SymbiohubJeżeli zadanie ma jednoznaczne reguły i uporządkowane dane, zacznij od klasycznej automatyzacji. AI rozważ wtedy, gdy trzeba interpretować tekst lub przygotować wersję roboczą. Agent wykonujący wiele kroków potrzebuje dodatkowo ograniczeń, uprawnień i nadzoru.
Trzy różne sposoby wykonania zadania
Klasyczna automatyzacja wykonuje wcześniej ustalone kroki: po zmianie statusu tworzy zadanie albo przekazuje dane. Proces z elementem AI może mieć równie stały przebieg, ale używa modelu do interpretacji treści. Agent otrzymuje dodatkową możliwość wybierania kolejnych kroków i narzędzi.
Takie rozróżnienie między ustalonym przepływem a dynamicznym wyborem działań opisuje Anthropic. Samo dodanie modelu do procesu nie oznacza, że potrzebny jest samodzielny agent.
Dobierz rozwiązanie do zadania
| Zadanie | Rozsądny punkt wyjścia | Kontrola |
|---|---|---|
| Przypomnienie po terminie | Reguła oparta na dacie i statusie | Czy status jest aktualny? |
| Przeniesienie danych do CRM | Integracja i mapowanie pól | Czy rekord jest jednoznaczny i nie jest duplikatem? |
| Rozpoznanie tematu wiadomości | Klasyfikacja z pomocą AI | Co zrobić z niejasnym przypadkiem? |
| Projekt odpowiedzi na zapytanie | AI ze wskazanymi źródłami | Przegląd przed wysłaniem |
| Wybór działań w zmiennym zadaniu | Ograniczony agent, jeśli prostszy proces nie wystarcza | Uprawnienia, limity, zatrzymanie i zatwierdzenia |
Przykład: wiadomość klienta i dalszy kontakt
Przy przyjęciu wiadomości AI może rozpoznać temat i wyodrębnić wskazane informacje. Reguły sprawdzają wymagane pola. Integracja wyszukuje klienta, a system przygotowuje projekt odpowiedzi do przeglądu. Poszczególne części korzystają z różnych mechanizmów, ale tworzą jeden proces.
Nie ma potrzeby oddawać modelowi decyzji o cenie, jeżeli obowiązujący cennik i zasady rabatowe są znane. Te dane powinny pochodzić z ustalonego źródła. Jeśli brakuje produktu lub warunków, system przekazuje sprawę człowiekowi. To proponowany wzorzec projektowy, nie opis wdrożenia konkretnego klienta.
Większa samodzielność oznacza więcej do sprawdzenia
Im więcej działań system może wybrać, tym więcej możliwych przebiegów trzeba ocenić. Należy ustalić dostępne narzędzia, maksymalny zakres zmian, limity pracy i sposób zgłoszenia problemu. Ważne są także koszty powtórzeń i kontroli wyniku.
Agent ma sens wtedy, gdy elastyczność pomaga rozwiązać rzeczywisty problem. Jeżeli zadanie da się opisać kilkoma stabilnymi regułami, warto najpierw sprawdzić prostszą wersję. Tak łatwiej ustalić, która dodatkowa funkcja rzeczywiście poprawia wynik.
Pięć pytań przed wyborem rozwiązania
Nazwę technologii wybierz na końcu. Najpierw opisz zadanie, dane i odpowiedzialność. Dzięki temu porównasz rozwiązania przez ich przydatność, a nie przez atrakcyjność etykiety „AI agent”.
- Czy potrafimy zapisać regułę poprawnego działania?
- Czy dane wejściowe są uporządkowane, czy trzeba interpretować ich znaczenie?
- Czy wynik ma być propozycją, czy od razu wywoła zmianę w systemie?
- Jakie są konsekwencje błędu i kto go zauważy?
- Jak porównamy prostszy wariant z rozwiązaniem opartym na agencie?