Poslednjih meseci svedoci smo masovnog prelaska sa jednostavnih modela za ćaskanje na autonomne sisteme poznate kao AI agenti. Za razliku od standardnih jezičkih modela koji samo generišu tekst na osnovu zadatog pitanja, agenti poseduju sposobnost planiranja: samostalno biraju alate, pretražuju interne baze, pokreću skripte i izvršavaju radnje kroz više uzastopnih koraka.
Međutim, čim ovi sistemi napuste kontrolisano okruženje demonstracija i uđu u stvarne poslovne procese, nastaje hladan tuš. Rukovodioci i timovi se žale: „Agent je doneo potpuno pogrešan zaključak“, „Napravio je bespotrebnu analizu“ ili „Potrošio je sate bez upotrebljivog rezultata“.
Prva reakcija je uvek ista – okriviti model, tvrditi da tehnologija još nije zrela ili otpisati čitav koncept autonomnih asistenata. Ali kada se pogleda ispod površine i analiziraju dnevnici izvršavanja, istina je gotovo uvek drugačija: agent nije zakazao na nivou procesa razmišljanja; on je samo doslovno, precizno i bez konteksta sproveo loše formulisan zahtev.
Zamka preterano uopštenih uputstava
Kada radimo sa ljudima, oslanjamo se na podrazumevani kontekst, intuiciju i godine zajedničkog iskustva. Ako kolegi kažemo: „Pripremi brzu analizu konkurencije za sastanak u petak“, on instinktivno zna:
-
Na koja tri direktna konkurenta mislimo,
-
Da izveštaj ne treba da ima pedeset strana već tri ključne tačke,
-
Koje finansijske pokazatelje naš direktor najviše vrednuje.
Kada isti takav zahtev prosledite autonomnom sistemu, on nema implicitno predznanje. Ako mu date zadatak: „Analiziraj tržište i predloži plan delovanja“, agent se suočava sa beskonačnim prostorom mogućnosti.
Šta se tada dešava? Agent bira prvu logičnu putanju, pretražuje nasumične javne izvore, prikuplja irelevantne podatke, donosi tehnički tačne ali praktično neupotrebljive preporuke i servira vam pedeset pasusa opštih mesta. On nije napravio logičku grešku – dobio je maglovit zahtev, pa je isporučio maglovit rezultat.
Tri ključna stuba za postavljanje funkcionalnih zadataka
Da bi autonomni sistemi funkcionisali kao pouzdani članovi tima, formulisanje zahteva mora preći sa površnog razgovora na inženjerski preciznu specifikaciju. U praksi se pokazalo da svaki uspešan zadatak mora imati definisana tri elementa:
-
Jasno omeđen obim i ograničenja:
Umesto širokih instrukcija, agentu se mora definisati šta sme, a šta nikako ne sme da radi. Koji izvori su verodostojni? Koliko nivoa duboko sme da ide u pretragu? Koje alate sme da aktivira bez odobrenja čoveka? Ograničenja su važnija od samih ciljeva.
-
Kriterijum završetka posla (Definition of Done):
Agent mora tačno znati kako izgleda uspešan kraj zadatka. Da li je to popunjena tabela sa tačno definisanim kolonama, sažetak od tri teze ili nacrt elektronske poruke? Ako nema jasan format izlaza, sistem nastavlja da iterira ili se zaustavlja na pola puta.
-
Kontekstualna sidra umesto pretpostavki:
Nemojte očekivati da model pogađa prioritete vaše kompanije. U zahtev uvek ugradite ciljnu publiku, industrijski okvir, budžetske okvire i vremenski horizont.
Arhitektura oko agenta: zašto prompt sam po sebi nije dovoljan
Česta zabluda modernih timova jeste uverenje da se svaki problem može rešiti još dužim i detaljnijim promptom. Međutim, gomilanje stotina redova uputstava u jedno polje za unos stvara zagušenje u radnoj memoriji modela.
Pravi skok u pouzdanosti ne dolazi iz pisanja savršenog teksta, već iz postavljanja pametne arhitekture:
-
Validacija spoljnih podataka: Kada agent preuzme informacije sa interneta ili iz eksternog API-ja, mora postojati među-korak koji proverava verodostojnost pre nego što se ti podaci uključe u analizu.
-
Podela na manje korake: Kompleksne zadatke treba razbiti na sekvence. Jedan agent planira, drugi prikuplja podatke, treći vrši reviziju, a čovek u ključnim tačkama potvrđuje smer delovanja.
-
Kontrola toka informacija: Agentu ne treba dati pristup svim bazama odjednom. Previše vidljivih opcija stvara distrakciju i povećava šansu za halucinacije.
Odgovornost ostaje na onome ko vodi sistem
Veštačka inteligencija je izuzetno moćno ogledalo: ona neumoljivo reflektuje jasnoću ili konfuziju našeg sopstvenog razmišljanja. Ako je strategija kompanije nejasna, ako su ciljevi projekta fluidni, a prioriteti nedefinisani, nijedan autonomni agent na svetu to neće popraviti – samo će ubrzati proizvodnju haosa.
Pre nego što donesete odluku da ugasite implementaciju novog alata ili zaključite da tehnologija ne donosi obećanu vrednost, postavite sebi jednostavno pitanje: da je ovaj isti zadatak dobio novi pripravnik u firmi sa tačno ovim rečima koje ste upisali u sistem, da li bi znao šta tačno treba da uradi?
Ako je odgovor odričan, onda problem nije u tehnologiji. Vaš AI agent nije zakazao – zakazao je vaš zahtev.
