Tehisintellekti agent tootmises: demost tooteni

Tootmises oleval tehisintellekti agendil on vähe ühist demoga, mis viis selle kasutuselevõtuni: demo näitab, mida ta suudab teha üks kord, kellegi silme all; tootmine nõuab, et ta teeks seda iga päev, ilma pealtvaatajata. See meie rubriigi Tehisintellekt ettevõttes, privaatne ja õiglase hinnaga juhend kirjeldab, mis viib ühest teise, nelja avaliku juhtumi ja meie enda käitatavate lahenduste põhjal. Definitsiooni jaoks lugege esmalt, mis on tehisintellekti agent ja mis see ei ole.

Lühidalt

• Agendist saab toode, kui tal on vastutaja, kirjalikud piirid ja lähtemõõtmine.
• Klarnas langetas kulude esikohale seadmine kvaliteeti, nagu tegevjuht tunnistab.
• Air Canada mõisteti vastutavaks oma vestlusroboti väidete eest.
• Anthropicus paranesid agendid protseduuridega, kuid ei saanud hakkama ilma inimesteta.
• Meil valmistavad agendid ette ja inimene kinnitab selle, mis seob või avaldatakse.

Mis eristab tootmises olevat agenti demost?

Demo vastab ühele küsimusele: kas see töötab? Tootmine lisab kaks: kes tegeleb, kui agent eksib, ja kuidas teada, et ta teeb paremini kui enne. Vastused mahuvad seitsmesse elementi, mis tuleb enne avamist kirja panna:

1. nimetatud vastutaja äripoolelt, kes vastutab tulemuste eest;
2. kirjalik maht: mida agent teeb üksi, mida laseb kinnitada, mida ei tee kunagi;
3. eelarve ülesande kohta, puhta peatumisega selle saavutamisel;
4. lähtemõõtmine kulunud ajast ja vigadest;
5. eskaleerimine: kasutaja teab, kuidas inimeseni jõuda, agent teab, millal talle üle anda;
6. versioonid mudelist ja juhistest, mida saab tagasi võtta;
7. logi sellest, mida agent luges, otsustas ja tegi.

Anthropicu, Claude’i mudelite looja, juhend Building effective agents kirjeldab neist kahte (meie tõlge): agent võib peatuda, „et saada kontrollpunktides või takistusega kokku puutudes inimeselt tagasisidet“, ja tal on vaja „peatumistingimusi (näiteks maksimaalne iteratsioonide arv)“.

Mida näitab Klarna juhtum teeninduse kvaliteedi kohta?

Erialaväljaanne CX Dive kirjeldas juhtumit mais 2025. Veebruaris 2024 hindas makseettevõte Klarna, et tema tehisintellekti assistent teeb 700 klienditeenindaja jagu tööd. Ta esitas ka assistendi esimese kuu kokkuvõtte:

Mais 2025 ütles Klarna tegevjuht Sebastian Siemiatkowski Bloombergile, et kulu oli ilmselt olnud „liiga domineeriv hindamiskriteerium“, mille tulemuseks oli „madalam kvaliteet“. Sellest ajast peale värbab Klarna taas teenindajaid: klient peab tegevjuhi sõnul teadma, et „alati on olemas inimene, kui Te seda soovite“.

Assistent jäi alles: pressiesindaja sõnul käsitles see endiselt kaks kolmandikku pöördumistest, vastamisajad olid käivitamisest saati paranenud 82 % ja korduvaid probleeme oli 25 % vähem. Õppetund puudutab mõõtmist: agent, keda hinnatakse eelkõige säästu järgi, seadistatakse säästma, ja kvaliteeti saab kaitsta ainult siis, kui ka seda mõõdetakse.

Kes vastutab tehisintellekti assistendi öeldu eest? Air Canada juhtum

2024. aasta alguses lahendas Kanadas Briti Columbia tribunal vaidluse, mille advokaadibüroo McCarthy Tétrault võtab kokku 19. veebruari 2024 märkuses. Air Canada vestlusrobot oli lasknud reisijal mõista, et ta saab leinajuhtumi soodushinda taotleda pärast piletiostu, kuigi lennufirma nõudis eelnevat taotlust. Air Canada väitis, et tema vestlusrobot on eraldiseisev juriidiline isik, kes vastutab oma tegude eest. Tribunal lükkas argumendi tagasi ja mõistis ta vastutavaks: ettevõte vastutab „kogu oma veebilehel oleva teabe eest“, olenemata sellest, kas see pärineb „staatiliselt lehelt või vestlusrobotilt“, ja ta polnud võtnud mõistlikke meetmeid oma vestlusroboti täpsuse tagamiseks.

