Oriunde te uiți, oamenii vorbesc despre furnizorii artificiali ca și cum ar fi la un pas de înlocuirea unor agenții întregi. Dorința este fermecătoare: sisteme autonome care pot gestiona tot ce le pui, fără schele, fără constrângeri, doar le oferiți calificările AWS și vor rezolva toate problemele dumneavoastră. Dar adevărul este că nu așa funcționează lumea, mai ales în mediul de afaceri, unde fiabilitatea nu este esențială.
Chiar dacă un agent are o precizie de 99 %, acest lucru nu este adesea suficient. Dacă optimizează rutele de aprovizionare cu alimente, asta înseamnă că una din fiecare o sută de direcții ajunge la ținta greșită. Dintr-o perspectivă comercială, acest tip de nivel de pierdere nu este satisfăcător. Este ieftin, periculos și greu de explicat unui client sau unui organism de reglementare.
În medii reale precum finanțarea, medicina și procedurile, sistemele de inteligență artificială care oferă cu adevărat valoare nu seamănă deloc cu aceste fantezii de graniță. Nu improvizează în spațiul deschis; ele rezolvă probleme bine definite cu surse evidente și rezultate previzibile.
Dacă vom continua să ne ocupăm de problemele lumii deschise cu tehnologii neterminate, vom pierde timp, bani și încredere. Dar dacă ne vom concentra pe problemele care se află direct în fața noastră, pe oamenii cu un ROI evident și limite aparente, putem crea acum o lucrare bazată pe inteligența artificială.
Acest articol este despre cum să depășești publicitatea și să dezvolți agenți de inteligență artificială care chiar oferă servicii, funcționează și oferă asistență.
Problema cu publicitatea mondială disponibilă
Piața tehnologică adoră un launchpad (și, ca să fiu clar, și eu ador). În acest moment, launchpad-ul este... inteligență artificială în lume deschisă — agenți care pot gestiona totul, se pot adapta la situații noi, pot studia din mers și pot opera cu informații imperfecte sau confuze. Este visul inteligenței generale: sisteme care nu numai că pot raționa, ci și pot improviza.
Ce face ca o problemă să fie „lume deschisă”?
Problemele lumii deschise sunt definite de ceea ce noi nu știu.
Mai formal, pornind de la cercetările care definesc aceste aspecte medii complexe, o lume complet deschisă este caracterizată de două proprietăți principale:
- Timpul și spațiul sunt nelimitate: experiențele trecute ale unui agent pot să nu se aplice unor scenarii noi, nevăzute.
- Sarcinile sunt nelimitate: nu sunt predeterminate și pot apărea dinamic.
În astfel de medii, IA operează cu informații incomplete; nu poate presupune că ceea ce nu se știe a fi adevărat este fals, este pur și simplu necunoscut. Se așteaptă ca IA să se adapteze la aceste schimbări neprevăzute și sarcini noi pe măsură ce navighează prin lume. Acest lucru prezintă un set incredibil de dificil de probleme pentru capacitățile actuale ale IA.
Majoritatea problemelor întreprinderilor nu sunt așa
În schimb, problemele din lumea închisă sunt cele în care domeniul de aplicare este cunoscut, regulile sunt clare, iar sistemul poate presupune că are toate datele relevante. Dacă ceva nu este explicit adevărat, poate fi tratat ca falsAcestea sunt tipurile de probleme cu care se confruntă majoritatea companiilor zilnic: potrivirea facturilor, validarea contractelor, detectarea fraudelor, procesarea cererilor de despăgubire, prognozarea stocurilor.
| Caracteristică | Lume deschisă | Lumea închisă |
| Domeniu de aplicare | Nelimitat | Bine definit |
| Cunoştinţe | Incomplet | Complet (în cadrul domeniului) |
| Presupuneri | Necunoscut ≠ fals | Necunoscut = fals |
| Sarcini | Emergent, nepredefinit | Fix, repetitiv |
| Testabilitate | Extrem de greu | Bine delimitat |
Acestea nu sunt cazurile de utilizare care apar de obicei în titluri, dar sunt cele pe care companiile chiar le doresc să le rezolve.
