Kiedy agenty AI mają sens? — Transcript

Omówienie sensu i działania agentów AI oraz asystentów AI, ich różnic i zastosowań w praktyce biznesowej.

Key Takeaways

Agenty AI to autonomiczne systemy zdolne do samodzielnego planowania i adaptacji w realizacji celów.
Agenty AI nie mają świadomości, ich działanie to zaawansowana inżynieria algorytmiczna.
Asystenci AI są reaktywnymi narzędziami wspierającymi użytkownika, działającymi na bazie dużych modeli językowych.
Skuteczne wykorzystanie asystentów AI wymaga precyzyjnych poleceń i aktualnych danych.
Zmiana paradygmatu w oprogramowaniu: z instrukcji krok po kroku na określanie celów do realizacji.

Summary

Definicja agentów AI jako autonomicznych systemów realizujących złożone cele przez rozbijanie ich na mniejsze zadania.
Różnica między agentami AI a tradycyjnymi narzędziami automatyzacji (autopilot vs kapitan samolotu).
Wyjaśnienie, że agenty AI nie posiadają świadomości, a ich działanie opiera się na zaawansowanych algorytmach i modelach rozumowania.
Opis pętli agentowej: planowanie, działanie, obserwacja i powtarzanie, która napędza autonomię agentów.
Przedstawienie asystentów AI jako reaktywnych narzędzi wspierających użytkownika, opartych na dużych modelach językowych i specjalistycznych rolach.
Przykłady zastosowań asystentów AI w marketingu, sprzedaży i HR z wykorzystaniem dedykowanych baz wiedzy i narzędzi.
Wskazówki dotyczące skutecznego wdrożenia asystentów AI, m.in. znaczenie precyzyjnych instrukcji i aktualności bazy danych.
Podkreślenie zmiany paradygmatu: z mówienia jak wykonać zadanie na mówienie, co ma być wykonane.
Omówienie algorytmu ReACT jako przykładu modelu rozumowania agentów AI.
Terminologiczna uwaga dotycząca formy 'agenty' zamiast 'agenci' w kontekście technologicznym.

Full Transcript — Download SRT & Markdown

Speaker A

Witam was serdecznie. Zanim zaczniemy, mam dla was jedno zadanie: wyobraźcie sobie, że zamiast mówić swojemu asystentowi: "Otwórz kalendarz, znajdź wolny termin", po prostu mówicie: "Hej, zorganizuj nam spotkanie projektowe w przyszłym tygodniu".

Speaker A

I tyle, reszta dzieje się sama. To jest obietnica, którą niosą ze sobą agenty AI.

Speaker A

I tu ważna uwaga terminologiczna. Choć w języku polskim powszechnie nam wszystkim znana jest forma "agenci", w branży technologicznej i informatyce obowiązuje rodzaj niejaki: agenty.

Speaker A

Zgodnie ze słownikiem języka polskiego, a także opiniami językoznawców, jest to zjawisko naturalne, gdy zapożyczone słowa stają się terminami specjalistycznymi, często odnoszącymi się do systemów i technologii, a nie osób. W ten sposób podkreśla się, że mówimy o zautomatyzowanym systemie,

Speaker A

a nie o istocie ludzkiej. To drobny szczegół, ale pokazuje, że ta koncepcja dojrzewa i wchodzi do profesjonalnego języka.

Speaker A

Naszym celem jest pełne zrozumienie tego pojęcia. Prawdziwy przełom w tej dziedzinie nastąpił niedawno, wraz z eksplozją mocy dużych modeli językowych, czyli LLM-ów.

Speaker A

To właśnie LLM-y dały agentom coś, czego im brakowało: zaawansowany mózg zdolny do rozumienia języka, planowania i wnioskowania. Dzięki temu agenty z prostych automatów stały się inteligentnymi, elastycznymi systemami, o których dzisiaj będziemy rozmawiać.

Speaker A

Żeby precyzyjnie zdefiniować, czym jest współczesny agent, musimy najpierw zrozumieć, czym nie jest. I tu lotnicza analogia. Większość narzędzi do automatyzacji działa jak autopilot, to skoncentrowany na zadaniu system, który ślepo wykonuje listę sztywnych kroków.