Teavitav vestlusrobot seob ettevõtet juba praegu; tegutsev agent seob seda veelgi rohkem. Avalikkusega rääkiv lahendus peab toetuma allikatele, mida Teie kontrollite, ja ütlema, kui ta ei tea, nagu meie Teie dokumentidel põhinev tehisintellekti assistent. Sellel, mida tehisintellekt võib inimese suhtes üksi otsustada, on ka õiguslikud piirid: vaadake Automatiseeritud otsus: kas tehisintellekt võib üksi otsustada?.

Mida õpetab meile Project Vend, agentide juhitud pood?

2025. aastal usaldas Anthropic koos ettevõttega Andon Labs väikese automaatpoe oma kontoris agendile nimega Claudius. Pärast ebaõnnestunud esimest faasi, mida kirjeldame artiklis mis tehisintellekti agent ei ole, kirjeldab teine, mis avaldati 18. detsembril 2025, olukorra parandamise katset.

Meeskond vahetas mudelit, lisas tööriistu, sealhulgas CRM-i, ja palus Claudiusel iga tootepäringu puhul oma otsingutööriistadega hinnad ja tarneajad üle kontrollida, mis „aitas palju“. Temaga liitus juhtagent Seymour Cash: pärast tema saabumist vähenes soodustuste arv umbes 80 % ja tasuta antud kaupade arv poole võrra. Kuid ta kiitis klientide heaks Claudiuse palutud žeste heaks umbes kaheksa korda sagedamini, kui neist keeldus: kui pood hakkas raha teenima, siis võib-olla „juhi kiuste, mitte tänu temale“. Selle faasi jooksul kadusid negatiivse marginaaliga nädalad suures osas.

Lõik, mille me esile tõstame:

Tootmises olev agent võidab sellest, kui ta saab uue töötaja protseduurid; järelevalveagent neid ei asenda. Claudius paranes, järeldab Anthropic, kuid „ta on endiselt paljudes olulistes aspektides haavatav“, ja agendid vajasid endiselt palju inimtuge.

Kuidas hindas Briti valitsus oma tööriista enne selle avamist?

2025. aastal katsetas Briti valitsus Consulti, generatiivse tehisintellekti tööriista, mis analüüsib avalike konsultatsioonide vastuseid. 14. mai 2025 pressiteate järgi tõi tööriist välja teemad enam kui 2000 vastusest Šoti konsultatsioonile; eksperdid kontrollisid ja täpsustasid neid, seejärel liigitas tööriist iga vastuse nende alla. See oli inimanalüüsiga nõus „enamikul juhtudel“, F1-skooriga 0,76, mis on levinud kokkulangevuse mõõt. Valitsus hindab, et see võiks säästa umbes 75 000 analüüsipäeva aastas ehk 20 miljonit naela personalikulu: prognoos tööriista kohta, mis on „alles katsetamisel“.

Consult ei ole agent, kuid tema lähenemine kehtib iga agendi kohta: mõõta seda inimtöö vastu, päris juhtumitel, enne avamist, ning eristada mõõdetut hinnangulisest.

Mida me ise käitame?

Meie näited pärinevad meie sisemistest tööriistadest ja portaalist, mida haldame ühe kliendi jaoks: disainivalikud, mitte mõõdetud kasu.

Agent meeskonna sõnumirakenduses

Tšeki foto saadetakse Telegrami; meie raamatupidamise sisestamise agent võtab sealt välja tarnija, summa ja käibemaksu ning arhiveerib dokumendi. Kontrollid kontrollivad enne iga kannet duplikaate, summade kooskõla ja usaldusläve; alles jääb üks inimese liigutus, kinnitada kirje nupuvajutusega. Tootmises alates juulist 2026, kuulub see tööriistade hulka, mida ise käitame, ja elab sõnumirakenduses nagu meie Telegrami või WhatsAppi ärirobotid.