Riscul exagerării și al inacțiunii
Totuși, exagerările sunt dăunătoare: prin ridicarea standardelor la inteligența generală din lumea deschisă, facem ca inteligența artificială din mediul enterprise să pară inaccesibilă. Liderii aud despre agenți care pot face totul și îngheață, pentru că nu știu de unde să înceapă. Problema pare prea mare, prea vagă, prea riscantă.
E ca și cum am încerca să proiectăm vehicule autonome înainte de a construi măcar un motor cu ardere internă funcțional. Visul este incitant, dar omiterea elementelor fundamentale garantează eșecul.
Rezolvă ce este chiar în fața ta
Problemele din lumea deschisă sunt ideale pentru demonstrații excelente și pentru runde de finanțare chiar mai bune. Dar problemele din lumea închisă sunt cele care își au adevărata valoare astăzi. Sunt rezolvabile, testabile și automatizabile. Și se află în interiorul fiecărei companii, așteptând doar sistemul potrivit care să le abordeze.
Întrebarea nu este dacă inteligența artificială va rezolva în cele din urmă problemele lumii deschise. Întrebarea este: Ce puteți implementa chiar acum pentru a vă face afacerea mai rapidă, mai inteligentă și mai fiabilă?
Cum arată de fapt agenții de întreprindere
Când oamenii își imaginează Agenți IA Astăzi, au tendința să-și imagineze o fereastră de chat. Un utilizator tastează o solicitare, iar agentul răspunde cu un răspuns util (poate chiar declanșează unul sau două instrumente). Acest lucru este în regulă pentru demonstrații și aplicații de consum, dar nu așa va funcționa IA în practică.
În cadrul întreprinderilor, majoritatea agenților utili nu sunt inițiați de utilizator, ci sunt autonomi.
Nu stau degeaba așteptând ca un om să le solicite. Sunt procese de lungă durată care reacționează la date pe măsură ce acestea apar. curge prin afacereEi iau decizii, apelează servicii și produc rezultate, continuu și asincron, fără a fi nevoie să li se spună când să înceapă.
Imaginați-vă un agent care monitorizează facturile noi. De fiecare dată când sosește o factură, extrage câmpurile relevante, le verifică în raport cu comenzile de achiziție deschise, semnalează neconcordanțele și fie direcționează factura spre aprobare, fie spre respingere, fără ca cineva să îi ceară acest lucru. Pur și simplu ascultă evenimentul („factură nouă primită”) și se apucă de treabă.
Sau gândiți-vă la procesul de integrare a clienților. Un agent ar putea urmări momentul în care este creat un cont nou, apoi să inițieze o serie de procese: verificarea documentelor, efectuarea de verificări de cunoaștere a clientului (KYC), personalizarea experienței de bun venit și programarea unui mesaj de urmărire. Utilizatorul nu știe niciodată că agentul există. Pur și simplu rulează. În mod fiabil. În timp real.
Iată cum arată agenții de întreprindere:
- Sunt determinate de evenimente: declanșate de modificările sistemului, nu de solicitările utilizatorului.
- Sunt autonome: acționează fără inițiativă umană.
- Sunt continue: nu se învârt pentru o singură sarcină și apoi dispar.
- Sunt în mare parte asincrone: lucrează în fundal, nu blocând fluxurile de lucru.
Nu construiești acești agenți prin reglarea fină a unui model gigantic. Îi construiești prin conectarea împreună a modelelor, instrumentelor și logicii existenteEste o problemă de inginerie software, nu una de modelare.
În esență, agenții enterprise sunt doar microservicii moderne, inteligente. Le oferi acces la evenimente, le oferi contextul potrivit și lași un model lingvistic să ghideze raționamentul.
