Agentic AI - Mitä se on ja miten minä näen sen
Olen tutkinut agenttista tekoälyä pikkuhiljaa viime vuoden ajan, ja mielestäni se rakentuu aiemman automaatiotyön pohjalle.
Mielestäni se on helpompi havainnollistaa palveluympäristössä, joten käytän esimerkkinä verkkomatkatoimistoja (OTA).
Steve Jackson
Chief Data Officer
Stevellä on yli 20 vuoden kokemus dataplatformien hyödyntämisestä, ja hän on tuonut asiakkailleen satojen miljoonien säästöt tai myynnit, jotka ovat suoraan hänen työnsä ansiota. Viimeiset 5 vuotta hän on rakentanut tekoälypohjaista matkailu-SaaS:ia ja koodannut fiilispohjalta läpi kaikenlaisten ohjelmistokehityksen haasteiden!
Mitä on Agentic AI?
Agentic AI viittaa tekoälyjärjestelmiin, jotka kykenevät toimimaan itsenäisesti tavoitellakseen päämääriä, tekemään päätöksiä ja vuorovaikuttamaan ympäristönsä kanssa, usein vähäisellä ihmisen puuttumisella. Toisin kuin perinteinen tekoäly, joka yleensä reagoi syötteisiin ennalta määriteltyjen sääntöjen tai mallien perusteella, Agentic AI on suunniteltu osoittamaan aloitteellisuutta, mukauttamaan strategioita reaaliajassa ja joskus koordinoimaan muiden agenttien tai järjestelmien kanssa saavuttaakseen monimutkaisia tavoitteita.
Perinteinen tekoäly käyttäen LLM:itä
Testaa tyypillinen tekoälyvuorovaikutus.
- Mene ChatGPT:hen, kysy kysymys ja käy läpi vastauksia chat-ikkunassa.
- Sulje chat-ikkuna
- Kysy uudessa chat-ikkunassa, mitä juuri keskustelitte minuutti sitten
Tällä hetkellä se toimii siten, että ChatGPT pyytää sinua leikkaamaan ja liittämään edellisen keskustelun tai yksinkertaisesti sanoo, ettemme ole keskustelleet mitään viimeisen minuutin aikana. Tämä johtuu siitä, että tekoäly muistaa vain nykyisen keskustelun.
Se on suunniteltu näin. Se saattaa muuttua, mutta ottaen huomioon mittakaavan, on hyvin epätodennäköistä, että ChatGPT lisäisi muistin suunnitelmiin 20 € kuukaudessa.
Agentic AI
Agentic AI on suunniteltu eri tavalla. Konsepti ammentaa agenttipohjaisesta mallinnuksesta ja monen agentin järjestelmistä, joita on pitkään tutkittu tietojenkäsittelytieteessä ja keinotekoisessa elämässä. Varhaiset kehitykset robotiikassa, peliteoriassa ja tekoälyn suunnittelussa loivat perustan, kun taas modernit edistysaskeleet suurissa kielimalleissa (LLM) ja vahvistusoppimisessa ovat tehneet mahdolliseksi varustaa nämä agentit rikkaalla maailmantiedolla, päättelykyvyillä ja muistilla.
Tasavertaisemman pelikentän luominen - miten tämä toimisi Online Travel Agent (OTA) -esimerkin näkökulmasta
Ajattelu tasoina auttaa hahmottamaan kokonaisuuden.
Missä olemme olleet ja minne olemme menossa.
Ground Zero – Ei automaatiota, ei älykkyyttä
Asiakas tekee kaiken manuaalisesti—tutkii kohteita, vertailee vaihtoehtoja, lukee arvosteluja ja varaa suoraan tuntemiensa ja luottamiensa toimittajien kautta. Ei ole tukea, ei ohjausta—vain raakaa päätöksentekoa, joka perustuu henkilökohtaiseen ponnisteluun.
Taso 1 – Sääntöpohjainen automaatio
Yksinkertainen “jos-tämä-niin-sitten-tuo” -logiikka. Esimerkiksi, jos vierailijan IP on Kreetalla, OTA näyttää aktiviteetteja Kreetalla—ei lentoja Kreetalle. Tähän tasoon kuuluu geokohdistus, ajastetut ponnahdusikkunat ja perushenkilökohtaistaminen, mutta kaikki on determinististä ja ennalta ohjelmoitua.
Taso 2 – AI-täydennetty tuki
AI alkaa hoitaa toistuvia tehtäviä. Ajattele chatbotteja, jotka vastaavat usein kysyttyihin kysymyksiin, tai älykkäitä hakupalkkeja, jotka tulkitsevat luonnollista kieltä. OTA:t lisäävät näitä avustajia asiakaspolun virtaviivaistamiseksi—ohjaavat käyttäjiä, selventävät käytäntöjä ja tuovat esiin olennaisia tarjouksia kontekstitietoisilla vastauksilla.
Taso 3 – Moniagenttiset työnkulut
Useat agentit tekevät yhteistyötä määriteltyjen rajojen sisällä. Esimerkiksi kirjautumisagentti pääsee käsiksi eri OTA-portaaleihin, kun taas vertailuagentti arvioi tarjouksia matkustajan mieltymysten perusteella. Jotkut startupit kokeilevat tässä vaiheessa tarjoten varhaisia versioita matkatutkimuksen apureista, jotka yhdistävät rakenteellisia tehtäviä.
Taso 4 – Puoliautonomiset agentit
Agentit järkeilevät, suunnittelevat ja mukautuvat. Asiakas määrittää kohteen ja mieltymykset, ja järjestelmä rakentaa monipäiväisen matkasuunnitelman, ehdottaa kuljetusta, varaa majoitukset ja jopa aikatauluttaa uudelleen viivästysten vuoksi. Tällä tasolla OTA:t avaavat rajapintoja agenttiekosysteemeille ja tarjoavat suunnittelusovelluksia loppukäyttäjille.
Taso 5 – Täysi autonomia
Henkilökohtainen AI-matkatoimisto hoitaa kaiken—matkan löytämisestä, varauksista, viestinnästä ja ongelmanratkaisusta—15–20 erikoistuneen agentin liittouman kautta. Se oppii mieltymyksiä, mukautuu muuttuviin suunnitelmiin ja tekee yhteistyötä globaalien OTA:iden kanssa. OTA:sta tulee yksi solmu suuremmassa, älykkäässä matkaverkostossa—suosittu tehokkuuden, ei brändin vuoksi.
Mitä seuraavaksi?
Merkittävä muutos tapahtui viime vuosina AI “agenttien” nousun myötä, jotka on rakennettu LLM:ien päälle—kuten AutoGPT ja BabyAGI—jotka alkoivat ketjuttaa tehtäviä saavuttaakseen avoimia tavoitteita. Nämä järjestelmät edustavat askelta kohti yleiskäyttöisempää AI:ta, joka voi käsitellä työnkulkuja, delegoida alatehtäviä ja olla vuorovaikutuksessa ulkoisten työkalujen, kuten API:iden tai verkkoselaimien kanssa.
Tulevaisuudessa agenttinen AI odotetaan näyttelevän suurta roolia yritysautomaation, tieteellisen löytämisen, digitaalisten avustajien ja autonomisten järjestelmien parissa. Keskeisiä haasteita ovat edelleen hallinta, turvallisuus, läpinäkyvyys ja ihmisten arvojen mukaisuus. Mutta kun arkkitehtuurit paranevat ja työkalujen integrointi syvenee, agenttinen AI saattaa kehittyä älykkäiden digitaalisten ekosysteemien selkärangaksi—työskennellen ei vain puolestamme, vaan kanssamme.