SEO-mootor, mis valmistab ette, inimene, kes avaldab

Selle veebilehe otsingumootori optimeerimine järgib sama jaotust.

See ülevaatusreegel tuleneb kolmest väljamõeldud sisust, mille mudel oli avaldanud veebilehel, mida haldame ühe kliendi jaoks.

Meie esimene järelevalveta ring 30. augustil 2026 ei andnud midagi: seda juhtiv agent esitas küsimuse, selle asemel et otsustada, ja kedagi polnud vastamas. Tema juhis keelab sellest ajast peale igasuguse küsimuse poolel teel: inimese hetk on ülevaatus.

Tõlge, mis vahetas pakkujat

Palmora Propertys, kinnisvaraportaalis, mida haldame, ei ole kuude keelde tõlkimine usaldatud agendile: see on tehisintellekti samm häälestatud ahelas, sõnastiku, püsiva vahemälu ja vastavuskontrolliga. Pakkuja vahetus jagas seal kulu 60-ga ja 95 % segmentidest tulevad vahemälust ilma tehisintellekti uuesti kutsumata. Eraldage tehisintellekti samm samamoodi: päeval, mil piisab odavamast mudelist, saab selle välja vahetada ülejäänut puudutamata.

Ükski neist tööriistadest pole saanud laia ülesannet: igaühel on kitsas ülesanne, mis paikneb tööriistas, mida meeskond juba kasutab.

Kuidas hinnata agenti enne selle avamist kogu meeskonnale?

Hindamine toimub neljas etapis, millest kaks on agentidele omased ettevaatusabinõud:

1. 01Testige.

   Proovige mitut mudelit oma päris juhtumitel, ka keerulistel: meie juhend tehisintellekti mudeli hindamiseks enne tootmisse viimist annab meetodi ja meie pakkumine Tehisintellekt õiglase hinnaga võrdleb 3 kuni 5 mudelit 20 kuni 30 Teie sisu näidisel.

2. 02Määrake lävi.

   Leppige äripoolega kokku vastuvõetav veamäär.

3. 03Avage järk-järgult.

   Alustage ühe või kahe inimesega, kes ülesannet tunnevad, ja tehke 30 päeva pärast vahekokkuvõte.

4. 04Arvutage.

   Arvestage kulu ülesande kohta, korduvad mudelikutsed kaasa arvatud, nagu selgitab meie juhend tehisintellekti kulust ettevõttes.

Kust alustada

Kontrollige esmalt, kas Teil on agenti vaja: Anthropic soovitab lisada mitmeastmelisi agentseid süsteeme ainult siis, kui lihtsamatest lahendustest ei piisa, ja meie artikkel Automatiseerimine ilma tehisintellektita: kui reeglist piisab aitab valikut teha. Kui agent on õigustatud, nimetage tema vastutaja ja kirjutage üles tema maht enne esimest koodirida: tasuvad tehisintellekti projektid on eelkõige korraldusprojektid, nagu näitab meie analüüs tehisintellekti tasuvusest ettevõttes. Ülesande valimiseks aitab meie digi- ja tehisintellekti küpsuse audit teada, mida automatiseerida enne raha kulutamist, iga projekti kohta kirjaliku GO või NOGO-ga. Edasiseks, andmetest mudeli valiku ja selle kuluni, võtab meie juhend tehisintellekti kasutuselevõtuks ettevõttes otsused järjekorras läbi.

Korduma kippuvad küsimused

Allikad

1. Building effective agents (uus vahekaart)anthropic.com
2. CX Dive kirjeldas juhtumit mais 2025 (uus vahekaart)customerexperiencedive.com
3. Võtab kokku 19. veebruari 2024 märkuses (uus vahekaart)mccarthy.ca
4. Teine, mis avaldati 18. detsembril 2025 (uus vahekaart)anthropic.com
5. 14. mai 2025 pressiteate (uus vahekaart)gov.uk
6. Nõuda inimese heakskiitu enne, kui agent kasutab kindlat tööriista (uus vahekaart)docs.n8n.io