Agent = microserviciu bazat pe evenimente + date contextuale + LLM
Bine făcut, este un model arhitectural puternic. Este, de asemenea, o schimbare de mentalitate. Agenții de construcții nu se rezumă la urmărirea... inteligența artificială generală (AGI). Este vorba despre descompunerea problemelor reale în pași mai mici, apoi asamblarea componentelor specializate și fiabile care le pot gestiona, așa cum am făcut întotdeauna în cazul sistemelor software de calitate.
Am mai rezolvat o problemă de acest gen înainte
Dacă sună familiar, așa ar trebui. Am mai fost aici înainte.
Când monoliții nu au mai putut fi scalați, i-am împărțit în microservicii. Când API-urile sincrone au dus la blocaje și sisteme fragile, ne-am orientat către arhitectură bazată pe evenimenteAcestea au fost lecții dobândite cu greu, acumulate în decenii de construire a sistemelor din lumea reală. Au funcționat pentru că au adus structură și determinism sistemelor complexe.
Mă tem că începem să uităm acea istorie și să repetăm aceleași greșeli în modul în care construim inteligența artificială.
Pentru că aceasta nu este o problemă nouă. Este aceeași provocare inginerească, doar cu componente noi. Și chiar acum, inteligența artificială la nivel de întreprindere are nevoie de aceleași principii care ne-au adus aici: limite clare, cuplare slabă și sisteme concepute să fie fiabile de la început.
Modelele de inteligență artificială nu sunt deterministe, dar sistemele dumneavoastră pot fi
Problemele care merită rezolvate în majoritatea afacerilor sunt probleme de tip „lume închisă”: probleme cu intrări cunoscute, reguli clare și rezultate măsurabile. Însă modelele pe care le folosim, în special modelele LLM, sunt în mod inerent nedeterministe. Sunt probabiliste prin design. Aceeași intrare poate produce ieșiri diferite în funcție de context, eșantionare sau temperatură.
E în regulă când răspunzi la o solicitare. Dar când derulezi un proces de afaceri? Această imprevizibilitate este o povară.
Așadar, dacă vrei să construiești sisteme de inteligență artificială de nivel de producție, sarcina ta este simplă: încapsulează modele nedeterministe într-o infrastructură deterministă.
Construiți determinism în jurul modelului
- Dacă știți că un anumit instrument ar trebui utilizat pentru o sarcină, nu lăsați modelul să decidă, ci pur și simplu apelați instrumentul.
- Dacă fluxul de lucru poate fi definit static, nu vă bazați pe luarea deciziilor dinamice, utilizați un graf de apeluri determinist.
- Dacă intrările și ieșirile sunt previzibile, nu introduceți ambiguitate prin complicarea excesivă a logicii agentului.
Prea multe echipe reinventează orchestrarea runtime cu fiecare agent, permițând LLM-ului decide ce să faci în continuare, chiar și atunci când pașii sunt cunoscuți dinainte. Nu faci decât să-ți îngreunezi viața.
Unde sistemele multi-agent bazate pe evenimente strălucesc
Sistemele multi-agent bazate pe evenimente împart problema în etape mai mici. Atunci când atribuiți fiecare dintre acestea unui agent special conceput și le declanșați cu evenimente structurate, obțineți un sistem slab cuplat, complet trasabil, care funcționează așa cum ar trebui să funcționeze sistemele enterprise: cu fiabilitate, responsabilitate și control clar.
Și pentru că este condus de evenimente:
- Agenții nu trebuie să știe unii despre alții. Ei doar reacționează la evenimente.
- Munca se poate desfășura în paralel, accelerând fluxurile complexe.
- Erorile sunt izolate și pot fi recuperate prin jurnalele de evenimente sau prin reîncercări.
- Puteți observa, depana și testa fiecare componentă în mod izolat.
