Co robi agent AI po wpisaniu polecenia? Od celu do wyniku

AI to skrót od artificial intelligence, po polsku: sztuczna inteligencja. Gdy w aplikacji pojawia się „agent AI”, nazwa może niewiele mówić o tym, co dzieje się po wpisaniu polecenia. Najłatwiej zrozumieć jego rolę, śledząc drogę od celu do wyniku: agent może dobrać narzędzie, odczytać jego odpowiedź i na tej podstawie zdecydować, jaki krok wykonać dalej.

Jedno polecenie, kilka decyzji

Wyobraź sobie polecenie: „Zbierz najważniejsze informacje o projekcie z tych trzech dokumentów i przygotuj krótką notatkę. Niczego nie wysyłaj”. Sam model językowy może podpowiedzieć, jak napisać podsumowanie, albo streścić tekst wklejony do rozmowy. Agent wyposażony w dostęp do plików może najpierw odnaleźć dokumenty, potem je odczytać, porównać informacje i przygotować notatkę.

To przykład, nie gwarancja działania każdej aplikacji. Zakres zależy od tego, jakie pliki, wyszukiwarki i funkcje udostępnił jej twórca. Jeśli agent nie ma dostępu do dokumentów, nie może ich sam pobrać. Jeśli ma jedynie uprawnienie do odczytu, nie powinien móc zmienić pliku ani wysłać notatki.

Co dzieje się między kolejnymi krokami

W systemie agentowym powtarza się kilka etapów. Ich szczegóły różnią się między usługami, ale typowa pętla wygląda tak:

1. Interpretacja celu. Model odczytuje polecenie, dostępny kontekst i ograniczenia. Powinien rozpoznać, że ma przygotować notatkę, a nie wysyłać ją dalej.
2. Wybór działania. Jeśli potrzebuje danych, agent może wybrać udostępnione narzędzie, na przykład wyszukiwarkę plików. Lista narzędzi określa, co system w ogóle może zrobić.
3. Odczyt wyniku. Narzędzie zwraca dane, komunikat o błędzie albo pusty wynik. Agent może ocenić, czy ma już wystarczające informacje.
4. Następny krok albo stop. System może sięgnąć po kolejny dokument, poprosić o doprecyzowanie, przygotować odpowiedź lub zakończyć zadanie. Przy działaniu ze skutkami zewnętrznymi powinien zatrzymać się na zatwierdzeniu przez człowieka.

W opisie Anthropic agent działa w pętli opartej na informacji zwrotnej ze środowiska. To ważna różnica względem jednorazowego wygenerowania tekstu: wynik narzędzia może zmienić kolejną decyzję. Jeśli chcesz zobaczyć, dlaczego sam dostęp do narzędzi nie wystarcza, przeczytaj też o procedurze działania agenta.

Model, instrukcje i narzędzia wyznaczają możliwości

Agent nie jest samym modelem. Potrzebuje instrukcji opisujących zadanie i jego granice, kontekstu, a czasem także pamięci lub informacji pobieranych w trakcie pracy. Do tego dochodzą narzędzia: mogą tylko odczytywać dane albo również wykonywać akcje. Dokumentacja OpenAI opisuje agenta jako model z instrukcjami i opcjonalnymi funkcjami, takimi jak narzędzia, zabezpieczenia, przekazanie zadania czy uporządkowany format odpowiedzi. Microsoft wyróżnia też pobieranie kontekstu, akcje i pamięć w swojej architekturze. Jasne instrukcje mają znaczenie; przydaje się schemat na pisanie poleceń dla AI.

Dlatego dwa produkty nazywane agentami mogą zachowywać się zupełnie inaczej. Jeden przygotuje wyłącznie propozycję, drugi może mieć prawo zapisu w zewnętrznym systemie. Warto sprawdzić nie tylko listę funkcji, lecz także to, kto wybiera kolejne działanie, czy system widzi rezultat i czy przed wykonaniem akcji pojawia się punkt zatwierdzenia.

Agent a chatbot i automatyzacja

Chatbot jest interfejsem rozmowy: odpowiada na pytanie, a użytkownik prowadzi go kolejnymi poleceniami. Może też korzystać z wyszukiwarki lub firmowej bazy wiedzy, ale to nie przesądza jeszcze o autonomicznym wybieraniu kroków. Agenci dostępni przez komunikatory pokazują, że rozmowa może być tylko miejscem wydawania poleceń, podczas gdy reszta pracy dzieje się przez podłączone usługi.

Automatyzacja wykonuje natomiast ustaloną wcześniej sekwencję. Na przykład o określonej godzinie pobiera nowe dokumenty i tworzy z nich podsumowanie. Agent przydaje się wtedy, gdy droga do celu zależy od tego, co znajdzie albo jaki wynik zwróci narzędzie. Rozróżnienie nie zawsze jest czarno-białe: stały workflow może zawierać krok z modelem, a agent może działać wewnątrz ram ustalonych przez programistę.

Jak wybrać pierwsze zadanie i ustawić granice

Na próbę wybierz zadanie, które ma jasny wynik i nie powoduje nieodwracalnych skutków: porównanie kilku dokumentów, zebranie informacji do notatki albo wstępne uporządkowanie zgłoszeń. Zacznij od uprawnień do odczytu i poproś o projekt odpowiedzi, a nie jej wysłanie. Sprawdź kilka wyników, także takich, w których brakuje danych lub narzędzie zwraca błąd.

Jeśli wszystkie kroki są z góry znane i nie zmieniają się, zwykła automatyzacja będzie prostsza do kontroli. Gdy system ma sam decydować, jaki kolejny krok przybliży go do celu, pojawia się korzyść z agenta - ale również potrzeba nadzoru. Określ, z jakich źródeł może korzystać, kiedy ma przerwać pracę i które czynności wymagają zgody człowieka. Więcej przykładów użycia znajdziesz w materiale o agentach działających przez komunikatory; do zadań programistycznych przyda się także poradnik o wyborze AI do programowania.

Najprostszy test brzmi: czy potrafisz z góry rozpisać wszystkie kroki? Jeśli tak, zacznij od workflow. Jeśli nie, ale możesz ograniczyć dostęp do potrzebnych narzędzi i sprawdzać efekt każdego działania, agent może być użyteczny. Nie oddawaj mu prawa do wysłania, zmiany lub zakupu tylko dlatego, że technicznie da się podłączyć taką funkcję.