Kopš Chat GPT ieraudzīja pasauli, ir pagājuši 4 gadi. Šos gadus cilvēki kā lieli bērni priecājās par cik cik labi var sarunāties ar intelektu, cik tas labi mūs saprot un atbild. Šodien svaru kauss strauji metas no sarunām uz darīšanu. Mēs ik dienu uzzinām ko jaunu ar MI var izdarīt. Informatīvā telpa ir pilna ar “aģentiem”, sociālajos tīklos lasām, kā dažs labs jau ir uzbūvējis sev veselu darba “kolektīvu” no šādiem aģentiem.
Raudzīsim saprast, kas tie aģenti ir, kā tie strādā un kādēļ notiek ievērojama pāreja no čatošanas uz MI aģentu darbu.
Saskaņā ar Gartner pētījumiem, aptuveni 17% no uzņēmumiem jau ir ieviesuši darbā pa aģentam un kādi 60% ir gatavībā šādus ieviest tuvākajā laikā. Tirgus tam ir gatavs un piedāvā arvien jaunas platformas, gan dažādās jaunās aģentu platformās, gan joprojām piedaloties arī tādiem tehnoloģiju gigantiem kā IBM, kas tiek vērtēts “MI Aģentu vadības platformu” reitingos, kas savieno autonomu aģentu darbību ar izmērāmiem ieguvumiem uzņēmumiem un indivīdiem.
Pārmaiņas – kas tad ir mainījies?
Kā bija? Vispirms jau pats cilvēks (lietotājs) ir kā ierobežojošais faktors – čats gaida tavu komandu, padomā, uzraksta pretī, atkal gaida uz tavu ievadu. Viss notiek tikai tik ilgu brīdi, kad cilvēks pieslēdzas un raksta. Lai kāda saruna ir uzsākta, intelekts gaida uz mūsu jautājumu, precizējumu vai komandu.
Kas ir savādāk? Aģenta process ir autonoms – aģenti saņem augsta līmeņa mērķi, jeb instrukcijas par sasniedzamo rezultātu, sadala to stratēģiskā plānā un loģiskos soļos, tad ķeras klāt, izmantojot ārējus instrumentus – datubāzes, API pieslēgumus, interneta informāciju. Rezultāts tiek novērtēts un uzlabots lai atbilstu nākamam solim, un tā līdz brīdim kamēr nepieciešamais rezultats ir sasniegts.
Visam pāri – arhitektūra. To var saukt arī par ciklu ar pārbaudēm, atgriezenisko saiti rezultāta uzlabošanai. Aģenti, balstoties uz noteikto rāmi vai pieejamiem datiem salīdzina un izvērtē savu darbu, labo kļūdas pirms prezentē gala iznākumu.
Aģents ir uzņēmuma vai tavs personiskais asistents, kas pilda noteiktas funkcijas tavā vietā – nenogurstoši, visu diennakti. Meklē informāciju, uzrauga vai kas nav mainījies un informē, tiklīdz ir mainījies, risina nepatīkamus problēmu pieteikumus, iesniedz sūdzības un risina tās.. lai indivīds un uzņēmums varētu tikmēr fokusēties uz to, kas tiem padodas vislabāk.
Piemērs no biznesa pasaules
Lai labāk saprastu vajadzību, kādēļ gan patērētājs, gan MI risinājumi pārvietojas uz aģentu bāzētu darbu un arī apmaksas sistēmu, aplūkosim piemēru:
Klientu apkalpošana – Klarna autonomais atbalsta aģents
Kā jau visi uzņēmumi, kas centās mājaslapā ievietot čatbotus, kas runā ar apmeklētāju un risina vai vismaz mēģina saprast un novirzīt viņu problēmas, šeit sākums līdzīgs. Apmeklētājs raksta čatbotam sūdzību par maksājumu, kas veikts. Bots identificē kontekstu no atslēgas vārdiem, iedod pāris saites, kur vērsties tālāk vai arī savieno ar atbalsta speciālistu (cilvēku), kas tālāk palīdz risināt problēmu.