Speaker A

Jego celem jest realizacja konkretnego zadania, na przykład: "Utrzymuj wysokość 30 tysięcy stóp". Jeśli w warunkach lotu coś się zmieni w nieprzewidziany sposób, autopilot może sobie z tym nie poradzić.

Speaker A

Brzmi znajomo? Tak jest, to przykład narzędzi typu workflow, o których słyszeliście już podczas poprzednich sesji.

Speaker A

Agent AI to natomiast system zorientowany na cel, który działa jak doświadczony kapitan samolotu. Dajesz mu cel, na przykład bezpieczne i terminowe dowiezienie pasażerów z Londynu do Chicago, a on sam planuje kroki, rozwiązuje problemy i adaptuje się do zmieniających się warunków,

Speaker A

aby go osiągnąć. Stąd płynie nasza precyzyjna definicja. Współczesny agent AI to autonomiczny system, który realizuje złożony cel poprzez samodzielne rozbijanie go na mniejsze zadania i wykonywanie ich w elastycznej i powtarzalnej pętli działania.

Speaker A

Najważniejsza jest tu zmiana paradygmatu. W przypadku tradycyjnego oprogramowania mówisz, jak coś ma być zrobione, zaś w przypadku agenta AI mówisz, co ma być zrobione.

Speaker A

Zanim pójdziemy dalej, wyjaśnijmy jedną kluczową kwestię. Czy agenty AI mają jakąkolwiek formę świadomości? Krótka odpowiedź brzmi: absolutnie nie.

Speaker A

Filozoficzne dyskusje na temat sztucznej świadomości zostawmy na inne okazje. W kontekście agentów AI najważniejsze jest zrozumienie, że nie są one świadomymi bytami.

Speaker A

Są to skomplikowane systemy programistyczne, których autonomia nie wynika z myślenia w ludzkim rozumieniu, a z bardzo precyzyjnie zaprojektowanych procesów.

Speaker A

Różnica między magią a inżynierią jest tu kluczowa. To, co wygląda jak myślenie agentów, jest w istocie zbiorem zaawansowanych algorytmów, które pozwalają im na planowanie i podejmowanie kolejnych działań.

Speaker A

Nie jest to żadna iskra świadomości, a logicznie zaplanowany cykl, w którym agent po otrzymaniu celu samodzielnie decyduje, jak użyć dostępnych mu narzędzi, by go zrealizować. Dzieje się to w oparciu o specyficzne modele rozumowania, jak choćby algorytm ReACT, który łączy generowanie planu z działaniem,

Speaker A

sprowadzając pozorną autonomię do poziomu racjonalnej i przewidywalnej inżynierii. A jaki jest sposób myślenia agenta AI?

Speaker A

Działa on w oparciu o prosty, ale niezwykle skuteczny cykl, który nazywamy pętlą agentową. To jego system operacyjny, który pozwala mu na realizację wspomnianej supermocy, czyli rozbijania dużych problemów na mniejsze kroki, którymi może zarządzać. Jak wygląda to w praktyce?

Speaker A

Wyróżniamy tu cztery etapy. Etap pierwszy: planowanie i refleksja. Agent analizuje cel oraz aktualny stan otoczenia, myśli: "Okej, w jakim punkcie się znajduję, co już zrobiłem, jaki powinien być mój następny krok, aby przybliżyć mnie do celu?" To tutaj dzieli duży problem na małe kawałki.

Speaker A

Etap drugi: działanie. Wykonuje jeden konkretny krok z planu, najczęściej wywołując jakieś narzędzie, na przykład: "Szukaj w Google, napisz fragment kodu, zapisz do pliku".

Speaker A

Etap trzeci: obserwacja. Agent analizuje wynik swojego działania. Czy wszystko się udało? Czy pojawił się błąd?

Speaker A

Czego nowego się dowiedziałem? Etap czwarty: powtórz. Z nową wiedzą wraca do kroku pierwszego i powtarza cykl, aż uzna, że cel główny został osiągnięty.

Speaker A

Ta prosta pętla: pomyśl, działaj, obserwuj jest silnikiem, który napędza całą autonomię agentów. Zanim powiemy sobie więcej na temat samych agentów, warto poznać jeszcze jedno pojęcie, z którym możecie się nieraz spotkać. To pojęcie to asystenci AI.

Speaker A

Narzędzia, które możecie wdrażać w swoich firmach dosłownie od zaraz, stanowiące pomost do świata prawdziwej autonomii.

Speaker A

Przyjmując, że rola agenta AI odpowiada roli pilota samolotu, asystenta AI można postrzegać jako specjalistę w załodze, podporządkowanego woli wspomnianego kapitana. Jest on reaktywny, to znaczy, że czeka na twoje polecenie i wykonuje je z precyzją zgodnie ze wskazówkami.

Speaker A

Jego mózgiem, który pozwala mu zarówno na rozumienie naszych poleceń, jak i prowadzenie komunikacji zwrotnej, jest duży model językowy.

Speaker A

Nadawana jest mu konkretna rola, taka jak na przykład ekspert HR. Otrzymuje dostęp do wybranej wiedzy, jak na przykład bazy dokumentów firmowych, oraz udostępniane są mu wybrane narzędzia, jak na przykład dostęp do kalendarza.

Speaker A

Można to opisać równaniem. Asystent równa się model językowy, czyli mózg, plus rola, na przykład: jesteś ekspertem HR, plus baza wiedzy, na przykład dokumenty firmowe, plus narzędzia, na przykład dostęp do kalendarza.

Speaker A

Jak to wygląda w praktyce? W marketingu może to być na przykład strażnik marki, asystent wyposażony w firmowy brandbook i historyczne publikacje osiągające najlepsze rezultaty, który potrafi przeanalizować dowolny komunikat i wygenerować na jego podstawie gotowy post do mediów społecznościowych,

Speaker A

precyzyjnie zachowując unikalny styl komunikacji marki. W sprzedaży może to być na przykład ekspert do spraw ofertowania. Asystent ze stałym dostępem do aktualnych cenników i specyfikacji technicznych, z którym handlowiec może błyskawicznie zamienić chaotyczne notatki z rozmowy w profesjonalną ofertę wzbogaconą

Speaker A

o automatycznie dobrane pakiety i wstępnie wyliczoną marżę. A w HR to może być nawigator onboardingu.

Speaker A

Asystent znający zasoby firmowego intranetu i polityki wewnętrzne, który potrafi wygenerować spersonalizowany plan pierwszych dni pracy dla każdego nowo zatrudnionego pracownika, wybierając z ogromnej bazy dokumentów wyłącznie te pliki, które są absolutnie niezbędne na konkretnym stanowisku.

Speaker A

Wdrożenie asystentów AI przynosi ogromne korzyści, ale wymaga świadomego podejścia. Aby działały skutecznie i bezpiecznie, musimy pamiętać o kilku zasadach.

Speaker A

Twórzcie precyzyjne instrukcje. Jakość odpowiedzi asystenta zależy bezpośrednio od jakości waszych poleceń. To jak delegowanie zadania juniorowi.

Speaker A

Jeśli powiecie: przygotuj raport, możecie dostać coś, czego w ogóle nie oczekiwaliście. Jeśli jednak powiecie: przygotuj raport, który podsumowuje wyniki sprzedaży za trzeci kwartał z uwzględnieniem podziału na regiony, a najważniejsze wnioski wymień w formie bullet pointów, to dostaniecie dokładnie to, czego potrzebujecie.

Speaker A

Zasada garbage in, garbage out jest tu niezwykle trafna. Zadbajcie o aktualność bazy danych. Asystent oparty na dokumentach firmowych jest tak dobry, jak aktualne są te dokumenty. Wyobraźcie sobie, że wasz asystent HR odpowiada pracownikowi na pytanie o zasady urlopowe, korzystając z regulaminu sprzed roku,

Speaker A

podczas gdy wczoraj weszły w życie nowe przepisy. W najlepszym wypadku wprowadzi to pracownika...

Speaker A

Regularna aktualizacja bazy wiedzy to podstawa. Strzeżcie się halucynacji. Modele językowe mogą generować nieprawdziwe informacje. To tak, jakby prosić konsultanta o podsumowanie spotkania z klientem, a on pewnym głosem zmyśla kluczowe ustalenia, które w ogóle nie padły.

Speaker A

Kluczowe jest stosowanie technik ograniczających to ryzyko. Na przykład grounding odpowiedzi w konkretnych źródłach i weryfikacja krytycznych danych.

Speaker A

Miejcie na uwadze bezpieczeństwo oraz koszty. Udostępniając asystentowi wrażliwe dane, musicie dbać o najwyższe standardy bezpieczeństwa i monitorować koszty operacyjne. Pamiętajcie, że asystent jest podatny na prompt injection. Atakujący może spróbować wstrzyknąć złośliwe polecenie, które przejmie waszego asystenta i zmusi go do wykonania niepożądanego działania,

Speaker A

na przykład kradzieży danych klientów, usunięcia plików z chmury czy wykonania przelewu. Konieczna jest zatem ochrona przed tego rodzaju manipulacją.

Speaker A

Teraz przejdźmy do sedna, czyli do samych agentów. Tutaj AI przestaje być tylko narzędziem wykonawcą, a staje się autonomicznym i proaktywnym członkiem zespołu.

Speaker A

Różnica jest fundamentalna. Asystentowi mówisz, jak ma coś zrobić krok po kroku, a agentowi mówisz, co ma być zrobione.

Speaker A

Dajesz mu cel. Wówczas to agent może delegować zadania do swoich asystentów. Zobaczmy teraz, jak myśli taki agent na przykładzie zadania, w którym zlecamy mu zwiększenie ruchu na naszym blogu o 20% kwartalnie.

Speaker A

Agent po otrzymaniu polecenia nie czeka na dalsze instrukcje. Zaczyna samodzielnie planować i działać w pętli.

Speaker A

Po pierwsze planuje. "Skoro mam zapewnić wzrost ruchu, muszę najpierw zrozumieć obecną sytuację. Mój pierwszy krok to analiza danych." Następnie działa. Wywołuje asystenta do pozyskania danych z Google Analytics, po czym sam je analizuje.

Speaker A

W kolejnym kroku obserwuje i koryguje. "Z tego, co widzę, to najpopularniejsze posty dotyczą trendów w AI.

Speaker A

Teraz muszę skupić się na tej tematyce. Następny krok to znaleźć nowe, gorące tematy." A na koniec działa ponownie. Używa narzędzia do przeszukiwania newsów technologicznych i tak dalej w cyklu, aż zrealizuje cel, być może finalnie samodzielnie pisząc i publikując gotowe artykuły.

Speaker A

To właśnie ta zdolność do samodzielnego planowania, działania w pętli i korekty własnych działań definiuje agenta i odróżnia go od asystenta. W Google również intensywnie pracujemy nad rozwojem agentów, które rozwiązują realne problemy biznesowe. Dam wam dwa przykłady.

Speaker A

Pierwszy to Antigravity, to doskonały przykład wyspecjalizowanego oprogramowania agentowego, które pełni rolę partnera dla programistów. Zamiast zadawać mu proste pytania, deweloper może powierzyć mu złożony cel, na przykład: stwórz główną logikę dla aplikacji lista zakupów, napisz kod w Pythonie, zaprojektuj testy jednostkowe

Speaker A

i zasugeruj strukturę bazy danych. Antigravity, działając jak autonomiczny inżynier oprogramowania, zaczyna pracę w pętli.

Speaker A

Planuje, działa, a następnie obserwuje i koryguje. Drugi przykład to Deep Research Agent. To agent naukowiec, potrafi wziąć bardzo złożony problem badawczy, samodzielnie podzielić go na mniejsze pytania, przeszukać setki stron i dokumentów, zsyntetyzować te informacje i na końcu napisać spójny naukowy raport

Speaker A

wraz z bibliografią. Idziemy nawet o krok dalej, tworząc systemy wieloagentowe. To jak budowanie cyfrowego zespołu.

Speaker A

Jeden agent jest researcherem, drugi pisze teksty, a trzeci jest krytykiem, który je poprawia. Systemy zaś koordynują ich pracę za pomocą dedykowanych narzędzi.

Speaker A

To właśnie jest przyszłość delegowania zadań. Jak buduje się takie systemy? To nie magia. Używamy do tego specjalistycznych frameworków, które pozwalają na szybkie i niezawodne tworzenie złożonych rozwiązań.

Speaker A

Do najważniejszych z nich należą ADK, czyli Agent Development Kit. Myślcie o tym jak o zestawie gotowych, wysokiej jakości modułów i narzędzi, które znacznie przyspieszają proces budowania agenta.

Speaker A

Zamiast za każdym razem pisać od zera kod odpowiedzialny za zarządzanie pamięcią czy planowanie działań, możemy po prostu użyć gotowych komponentów z ADK.

Speaker A

Architektury A2A, czyli Agent-to-Agent. To prawdziwa moc autonomii, ujawnia się, gdy wiele agentów współpracuje ze sobą. Architektury A2A to zbiór reguł i protokołów, które definiują, jak różne agenty mają ze sobą rozmawiać, tworząc spójny zespół specjalistów.

Speaker A

Wzorce jak MCP, czyli Model Context Protocol. Ten wzorzec to szczegółowy schemat, który precyzyjnie definiuje, jak agent otrzymuje i przetwarza kontekst swojej pracy, co prowadzi do bardziej trafnych decyzji i ogranicza ryzyko halucynacji.

Speaker A

Nie musicie znać tych skrótów na pamięć, ważne jest, byście wiedzieli, że za tą pozorną magią stoi solidna inżynieria i przemyślana architektura.

Speaker A

Gdzie te cyfrowe zespoły mieszkają i pracują? Platformy takie jak Gemini Enterprise stają się dla nich cyfrowym biurem. To zintegrowane środowisko, które dostarcza nie tylko narzędzi do budowy, ale także infrastrukturę do zarządzania, monitorowania i bezpiecznego uruchamiania wielu agentów jednocześnie. Technologia agentów jest

Speaker A

absolutnie fascynująca, ale byłoby nieodpowiedzialne, gdybym nie wspomniał o wyzwaniach. Centralnym problemem jest tu paradoks autonomii i kontroli.

Speaker A

Im więcej swobody dajemy agentowi, tym staje się on potężniejszy, ale wiąże się z tym też i wyższe ryzyko jego funkcjonowania.

Speaker A

Musimy zadać sobie w związku z tym kilka trudnych pytań, które towarzyszą wybranym zagrożeniom. Pierwszym z nich jest problem kontroli i nadmiernej agencji.

Speaker A

Co się stanie, gdy agent, dążąc do celu zwiększenia zysków, zacznie podejmować nieetyczne lub szkodliwe działania, których nie przewidzieliśmy? Na przykład anuluje nierentowne, ale ważne społecznie usługi. To ryzyko, że agent w swojej logice przesadzi, realizując cel kosztem wartości, których nie rozumie.

Speaker A

Tutaj rozwiązaniem są twarde ograniczenia oraz najważniejszy mechanizm - human in the loop, czyli człowiek, który musi zatwierdzić każdą krytyczną decyzję.

Speaker A

Kolejnym zagrożeniem jest problem bezpieczeństwa i przejęcia agenta. Co jeśli haker znajdzie sposób na wstrzyknięcie złośliwego polecenia, czyli tak zwany prompt injection, i przejmie kontrolę nad naszym agentem, zmuszając go do wykradania danych klientów lub wykonania przelewu? Zabezpieczenie agentów przed

Speaker A

manipulacją to zupełnie nowe pole bitwy w cyberbezpieczeństwie, wymagające stałego monitoringu i zaawansowanych technik obronnych.

Speaker A

Innym zagrożeniem jest problem odpowiedzialności oraz ataków Denial of Wallet. Kto jest winny, gdy autonomiczny agent popełni kosztowny błąd?

Speaker A

Użytkownik? Twórca platformy? Prawo dopiero zaczyna nadążać za technologią. Co więcej, pojawia się nowe zagrożenie - atak Denial of Wallet.

Speaker A

Złośliwy użytkownik może tak sformułować zadanie, by wprowadzić agenta w nieskończoną lub przynajmniej bardzo kosztowną pętlę. Na przykład: znajdź mi wszystkie możliwe loty pomiędzy dowolnymi miastami na świecie, generując przy tym astronomiczny rachunek za wykonanie tej pętli.

Speaker A

Kluczowe stają się tu ścisłe limity budżetowe i mechanizmy wykrywające nietypową aktywność. Skoro temat zagrożeń mamy już za sobą, to pozwólmy sobie na chwilę refleksji. Jeśli chodzi o mnie, to nie mam najmniejszych wątpliwości co do potencjału, jaki niesie za sobą ten obszar wiedzy.

Speaker A

Korzyści są ogromne, choćby tylko dlatego, że dzięki agentom możemy rozwiązywać problemy o złożoności przerastającej możliwości dotychczasowych narzędzi.

Speaker A

Może teraz myślisz sobie: "To dla mnie za trudne, za dużo tego, to nie mój świat"? Jeśli tak, to niech starsi z was przypomną sobie, a młodsi jedynie spróbują sobie wyobrazić, jak skomplikowane zdawały się być zakupy w internecie jeszcze kilkanaście lat temu.

Speaker A

Strach o dane z karty kredytowej, obawa, czy paczka w ogóle dojdzie, trudny kontakt z kurierem to jedne z wielu barier, które przez długi czas powstrzymywały nas przed czymś, co dziś jest dla nas absolutną codziennością.

Speaker A

Jeśli mielibyście zapamiętać tylko jedną rzecz z lekcji wprowadzającej do świata agentów AI, niech to będzie nasza metafora. Automatyzacja to autopilot, a agent AI to kapitan samolotu. Jeden bezrefleksyjnie wykonuje zlecone kroki, drugi autonomicznie i kreatywnie dąży do celu. Zrozumienie tej różnicy to klucz do wykorzystania

Speaker A

potencjału sztucznej inteligencji. Pamiętajcie również, że nie zawsze będziecie potrzebowali agenta do wyzwania, z którym przyjdzie wam się zmierzyć. Często wystarczający może okazać się dobrze zaplanowany asystent AI lub po prostu workflow. To, po co najlepiej sięgnąć, zależy od złożoności waszego problemu.

Speaker A

Warto przy tym pozostać czujnym, bo często zdarza się, że to, co nazywane jest agentem, to po prostu dobrze zaprojektowana automatyzacja wykorzystująca LLM.

Speaker A

Mam nadzieję, że to wprowadzenie pomoże wam w przyszłości z łatwością odróżniać te rozwiązania i właściwie dobierać je do waszych zadań.

Speaker A

A w kolejnych lekcjach przechodzimy do konkretów. Nauczycie się tworzyć pierwsze automatyzacje, wykorzystując proste workflowy lub też zaawansowane agenty AI, tam gdzie zajdzie taka potrzeba. Na koniec mam dla was małe zadanie domowe do przemyślenia, pomyślcie o jednym złożonym i powtarzalnym procesie w waszej pracy, czymś,

Speaker A

co pożera wasz czas. Zdefiniujcie jego cel końcowy. A potem zastanówcie się, czy potrzebujecie tam kapitana, czy może wystarczy solidny, niezawodny autopilot.

Speaker A

A potem zastanówcie się, jakich narzędzi i jakiej wiedzy potrzebowałby kapitan albo autopilot, aby zrealizować ten cel za was.

Speaker A

Dziękuję za uwagę i powodzenia w budowaniu pierwszych automatyzacji w kolejnych lekcjach.

Topics:agenty AIasystenci AIsztuczna inteligencjaautonomia systemówduże modele językoweLLMautomatyzacjaalgorytm ReACTcykl agentowywdrożenie AI

Frequently Asked Questions

Czym różni się agent AI od tradycyjnego narzędzia automatyzacji?

Agent AI to system zorientowany na cel, który sam planuje i adaptuje działania, podczas gdy tradycyjne narzędzia automatyzacji wykonują sztywne, zaprogramowane kroki bez elastyczności.

Czy agenty AI posiadają świadomość?

Nie, agenty AI nie mają świadomości. Ich autonomia wynika z zaawansowanych algorytmów i precyzyjnie zaprojektowanych procesów, a nie z myślenia w ludzkim rozumieniu.

Jakie są kluczowe zasady skutecznego wdrożenia asystentów AI w firmie?

Należy tworzyć precyzyjne instrukcje dla asystenta oraz dbać o aktualność bazy danych, na której asystent bazuje, aby zapewnić trafne i bezpieczne odpowiedzi.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

App Store Google Play

Or transcribe another YouTube video here →