do wrażliwych danych, które nie powinny być udostępniane publicznie ani ujawniane określonym pracownikom.

2. Wybór LLM lub korzystanie z gotowego do użycia rozwiązania. Dostawcy aplikacji SaaS, którzy umożliwiają swoim klientom dostosowanie agentów w studiu projektowym, prawdopodobnie wcześniej zdecydują, z którymi modelami LLM ich oprogramowanie będzie współpracować, lub dadzą administratorom ograniczony wybór. Organizacje tworzące agentów od podstaw będą musiały wybierać spośród LLM oferowanych przez takie firmy jak Anthropic, Cohere, Google, IBM, Meta (twórca popularnych modeli Llama), Microsoft, Mistral i OpenAI. Takie podejście może zapewnić firmom kontrolę nad wszystkimi warstwami oprogramowania agenta, w tym nad podstawowym modelem. Oznacza to również, że będą odpowiadać za utrzymanie większej liczby komponentów oprogramowania w porównaniu z dostosowaniem gotowych agentów.

3. Projekt przepływu zadań i definiowanie narzędzi. Nawet dostosowanie gotowych agentów jest zadaniem dla administratora aplikacji, a nie zwykłego użytkownika biznesowego. Administratorzy mogą zacząć od wstępnie zaprojektowanych szablonów przepływów zadań, przypadków użycia z kodem w widoku katalogu, lub tworzyć nowe, dostosowane przepływy zadań. Aby zdefiniować wstępnie utworzone przepływy zadań agentów, administratorzy mogą wprowadzać konkretne instrukcje w języku naturalnym do pól w studiu projektowym agenta lub wybierać czynności z list w celu określenia sposobu interakcji agenta z użytkownikami, wyświetlania danych lub planowania spotkań. Administratorzy mogą również wybrać, które narzędzia agent ma wykorzystać do udzielania odpowiedzi, a także podać przykładowe pytania, które pracownicy mogą zadać.

Proces ten pomaga zdefiniować rolę agenta, opisując w prostych słowach, jak powinien wykonywać zadanie i jakich informacji będzie potrzebował. Na przykład agent w aplikacji HR, który pomaga wyjaśnić świadczenia zdrowotne pracownikom, będzie potrzebował dostępu do dokumentów medycznych, okulistycznych, dentystycznych i innych dokumentów dotyczących zdrowia, podczas gdy agent ds. świadczeń finansowych może potrzebować informacji na temat sponsorowanych przez pracodawcę planów emerytalnych i akcji (więcej na ten temat poniżej).

4. Przesyłanie dokumentów do usługi RAG. Teraz, gdy agent ma instrukcje i narzędzia, administrator może za pomocą narzędzia do przesyłania dokumentów przygotować dokumenty firmowe do procesu generowania wzbogaconego o dane (RAG), techniki sztucznej inteligencji, która dostarcza LLM dokumenty i dane biznesowe w czasie rzeczywistym, aby wzbogacić to, czego model nauczył się podczas szkolenia. Administrator dostarcza instrukcje w języku naturalnym dotyczące sposobu, w jaki agent powinien korzystać z dokumentów. Skuteczne oprogramowanie do tworzenia agentów podsumowuje wektorową bazę danych, która pomaga dostarczać bardzo trafne wyniki w czasie rzeczywistym na podstawie tego, co użytkownik komputera zamierza znaleźć.

5. Tworzenie. Po przygotowaniu fundamentów z instrukcjami, tematami i dokumentami administrator może utworzyć agenta w studiu projektowym, po prostu nadając mu nazwę i klikając przycisk w interfejsie użytkownika. Instrukcje w języku naturalnym pozwalają przepływowi zadań (lub innym agentom) zrozumieć jego możliwości. Podczas pracy agenci sztucznej inteligencji uczą się, jak poprawić swoją wydajność poprzez matematyczny proces prób, błędów i nagradzania, zwany uczeniem wspomaganym.

W przypadku firm tworzących od podstaw bez studia projektowego może być konieczne dodanie integracji z aplikacjami finansowymi, kadrowymi, zarządzania klientami i innymi, a także z bazami danych i dokumentami użytkowników. Frameworki agentów sztucznej inteligencji stanowią alternatywę dla pisania kodu od zera, oferując architektury oprogramowania, protokoły komunikacyjne, łączniki z chmurowymi i lokalnymi źródłami danych oraz narzędzia do monitorowania, które pomagają firmom tworzyć nowych agentów. Popularne frameworki open source to LangChain, LlamaIndex i Microsoft Research's AutoGen.

Środowiska studia agentów mogą także zawierać framework działający w tle, do którego administratorzy nie muszą mieć bezpośredniego dostępu.

6. Ustalanie granic. Teraz można wprowadzić zabezpieczenia, które pomogą upewnić się, że agenci zachowają swoją dokładność i będą w stanie określić, kiedy należy poprosić o zatwierdzenie przed wykonaniem działań. Administrator konfigurujący agenta może na przykład dodać wymóg uzyskania zatwierdzenia od personelu przed wysłaniem wiadomości e-mail lub zaktualizowaniem rekordu.

Administratorzy mogą również określić warunki, w których można odpowiedzieć na pytanie, lub mogą dodać instrukcje, które wymagają od podstawowego LLM pobrania informacji z systemu IT firmy lub poproszenia użytkownika o doprecyzowanie, zamiast wymyślania odpowiedzi (co jest wadą generatywnej sztucznej inteligencji, zwaną halucynacją). Na przykład administrator może wpisać: Upewnij się, że masz informacje dotyczące liczby osób na utrzymaniu, pytając użytkownika lub wysyłając zapytanie do systemu. Jeśli nie znasz odpowiedzi, nie wymyślaj odpowiedzi.

Agentów można także zaprojektować do dziedziczenia zdolności moderowania treści z usługi w chmurze, w której działają.

7. Testowanie, wdrażanie i monitorowanie. Dzięki obszarowi testowemu w studiu administratorzy mogą przeprowadzić przykładowe interakcje, aby ocenić, czy odpowiedzi agenta są pomocne i trafne, oraz sprawdzić, z jakich źródeł korzysta. Mogą również zobaczyć, jak zmieniłaby się interakcja użytkownika, gdyby organizacja zmieniła instrukcje agenta lub podstawowy LLM. Następnie administrator może wdrożyć agenta bezpośrednio w studio projektowym.

Agenci mogą z czasem poprawić swoją wydajność, mierząc, które kombinacje danych RAG i poleceń użytkowników przyniosły najbardziej przydatne wyniki. Kierownicy biznesowi mogą następnie ocenić wydajność agentów, wprowadzając informacje zwrotne do przyszłych interakcji z użytkownikami.

Używanie Oracle AI Agent Studio for Fusion Applications do dostosowywania agentów w aplikacjach Oracle

Oracle AI Agent Studio umożliwia administratorom IT konfigurowanie agentów sztucznej inteligencji w aplikacjach Oracle Fusion Cloud, które zostały zaprojektowane z myślą o pomaganiu użytkownikom w różnych zadaniach, takich jak sprawdzanie sald płatnego czasu wolnego, wyświetlanie historii zakupów klientów, przetwarzanie zwrotów produktów oraz analizowanie zdjęć sprzętu produkcyjnego w celu oszacowania kosztów napraw.

Administratorzy Fusion zaczynają od gotowych szablonów, które są wyświetlane w obszarze roboczym jako kafelki i zawierają kod niezbędny do rozpoczęcia pracy. Projektanci agentów następnie instruują agenta, którego chcą wdrożyć, o zakresie i ograniczeniach jego funkcji oraz o tym, które dokumenty i inne źródła danych muszą przeszukiwać w celu uzyskania informacji. Mogą również tworzyć nowych agentów od podstaw. Agenci są uwzględniani w subskrypcjach Fusion klientów bez dodatkowych kosztów.

Jak stworzyć agenta sztucznej inteligencji - często zadawane pytania

Co może robić agent sztucznej inteligencji?

Agenci sztucznej inteligencji to wirtualni asystenci wdrożeni w aplikacjach biznesowych lub osobistym oprogramowaniu zwiększającym produktywność, którzy pomagają odpowiadać na pytania użytkowników lub pomagać im w wykonywaniu zadań. W przeciwieństwie do wcześniejszych asystentów oprogramowania, którzy polegali na wstępnie zakodowanych regułach i przepływach zadań, agenci sztucznej inteligencji są zaprojektowani tak, aby rozumieć polecenia i kontekst w języku naturalnym, jednocześnie dostosowując się do nowych sytuacji.

Czy agenci sztucznej inteligencji to przyszłość?

Agenci sztucznej inteligencji mogą być coraz bardziej przydatni, ponieważ są wdrażani w różnych aplikacjach biznesowych przy mniejszym uzależnieniu od interwencji ludzkiej i wraz z upływem czasu zdobywają wiedzę na podstawie interakcji z większą liczbą użytkowników biznesowych i konsumentów.