Tikmēr “aģentu” laikmetā Klarna izveidoja Open AI darbinātu aģentu, lai risinātu klientu problēmas 24/7, turklāt 35 valodās. Kad uzrodas problēmas pieteikums, aģents izvērtē pieteikuma nolūku, pārbauda pasūtījumu, izmanto API pieslēgumu, lai apturētu maksājumu un piešķirto tiesību un politikas ietvaros veic darbības naudas līdzekļu atmaksai.
Risinājums izrādījās ļoti noderīgs, ņemot vērā Klarna apjomus. Jau pirmajā darbības mēnesī aģents apkalpoja 2,3 miljonus informācijas pieprasījumu (aptuveni divas trešdaļas un klientu apkalpošanas sarunām), samazinot vidējo problēmpieteikumu izskatīšanas laiku no 11 uz 2 minūtēm.
Aģentu darbības maksas modelis
Liela daļa no mākslīgā intelekta lietotājiem nemaksā par MI lietošanu un piešķirtā bezmaksas apjoma ietvaros kaut ko jautā savā tālrunī vai pa laikam apstrādā kādu fotogrāfiju, uzģenerē kādu dzimšanas dienas apsveikumu.
Tad ir lietotāji un mazie biznesi, kas maksā par MI lietošanu – vidēji 20 dolārus, jeb 18 Eiro mēnesī. Par šo tiek saņemta vide, kurā apstrādāt datus, uzdot jautājumus, ģenerēt idejas un plānus.
Tiklīdz uzņēmumā ir vairāki darbinieki, kas intensīvi lieto mākslīgā intelekta risinājumus vai arī aģentus, šāds neliels ikmēneša maksājums, izrādās ir nepietiekams. Aģenti, jeb autonomas mākslīgā intelekta vienības patērē lielu apjomu no skaitļošanas jaudām, ko nesedz šāds 18 Eiro mēnesī plāns. Turklāt mēs jau aģentu veidojam, lai tas aizstātu mūsu darbu un darbotos arī, kamēr guļam.
Šajā gadījumā tiek pieslēgts pilnīgi cits maksājumu modelis, kurā tiek maksāta nevis fiksēta mēneša maksa, bet gan faktiskais patēriņš. Sākot no vienkāršākiem – cena par miljonu tokenu (nosacītās uzdevuma apjoma vienības), līdz maksai par iznākumu vai atrisinājumu, kad kompānijas atsakās maksāt par kaut kādu mistisku skaitļošanas apjomu, bet labprāt piekrīt maksāt par veiksmīgi atrisinātu pieteikumu skaitu vai līdzīgu saprotamu metriku, kur ieguvums kompānijai ir saprotams un izdevīgs.
Izaicinājumi
Lielākie izaicinājumi droši vien ir drošībā. Aģents viens pats var kaut ko domāt un darīt, bet tam ir nepieciešama pieeja sistēmām, datiem, internetam. Šī drošā autorizācija atļaut aģentiem kaut kam tikt klāt un darboties kaut kādu noteiktu limitu un politiku ietvaros šobrīd ir galvenais izaicinājums.
Tāpat nav īsti zināms, cik strauji veidosies pieprasījums pēc desmitiem, simtiem un tūkstošiem neatkarīgi un savstarpēji strādājošu aģentu. Te fantāzijai nav robežu, cik nu kurš uzņēmums un IT speciālisti radoši veidos “virtuālos darba kolektīvus”. Pieaugs slodze un pieprasījums pēc skaitļošanas jaudām, kur jau šodien lielās korporācijas izmisīgi mēģina būvēt jaunus datu centrus, savukārt enerģijas nozarē strādājošie jau domā, kur mēs rītdien tam visam ņemsim nepieciešamo elektroenerģijas jaudu.
Viens ir skaidrs – aģenti, kas strādās neatkarīgi ar aģentiem ir nenovēršama nākotne un atvā tālrunī esošie tavi privātie aģenti asistenti nenogurstoši darbosies tavā vārdā meklējot, piesakot, atrodot un risinot visas tavas problēmas – tavas iztēles robežu ietvaros. Tas ko mēs vēl īsti nezinām – pēc kādiem principiem mēs par to maksāsim.
Izmantotie dati: