«AI-agent» brukes om mye forskjellig, fra en chattebot til et system som handler på egen hånd. For å velge riktig hjelper det å skille mellom tre nivåer. Forskjellen ligger i hvem som bestemmer hva som skal skje: en fast regel, en fast flyt med AI i ett eller flere steg, eller AI-en selv.
Tre nivåer
1Vanlig automatisering: faste regler
Et program gjør det samme hver gang. Når en faktura kommer inn, legges den i riktig mappe og sendes til godkjenning. Ingen AI er involvert. Det er forutsigbart, billig i drift og som regel lett å feilsøke, men tåler dårlig det som ikke passer reglene.
2AI i en fast arbeidsflyt
Flyten er fortsatt bestemt på forhånd, men ett eller flere steg bruker en språkmodell, for eksempel til å lese en e-post og hente ut opplysninger. Anthropic kaller dette arbeidsflyter: systemer der språkmodeller og verktøy styres gjennom forhåndsbestemte løp i koden [1].
3AI-agent: modellen velger stegene
En agent får et mål og tilgang til verktøy, og bestemmer selv hvilke steg den tar og i hvilken rekkefølge. Anthropic beskriver agenter som systemer der språkmodellen selv styrer prosessen og bruken av verktøy [1]. Det gir fleksibilitet når oppgaven ikke kan beskrives som en fast oppskrift.
Kundene sender spørsmål om leveranser. Nivå 1: E-post med ordet «faktura» sendes til regnskap, resten til kundeservice. Nivå 2: AI leser e-posten, finner ordrenummeret og legger ved ordrestatus før en ansatt svarer. Nivå 3: En agent slår opp ordren, sjekker lager og frakt, skriver et svar og foreslår ny leveringsdato, og stopper for godkjenning før noe sendes til kunden.
Avveininger
Mer frihet til AI-en er ikke gratis. Anthropic skriver at agentsystemer ofte bytter tid og kostnad mot bedre resultater, og at man bør vurdere når det byttet lønner seg [1]. I praksis betyr det:
- Forutsigbarhet: Faste regler gjør det samme hver gang. En agent kan velge ulike veier til samme mål, og det gjør testing og feilsøking mer krevende.
- Kostnad og tid: Hvert steg en agent tar, krever vanligvis et nytt kall til modellen. Mange steg gir høyere driftskostnad og lengre ventetid.
- Fleksibilitet: En agent kan håndtere tilfeller ingen har tenkt på. Nettopp derfor trenger den tydelige grenser.
- Vedlikehold: Regler må oppdateres når virksomheten endrer seg. AI-løsninger må i tillegg testes på nytt når modellen eller instruksene endres.
Kontroll og tilgang
Når AI-en kan gjøre noe, ikke bare foreslå noe, blir kontroll viktigere enn hvilken modell dere bruker. Noen grunnregler gjelder uansett nivå:
- Minst mulig tilgang: En agent som skal lese ordrestatus, trenger ikke rett til å endre priser.
- Godkjenning: La et menneske godkjenne handlinger som koster penger, går til kunder eller ikke kan angres.
- Logg: Lagre hva som skjedde, så dere kan se hvilke steg som ble tatt og hvorfor svaret ble som det ble.
- Grenser: Sett et største antall steg, en tidsgrense og en tydelig vei til et menneske når agenten står fast.
Spørsmål før dere velger
Start på laveste nivå, og gå bare opp når dere ser at det trengs. Disse spørsmålene hjelper:
- Kan oppgaven beskrives som faste regler? Da holder vanlig automatisering.
- Er det bare ett eller to steg som krever at tekst tolkes? Da holder AI i en fast flyt.
- Varierer stegene så mye fra sak til sak at de ikke kan bestemmes på forhånd? Da kan en agent være riktig.
- Hva er det verste som kan skje hvis løsningen gjør feil, og hvem oppdager det?
- Har dere nok eksempler til å teste løsningen før den tas i bruk?
Mange gode løsninger blander nivåene: faste regler der det går, AI der tekst må tolkes, og en agent bare for den delen som virkelig trenger det. Uansett nivå er det et stykke fra en demo som virker til en løsning i daglig drift.