Twoja AI potrafi rozmawiać. Czy potrafi też wykonać zadanie?

Wyobraź sobie, że zatrudniasz bystrego asystenta do obsługi rezerwacji klientów. Pisze jasno i rozumie potrzeby ludzi. Nadal potrzebuje jednak dostępu do kalendarza, zasad rezerwacji, historii rozmów i osoby, którą zapyta o nietypowe prośby. Bez takiego zaplecza nawet zdolny pracownik miałby trudności. AI potrzebuje podobnego wsparcia. Zrozumienie wiadomości jest tylko częścią zadania.

Model AI interpretuje informacje i tworzy odpowiedź lub proponuje kolejne działanie. Harness to otaczające go oprogramowanie, które realizuje te propozycje: może pobrać dane, wykonać dozwoloną operację, przekazać wynik modelowi i powtarzać ten proces, aż zadanie zostanie ukończone lub będzie potrzebna pomoc. Dokumentacja Cloudflare opisuje ten powtarzający się proces jako podstawę działania harnessu. Możesz też usłyszeć o „agencie AI”: to cały działający system, który wykorzystuje model i harness do realizacji zadania. Harness zwykle jest częścią używanego produktu, więc jego nazwy możesz nigdy nie zobaczyć na przycisku.

Przydatne pytanie brzmi: jakie zadanie cały system potrafi doprowadzić do końca w Twojej firmie?

To przykład objaśniający, a nie opis wdrożenia u klienta. Załóżmy, że firma usługowa pozwala przenosić wizyty na wolne terminy w tej samej cenie. Przy odpowiednich połączeniach i zasadach system AI mógłby obsłużyć prośbę w następujący sposób. Jeśli w piątek dostępnych jest kilka godzin, najpierw pyta klienta o wybór.

• Odnalezienie: Ustalenie właściwego klienta i istniejącej rezerwacji. Przy niejasnym dopasowaniu system prosi o pomoc.

• Sprawdzenie: Odczyt aktualnego kalendarza i zasad zmiany terminów obowiązujących w firmie.

• Działanie: Zmiana rezerwacji po ustaleniu godziny, jeśli operacja jest dozwolona. Wyjątki trafiają do człowieka.

• Potwierdzenie: Sprawdzenie, czy zmiana została zapisana, a następnie wysłanie potwierdzenia i zapisanie przebiegu sprawy.

Dobrze napisana odpowiedź jest przydatna. Prawidłowo zmieniona rezerwacja to wynik, którego potrzebuje klient.

Nie musisz rozumieć kodu, aby ocenić sens takiego rozwiązania. Zapytaj, skąd system bierze fakty, co może robić, co pamięta i jak rozpoznaje koniec zadania. Prace Anthropic nad dłuższymi zadaniami pokazują znaczenie zapisywania postępu i sprawdzania wyników: bez odpowiedniego wsparcia agent może zgubić wątek lub zbyt wcześnie ogłosić sukces.

• Właściwe informacje: Aktualne dane i jasne zasady oraz sposób wykrywania braków i sprzeczności.

• Właściwe narzędzia: Połączenia z systemami, w których odbywa się praca, z dostępem ograniczonym do zadania.

• Zapis postępu: Historia wykonanych czynności, aby po przerwie nie zaczynać ponownie na ślepo.

• Kontrola wyniku: Dowód, że zmiana się powiodła, oraz jasny moment zatrzymania lub zwrócenia się do człowieka.

To wiele mówiące pytanie podczas prezentacji. Jeśli nie ma odpowiedniej godziny, system powinien zaproponować dostępne alternatywy albo przekazać prośbę osobie, która pomoże. Jeśli kalendarz nie działa, powinien zgłosić problem i zapisać, co pozostało do zrobienia. Jeśli wynik zmiany jest niejasny, powinien sprawdzić stan przed ponowną próbą. Inaczej może utworzyć duplikat rezerwacji. Takie zachowanie trzeba zaprojektować i przetestować; samo słowo „harness” go nie gwarantuje.

Wpisanie instrukcji „zawsze pytaj przed zrobieniem wyjątku” nie oznacza jeszcze, że oprogramowanie wymusza tę zasadę.

AI może źle zrozumieć prośbę. Dane mogą być nieprawidłowe. Kontrola może przeoczyć błąd. Harness pomaga zarządzać pracą, ale nie zapewnia nieomylności ani nie ustala zasad firmy za Ciebie. Ktoś musi określić dozwolone zmiany, odpowiedzialność za wyjątki i warunki zakończenia zadania. Ta osoba powinna móc przeglądać działania i wstrzymywać system. Zacznij od zadania, w którym błędy łatwo zauważyć i poprawić.

Wiele produktów AI zawiera już część tego zaplecza. Sprawdź rzeczywiste możliwości produktu i połączenia z Twoimi systemami. Rozwiązanie na zamówienie może mieć sens, jeśli dostępne narzędzia nie odpowiadają potrzebom procesu. Przy zadaniu o zawsze takich samych krokach może wystarczyć zwykła automatyzacja. Anthropic w poradniku tworzenia agentów zaleca zaczynać od najprostszego odpowiedniego rozwiązania. Celem jest odciążenie zespołu, a to można ocenić bez podążania za każdym nowym terminem.

Wybierz codzienną prośbę i prześledź ją do końca. Obserwuj źródła informacji, zmieniane dane i reakcję na brakujące szczegóły. Następnie przeprowadź mały pilotaż i porównaj z obecnym procesem liczbę ukończonych spraw, czas kontroli przez pracowników, błędy i łączny koszt. Uwzględnij trudniejsze przypadki, takie jak zajęty termin lub powtórzona prośba. Zyskasz konkretną podstawę oceny przed przekazaniem większej ilości pracy.

Zapytaj: „Czy możecie pokazać gotowy wynik oraz to, co się dzieje, gdy zadania nie da się ukończyć?”