AI-agenter vs. copiloter vs. arbejdsgange: Hvad er forskellen?

AI-copiloter hjælper en person, AI-arbejdsgange følger en på forhånd fastlagt proces, og AI-agenter beslutter, hvordan de vil nå et mål. Alle tre kan bruge de samme underliggende modeller og værktøjer, men de fordeler beslutningsmyndigheden forskelligt.

Begreberne bruges ofte løst, hvilket skaber urealistiske forventninger og svag styring. Et produkt, der kaldes en »agent«, kan være en arbejdsgang med et chatgrænseflade; en copilot kan udføre handlinger; og en arbejdsgang kan indeholde et agentisk trin. Det nyttige spørgsmål handler ikke om betegnelsen, men om, hvem der vælger vejen, hvem der godkender handlingen, og hvor forudsigeligt systemet skal være.

Kort fortalt

Hvad er en AI-copilot?

En copilot hjælper en person med at udføre en opgave, mens personen fortsat er den primære beslutningstager. Den kan opsummere et dokument, skrive et kodeudkast, foreslå et svar, forklare en fejl eller anbefale det næste trin. Brugeren gennemgår resultatet og beslutter, om det skal bruges.

Det afgørende kendetegn er interaktion, ikke en bestemt grænseflade. En copilot kan kalde skrivebeskyttede værktøjer eller forberede en foreslået handling, men holder generelt personen tæt på beslutningen og udførelsen.

Copiloter fungerer godt, når menneskelig kontekst er afgørende, fejl er kostbare, eller det ønskede resultat er subjektivt. De mindsker arbejdsindsatsen uden at kræve, at systemet løser hele opgaven selvstændigt.

Hvad er en AI-arbejdsgang?

En AI-arbejdsgang er en række trin, hvor forløbet i vid udstrækning er fastlagt på forhånd. Nogle trin kan bruge en model – for eksempel til at kategorisere en indgående anmodning, udtrække felter eller skrive et resumé – men det er kode, der bestemmer, hvordan processen bevæger sig fra et trin til det næste.

En arbejdsgang til kundesupport kan kategorisere en sag, hente kontooplysninger, generere et udkast, kontrollere det i forhold til politikker og placere resultatet i en kø til gennemgang. Modellen kan generere indhold, der varierer, mens det overordnede forløb stadig er forudsigeligt.

Anthropics vejledning til at bygge effektive agenter bruger denne skelnen: Arbejdsgange orkestrerer sprogmodeller og værktøjer gennem på forhånd fastlagte kodeforløb, mens agenter dynamisk styrer deres egen proces og brug af værktøjer.

Hvad er en AI-agent?

En agent får et mål og råder over frihed til at vælge de trin, der skal til for at nå det. Den kan vælge værktøjer, udforme eller revidere en plan, reagere på observationer, komme sig over visse fejl og fortsætte, indtil den opfylder en stopbetingelse.

En researchagent kan for eksempel beslutte, hvilke kilder den skal søge i, finde huller, ændre sine søgninger, sammenligne dokumentation og udarbejde en rapport med kildehenvisninger. En udvikler specificerer ikke hver enkelt søgning eller det præcise antal trin på forhånd.

Agenter er nyttige, når omgivelserne varierer, og forløbet ikke kan forudses fuldt ud. Den samme fleksibilitet gør dem mindre deterministiske end arbejdsgange.

Grænsen er et spektrum

En arbejdsgang kan indeholde et agentbaseret trin, og en agent kan kalde en deterministisk arbejdsgang som et værktøj. En agent kan for eksempel afgøre, at en kunde er berettiget til at få sin anmodning om tilbagebetaling vurderet, mens en fast arbejdsgang validerer ordren, beregner det tilladte beløb og sender den endelige afgørelse videre til en medarbejder med den nødvendige bemyndigelse. Det giver ofte bedre systemer at kombinere mønstrene end at vælge én betegnelse for hele produktet.

Produkter i praksis kombinerer disse mønstre. En copilot kan omfatte en agent, der udfører en afgrænset delopgave. En arbejdsgang kan sende en usædvanlig sag videre til en agent. En agent kan basere sig på deterministiske arbejdsgange til følsomme handlinger.

Det er mere præcist at beskrive graden og omfanget af autonomi:

• Forslag: Systemet foreslår indhold eller en afgørelse; en person handler.
• Udkast til handling: Systemet forbereder en ændring; en person godkender den.
• Afgrænset udførelse: Systemet handler automatisk inden for snævre rammer, hvor handlingerne kan omgøres.
• Adaptiv udførelse: Systemet vælger trin og værktøjer inden for fastlagte politikker.
• Delegeret drift: Systemet håndterer længerevarende opgaver og eskalerer undtagelser.

Forskellige trin i det samme produkt kan befinde sig på forskellige niveauer.

Hvordan disse systemer adskiller sig fra traditionel automatisering

Traditionel automatisering følger udtrykkelige regler og deterministisk logik. Robotic Process Automation kan efterligne klik og dataindtastning på kendte brugerflader. En arbejdsgang kan kombinere denne automatisering med modelbaserede trin. En agent har desuden råderum til selv at vælge ruten.

Brug af en model gør ikke automatisk et system agentbaseret. En planlagt proces, der sender hvert dokument gennem en fast opsummeringsprompt, er stadig en arbejdsgang.

Hvilken tilgang bør du vælge?

Overvej derefter, hvor meget der står på spil. En forskningsagent med lav indvirkning kan arbejde gennem mange trin, før den bliver kontrolleret, mens en finansiel eller administrativ agent bør standse ved fastlagte beslutningspunkter. Den arkitektoniske betegnelse afgør ikke, om systemet er sikkert; det gør de tilladelser, muligheder for at omgøre handlinger og former for tilsyn, der er knyttet til hver enkelt handling.

