Utbenat: Agens

Inledning

Sebastian:
Föreställ dig att du städar i köket, du har dammsugit och det är dags att skura. Du tar fram en pålitlig skurmopp. Moppen är ett fantastiskt verktyg. Den gör golvet skinande rent och den är mycket bättre än att skura med en trasa på knä. Men moppen har en uppenbar begränsning: Den gör ingenting förrän du håller i skaftet. Du måste bestämma exakt var den ska dras, hur hårt du ska trycka och när du ska byta vatten. Den kräver din konstanta handpåläggning.

Föreställ dig sedan att du köper den allra senaste robotdammsugaren, en med inbyggd skurfunktion. Du står inte och håller i den. Du trycker på en knapp, eller säger "Städa köket". Roboten ritar upp en karta i sitt inre, navigerar runt stolsbenen, doserar vattnet och åker tillbaka till laddaren själv när den är klar. Du gav den ett mål, och den räknade själv ut vägen dit.

Idag ska vi prata om skillnaden mellan moppen och den självkörande städroboten. Vi ska prata om Agens. Det handlar om nästa kliv inom AI, där tekniken går från att vara ett passivt verktyg som väntar på steg-för-steg-instruktioner, till att bli en mer självständig aktör med egen agens som löser uppgifterna vi byggt den för. Men vi ska framförallt prata om vilka krav det här ställer på våra system för att det ska fungera så bra som vi vill.

Från prompt till mål

Sebastian:
Agens, i AI-sammanhang, betyder förmågan att agera självständigt för att nå ett mål. Hittills har AI mest varit som moppen. Vi har gett en specifik instruktion: "Skriv ett utkast till ett mail", och AI:n har skrivit mailet. Sedan har den stannat och väntar på vidare instruktioner.

En AI-agent fungerar annorlunda. Du ger den ett övergripande uppdrag. Du bygger den för att till exempel: "Bevaka ärendehanteringssystemet för supporten och besvara frågorna som förekommer i vår interna FAQ". Agenten läser kontinuerligt inkommande ärenden, känner igen de vanligaste frågorna, letar upp rätt svar i er FAQ, formulerar ett svar till kunden, skickar det och stänger ärendet. Den resonerar, planerar och utför uppgiften i flera steg, helt på egen hand. Fantastiskt!

Värdet i agens: att skala tid

Sebastian:
Värdet av det här är tydligt. När AI går från att vara en medhjälpare i en chatt-ruta till att bli en agent i era system, då kan vi frigöra tid på riktigt. Vi går från att AI hjälper oss att jobba snabbare, till att AI faktiskt hanterar hela uppgifter medan vi fokuserar på mer komplexa uppgifter.

Men det finns en hake. För att agenterna ska kunna göra sitt jobb måste de interagera med era system. De måste in i CRM-systemet, in i ärendehanteringen och in i e-handelsplattformen. Och det är nu vi inser att vi har tillbringat de senaste decennierna med att bygga system anpassade för människor, helt enkelt för att det bara var människor som använde dem.

System byggda för ögon och muspekare

Sebastian:
Vi har byggt våra mjukvaror i stort för att navigeras med ögonen och en muspekare. Vi pratar om "Användarvänlighet" och UX. Det handlar om snygga layouter, tydliga knappar, formulär och menyer som fälls ner. Problemet är att AI-agenter inte har mänskliga ögon. För en maskin är det visuella gränssnittet ofta onödigt brus. En agent vill inte klicka sig fram genom tre olika undermenyer; den vill interagera programmatiskt. Den vill skicka och ta emot ren data direkt från systemets motor.

Vad händer då om ett system saknar den här programmatiska åtkomsten? Det är inte så att agenten absolut inte kan lösa uppgiften. Man kan använda tekniker för att hjälpa AI:n att "läsa" av skärmen och simulera musklick. Men det blir otroligt skört.

