AI agent alebo automatizácia? Kedy stačí Zap a kedy treba agenta

Keď sa s CEO rozprávam o AI agentovi, najprv sa pýtam na konkrétny proces. Čo ho spúšťa, aké údaje doň vstupujú a kto rozhoduje o výsledku? Bez toho sa ťažko vyberá nástroj aj rozpočet.

Pri opakovanom prenose údajov často stačí automatizácia. Agent dáva zmysel vtedy, keď si musí podľa situácie vyberať ďalšie kroky. Medzi týmito možnosťami je aj workflow s jedným AI uzlom, ktorý napríklad zatriedi text.

Pri známom postupe začnite pravidlami

V Make alebo Zapieri môžete určiť spúšťač a následné akcie. Po prijatí faktúry sa uloží príloha a vznikne úloha na kontrolu. Keď sa zmení stav objednávky, aktualizuje sa príslušný záznam.

Takýto postup potrebuje riešenie výpadkov, duplicít aj nesprávnych vstupov. Jeho výhodou je, že poradie krokov poznáte vopred. AI nemusí rozhodovať, čo má nasledovať.

Neštruktúrovaný vstup ešte neznamená agenta

E-mail môže vyžadovať model na rozpoznanie témy. Ak potom nasleduje vždy rovnaký postup, stále stačí pevný workflow s klasifikačným krokom.

Agent je vhodnejší kandidát, keď dostane cieľ a podľa priebežných výsledkov volí nástroje aj poradie práce. Pri zákazníckej otázke môže vyhľadať dokumentáciu, skontrolovať záznam v CRM a podľa nálezu požiadať o doplnenie. Túto voľnosť treba ohraničiť. Samotná potreba pracovať s textom ju neodôvodňuje.

Tri modelové príklady

Nasledujúce situácie ilustrujú architektúru. Nie sú to namerané výsledky klientov.

Triedenie e-mailov

Workflow odovzdá text modelu a dostane návrh kategórie. Pravidlá potom určia frontu alebo zodpovedného človeka. Ak kategória nie je jasná, správa zostane na manuálne posúdenie.

Plný agent tu nemusí priniesť výhodu. Overujte správne priradenie aj čas, ktorý tím strávi opravami.

Helpdesk s vyhľadávaním podkladov

Pri otázkach vyžadujúcich rôzne zdroje môže agent vybrať, čo skontroluje ďalej. Odpoveď musí odkazovať na platný podklad a pri neistote odovzdať prípad človeku.

Pred nasadením vymedzte rozhodnutia, ktoré zostávajú podpore. Zmena zmluvných podmienok alebo refundácia má iné následky než návrh odkazu na návod.

Pravidelný report

Workflow stiahne údaje z určených systémov a vypočíta metriky. AI môže pripraviť slovný komentár k výsledku. Ak sa zdroje a kroky nemenia, nie je potrebné, aby ich agent pri každom behu vyberal nanovo.

Číselné závery skontrolujte proti výpočtom. Modelom navrhnutú príčinu trendu odlíšte od toho, čo dáta naozaj dokazujú.

Voľnosť musí zodpovedať riziku

Prístup do systému obmedzte na operácie potrebné pre úlohu. Pri rizikovej zmene určte schvaľovateľa, spôsob zastavenia a návrat k pôvodnému postupu. Nastavte limit volaní aj nákladov na jeden beh.

Zaznamenajte použité vstupy, verziu zadania a vykonané akcie v rozsahu primeranom účelu. Log pomáha rekonštruovať priebeh. Nie je dôkazom, že model správne pochopil situáciu. Potrebné kontroly zhŕňa governance checklist pre AI agenta.

O nástroji rozhodnite po skúške

Spíšte proces a označte miesta, kde treba úsudok. Najprv skúste pevné pravidlá, prípadne jeden AI krok. Viac voľnosti pridávajte až vtedy, keď ju konkrétne prípady vyžadujú a dokážete overiť výsledok.

Pri pilote merajte čas po správne dokončenú úlohu, manuálne opravy a celkový náklad. AI automatizáciu navrhujeme podľa tohto rozsahu. Ak potrebujete posúdiť jeden proces, ozvite sa.