Vælg en copilot, når:

• brugeren har vigtig kontekst, som systemet ikke fuldt ud kan indfange;
• kvaliteten er subjektiv eller kræver fagligt skøn;
• opgaven forekommer sjældent, indebærer store risici eller er vanskelig at evaluere automatisk;
• ibrugtagningen afhænger af, at brugerne får hjælp til at forstå og kontrollere resultatet.

Vælg en arbejdsgang, når:

• trinnene og beslutningspunkterne er kendte;
• ensartethed, mulighed for revision og hastighed er vigtigere end fleksibilitet;
• forretningsregler kan formuleres og testes direkte;
• processen håndterer store mængder med et begrænset antal undtagelser.

Vælg en agent, når:

• målet er klart, men vejen dertil varierer;
• systemet skal indsamle oplysninger og reagere på det, det finder;
• valg af værktøjer og ny planlægning skaber reel værdi;
• succes kan måles, og fejl kan begrænses;
• de ekstra omkostninger og den øgede latenstid står mål med opgavens værdi.

Et praktisk eksempel: Håndtering af en IT-hændelse

En copilot opsummerer logfiler, foreslår sandsynlige årsager og viser en tekniker diagnostiske kommandoer.

En arbejdsgang følger en procedurevejledning: indsamler kendte målinger, genstarter en tjeneste under fastlagte betingelser, kontrollerer, at den fungerer, og opretter en supportsag, hvis kontrollen mislykkes.

En agent undersøger en ukendt hændelse, beslutter, hvilke telemetridata der skal undersøges, opstiller hypoteser, kører godkendte diagnosticeringer, opdaterer sin plan og forbereder eller udfører en afhjælpning inden for sit mandat.

Et modent system kan bruge alle tre: En arbejdsgang håndterer almindelige alarmer, en agent undersøger undtagelser i et isoleret miljø, og en copilot hjælper teknikeren med at godkende den endelige ændring i produktionsmiljøet.

Afvejning af omkostninger og pålidelighed

Omkostningerne stiger med antallet af modelrunder, værktøjskald, gentagelsesforsøg og bedømmere. Pålideligheden kan både stige og falde: Ekstra kontroller kan fange fejl, men flere trin giver også flere muligheder for, at noget går galt. Mål det samlede resultat af opgaven på tværs af gentagne kørsler i stedet for at antage, at større autonomi eller flere agenter automatisk forbedrer ydeevnen.

Copiloter kræver ofte færre autonome trin, men lægger beslag på menneskers opmærksomhed. Arbejdsgange kræver mere planlægning på forhånd, men er effektive i stor skala. Agenter kan mindske behovet for manuel koordinering af komplekse opgaver, men hvert planlægningstrin, værktøjskald, gentagelsesforsøg og hver kontrol øger latenstiden og omkostningerne.

Pålideligheden ændrer sig også. En arbejdsgang kan enhedstestes ved kendte forgreninger. En agent kan følge forskellige forløb på tværs af gentagne kørsler. Evaluering af agenter kræver derfor repræsentative opgaver, flere forsøg, inspektion af forløbene og eksplicitte bedømmere, som beskrevet i Anthropics vejledning om at gøre evaluering af agenter mere forståelig.

Styringen bør følge funktionerne, ikke markedsføringen

Organisationer bør kortlægge, hvad systemet faktisk kan: Hvilke data det kan læse, hvilke værktøjer det kan bruge, hvilke beslutninger det kan træffe, om det kommunikerer eksternt, og hvilke handlinger der kan rulles tilbage.

En »copilot«, der har tilladelse til at sende beskeder eller ændre registreringer, kræver kontroller for disse handlinger. En »agent«, der er begrænset til research i et isoleret miljø, kan indebære en mindre operationel risiko. Betegnelser er markedsføring; det afgørende er, hvilke beføjelser systemet har.

Sådan læser du diagrammerne over AI-agenter

Læs diagrammerne over AI-agenter fra det nummererede input frem mod det observerbare resultat. Sammenligningen isolerer den skillelinje, der adskiller AI-agenter fra deres nærmeste genvej, mens kontrolforløbet markerer, hvor beføjelser eller usikkerhed skal kontrolleres, før noget får konsekvenser i den virkelige verden. Mærkaterne er almindelig, responsiv sidetekst, så de kan oversættes, ombrydes og tilpasses skærmen på en telefon.

Når det gælder AI-agenter, copiloter og arbejdsgange – hvad er forskellen? – er illustrationen et kort, ikke en garanti. En konkret implementering kan kombinere faser, gentage et trin eller indføre et godkendelsespunkt for mennesker. Det afgørende er, om teamet kan identificere de samme funktioner i det udrullede system, udpege en ansvarlig for hver grænse og afprøve overgangen mellem dem. Hvis en fase ikke kan observeres eller måles, bliver det vanskeligt at diagnosticere fejl dér.

Det vigtigste om AI-agenter, copiloter og arbejdsgange

Copiloter, arbejdsgange og agenter er tre måder at fordele arbejdet mellem mennesker, kode og modeller på. Med en copilot er det stadig personen, der sidder ved rattet. I en arbejdsgang ligger ruten i koden. En agent har et afgrænset råderum til at vælge ruten.

Det bedste design er som regel det mindst autonome system, der pålideligt leverer den ønskede værdi. Brug fast kode til kendte trin, modellernes dømmekraft ved reel tvetydighed og menneskelig godkendelse, når konsekvenserne gør det nødvendigt.