Systemet måste då köras på en virtuell dator, eller din laptop, som ritar upp det visuella gränssnittet, vilket kräver mer AI-kraft och gör processen dyrare och långsammare. Värre är att om leverantören gör en uppdatering där en knapp plötsligt flyttas, så riskerar hela processen att fallera. Det går helt enkelt inte särskilt bra att sätta det i en säker, skalbar drift. Om vi bygger våra flöden kring visuella gränssnitt begränsar vi agenternas hastighet, och tillförlitlighet, drastiskt.

Programmatisk åtkomst och tjänsteingången

Sebastian:
Så hur gör vi då? Jo, för att kunna nyttja agens fullt ut måste vi ändra hur vi kravställer och köper in mjukvara. Utöver att fråga hur användarvänligt systemet är, måste vi börja ställa krav på det som kallas programmatisk åtkomst. Vi måste säkerställa att systemen är byggda med ett "API-first"-tänk. Kan en maskin förstå och interagera med det här systemet säkert, utan att behöva låtsas vara en människa som klickar på en skärm?

Tänk er att ni har byggt ett oerhört vackert huvudkontor. Det finns eleganta stukaturer, tunga ekdörrar med stilrena handtag och dämpad belysning. Det är en fantastisk miljö för de anställda. Men en dag bestämmer ni er för att effektivisera servicen och köper in självkörande små robotar som ska leverera kaffe, luncher och kontorsmaterial till mötesrummen. Vad händer? Jo, robotarna kan inte trycka ner dörrhandtagen och öppna dom vackra dörrarna.

Det hjälper inte att uppgradera robotens intelligens. Ni kan såklart köpa mycket dyrare och skörare robotar, men det är lättare att anpassa lokalen. Ni får installera automatiska dörröppnare. Våra IT-system är som den där byggnaden. Vi har byggt vackra miljöer för människor, men när vi vill att agenterna ska börja jobba måste systemen ha egna, programmatiska, vägar in.

Tre frågor att ställa på måndag

Sebastian:
Så här gör ni på måndag. Nästa gång ni sitter i ett möte för att utvärdera ett nytt system, ett nytt verktyg eller en ny plattform, ställ tre sakliga frågor till leverantören eller till er egen IT-avdelning:

• Finns det ett modernt och komplett API? Det vill säga, finns det en dedikerad "tjänsteingång" där program och AI kan utbyta data direkt, utan att behöva gå via det visuella gränssnittet?
• Lagras och exporteras informationen i öppna, standardiserade format, eller ligger datan låst i proprietära, stängda format som vi inte pålitligt kan läsa ur och skriva till?
• Kan arbetet utföras helt programmatiskt, eller tvingar systemet in oss i det visuella gränssnittet?

Börjar ni ställa de här frågorna vid varje inköp, så bygger ni steg för steg en infrastruktur där era AI-agenter kan arbeta driftsäkert och tillföra det värde de har potential att göra.

Summering

Sebastian:
Så, för att återvända till där vi började: Vi håller just nu på att byta ut den manuella skurmoppen mot självkörande robotar i våra verksamheter. Men oavsett hur smart den där nya AI-agenten är, så faller hela poängen om den blir stående framför en tung, stängd ekdörr och inte kommer in i systemen.

Vi måste se till att de där automatiska dörröppnarna finns på plats. Genom att ställa krav på öppna API:er och programmatisk åtkomst redan i inköpsfasen, säkerställer vi att agenterna faktiskt kan utföra sitt jobb. Först då går vi från häftiga AI-experiment på en skärm, till riktig affärsnytta.

Tack för att du lyssnade på dagens avsnitt av Utbenat! Vill du prata mer om dagens ämne eller bara prata data, hör av dig till oss, vi finns på LinkedIN. Eller kontakta oss via vår hemsida, Fiwe.se, med ett dubbel V. Vi hörs, och ta hand om er där ute!

Du har lyssnat på Syntra, en podd från Fiwe.