Nu alerga după magie
Problemele lumii închise nu necesită magie. Au nevoie de o inginerie solidă. Iar asta înseamnă combinarea flexibilității LLM-urilor cu structura unei inginerii software bune. Dacă ceva poate fi făcut determinist, fă-l determinist. Păstrează modelul pentru părțile care necesită de fapt judecată.
Așa construiești agenți care nu doar arată bine în demonstrații, ci chiar rulează, scalează și livrează în producție.
De ce testarea este mult mai dificilă într-o lume deschisă
Una dintre cele mai trecute cu vederea provocări în construirea agenților este testarea, dar este absolut esențială pentru întreprindere.
Într-un context de lume deschisă, este aproape imposibil să faci bine. Spațiul problemei este nelimitat, așa că intrările pot fi orice, ieșirile dorite sunt adesea ambigue și chiar și criteriile de succes se pot schimba în funcție de context.
Cum scrii o suită de teste pentru un sistem căruia i se poate cere să facă aproape orice? Nu poți.
De aceea, agenții din lumea deschisă sunt atât de greu de validat în practică. Poți măsura comportamente izolate sau compara sarcini specifice, dar nu poți avea încredere în sistem de la un capăt la altul decât dacă l-ai văzut cum funcționează într-un spațiu combinatorial mare de situații, lucru pe care nimeni nu l-a văzut.
În schimb, problemele de tip „lume închisă” fac testarea ușor de gestionat. Intrările sunt constrânse. Rezultatele așteptate sunt definibile. Poți scrie aserțiuni. Poți simula cazuri limită. Poți ști cum arată „corect”.
Și dacă mergeți cu un pas mai departe, descompunând logica agentului în componente mai mici, bine definite, folosind o arhitectură bazată pe evenimente, devine și mai ușor de gestionat. Fiecare agent din sistem are un responsabilitate limitatăComportamentul său poate fi testat independent, intrările și ieșirile sale pot fi simulate sau redate, iar performanța sa poate fi evaluată izolat.
Când sistemul este modular, iar domeniul de aplicare al fiecărui modul este de tip lume închisă, puteți construi seturi de teste care vă oferă cu adevărat încredere.
Aceasta este baza încrederii în inteligența artificială în producție.
Construirea fundației potrivite
Viitorul inteligenței artificiale (IA) în mediul enterprise nu începe cu AGI (Integrarea Generală Anuală). Începe cu o automatizare funcțională. Aceasta înseamnă concentrarea asupra problemelor din lumea închisă, structurate, delimitate și bogate în oportunități pentru un impact real.
Nu ai nevoie de un agent care poate face totul. Ai nevoie de un sistem care poate face ceva în mod fiabil:
- O reclamație a fost direcționată corect.
- Un document analizat cu precizie.
- Un client a răspuns la timp.
Aceste victorii se adună. Reduc costurile, eliberează timp și consolidează încrederea în inteligența artificială ca parte fiabilă a stivei.
Și pentru a ajunge acolo nu sunt necesare descoperiri în ingineria promptă sau pariuri pe următorul model care să generalizeze în mod magic. Este nevoie de ceea ce inginerii buni au făcut întotdeauna: descompunerea problemelor, construirea de sisteme compozabile și conectarea componentelor în moduri testabile și observabile.
Sistemele multi-agent bazate pe evenimente nu sunt o soluție miraculoasă, ci doar o arhitectură practică pentru lucrul cu instrumente imperfecte într-un mod structurat. Acestea vă permit să izolați unde este nevoie de inteligență, să limitați unde nu este și să construiți sisteme care se comportă previzibil chiar și atunci când componentele individuale nu se comportă.
Nu este vorba despre urmărirea limitelor. Este vorba despre aplicarea ingineriei software de bază la o nouă clasă de probleme.
Sean Falconer este antreprenorul rezident în domeniul inteligenței artificiale al Confluent.
Romanian 
English