Chirag Shah (Uniwersytet Waszyngtoński) - wywiad na temat agentów sztucznej inteligencji

Czy agenci AI to chwilowa moda, czy przyszłość biznesu? Przedstawiciel Mecaluxu rozmawiał z Chiragiem Shahem – profesorem informatyki i uznanym ekspertem ds. sztucznej inteligencji – o tym, jak agenci AI redefiniują nasze codzienne życie, zmieniają sposób pracy w firmach i otwierają nowy rozdział w relacjach między ludźmi a technologią.

• Czym właściwie są agenci AI?

  Agenci AI nie są nowym konceptem – są częścią sztucznej inteligencji od początku. Zasadniczo, agent to każda jednostka (cyfrowa lub sprzętowa), która potrafi samodzielnie zbierać informacje i podejmować działania. Początkowo agenci byli kojarzeni z robotyką – maszynami, które mogły działać w świecie rzeczywistym bez ciągłych instrukcji od człowieka.

  Dziś mówimy głównie o agentach programowych, ale zasada działania pozostaje ta sama: systemy podejmują decyzje i przystępują do wykonania określonych czynności w naszym imieniu. Termostat, przykładowo, to agent, który sam decyduje, kiedy włączyć ogrzewanie lub klimatyzację. Autonomiczny samochód to również agent – choć znacznie bardziej złożony.

• Co napędza obecny rozwój agentów AI?

  Ich renesans zawdzięczamy tzw. modelom fundamentalnym (foundation models). W przeciwieństwie do poprzednich rozwiązań, takich jak Siri czy Alexa, ograniczonych do bardzo konkretnych zadań, nowi agenci wykorzystują modele językowe, systemy wizji komputerowej i narzędzia multimodalne.

  Co więcej, nie polegają wyłącznie na własnych możliwościach, potrafią również korzystać z zewnętrznych źródeł. Jeśli nie potrafią czegoś obliczyć – użyją kalkulatora; jeśli nie znają aktualnych cen akcji – przeszukają Internet. Niektóre potrafią nawet napisać kod, by rozwiązać dany problem. Ponadto, modele fundamentalne czynią spore postępy w zakresie rozumowania i łączenia faktów, dzięki czemu są o wiele bardziej kompetentne i przydatne niż wcześniejsze generacje.

• Czy są już gotowi do bardziej złożonych zadań?

  Zdecydowanie tak. Nowoczesne frameworki, takie jak AutoGen czy LangChain, umożliwiają agentom współpracę między sobą. Już dziś istnieją systemy wieloagentowe, które radzą sobie z problemami zbyt skomplikowanymi dla pojedynczego systemu.

  Jednak przy każdej nowo opracowanej generacji agentów pojawia się przekonanie: „tym razem to rozwiązanie kompletne” – aż do momentu, gdy pojawią się ograniczenia. Dzisiejsze autonomiczne programy nie są wolne od wad, dlatego napisałem artykuł Agents are not enough – by przypomnieć, że sama moc systemu to za mało.

• Co z personalizacją i prywatnością?

  

  W poprzednich generacjach agenci ograniczali się do prostych funkcji – prezentowania pogody, odtwarzania muzyki czy włączania świateł. To nie wystarczało, by użytkownicy chcieli ich używać, a tym bardziej za nie płacić. Prawdziwa wartość pojawia się, gdy agent podejmuje złożone działania w sposób spersonalizowany i proaktywny. Na przykład, jeśli poprosisz agenta o rezerwację podróży z Barcelony do Tuluzy, zaawansowany program nie tylko zaproponuje loty – może też zasugerować przejazd pociągiem, przewidując twoje preferencje.

  Ale tu pojawia się problem prywatności. Aby działać skutecznie, zaawansowany agent może potrzebować dostępu do wrażliwych danych: historii zdrowia, finansów czy nawyków. Jeśli takie informacje zostaną przekazane „publicznym” agentom, zaufanie użytkownika może zostać nadszarpnięte.

  W moich badaniach proponuję model dwupoziomowy z dwoma typami agentów: publiczny i prywatny. Ten drugi należy wyłącznie do użytkownika i nie służy żadnym celom komercyjnym. Opiera się na koncepcji sims — reprezentacjach różnych aspektów życia użytkownika (praca, zdrowie, finanse, zwyczaje dnia codziennego itd.). Dzięki temu może realizować zadania w sposób spersonalizowany, nie naruszając prywatności i przekazywać zadania agentowi publicznemu wyłącznie za zgodą użytkownika. Prywatny asystent nie musi zadawać mnóstwa pytań pomocniczych, ponieważ poznał już preferencje użytkownika w dostatecznie dobrym stopniu. Rezultatem posiadanej wiedzy są działania bardziej ukierunkowane a rekomendacje bardziej dopasowane i mniej podatne na błędy niż te generowane przez agentów publicznych.

• Czym różnią się agenci programowi od robotycznych?

  Kiedy byłem studentem, definicja agenta zarezerwowana była wyłącznie dla robota – fizycznej maszyny z czujnikami, która podejmowała decyzje na podstawie sygnałów z otoczenia. Dziś większość użytkowników korzysta z agentów programowych: asystentów zakupów, chatbotów czy narzędzi do zwiększania produktywności.

  Granice się jednak zacierają. W fabrykach roboty już dziś funkcjonują jako agenci. Docelowo, fakt czy zadanie zostanie wykonane przez robota fizycznego czy narzędzie cyfrowe nie będzie miało większego znaczenia – odbiorca po prostu zleci realizację zadania, a odpowiedni agent (czy fizyczny, czy cyfrowy) podejmie niezbędne czynności.

  Najbardziej obiecującą opcją jest współpraca człowieka ze sztuczną inteligencją

• Jak agenci zmienią sposób pracy i współpracy ludzi z AI?

  Nie wierzę w scenariusz, w którym AI całkowicie zastępuje ludzi – ani nie jest to realistyczne, ani pożądane. Z drugiej strony nie powinniśmy też odrzucać agentów. Najbardziej obiecującą opcją jest współpraca człowieka ze sztuczną inteligencją.

  Weźmy przykład medycyny: w złożonych przypadkach zespół lekarzy różnych specjalizacji pracuje razem nad diagnozą. W przyszłości do takiego zespołu dołączą agenci AI, wyspecjalizowani w określonych dziedzinach, którzy przyspieszą analizę i zwiększą jej precyzję. Lekarze natomiast, wniosą do tej relacji pierwiastek ludzki – ocenę sytuacji, empatię i odpowiedzialność. W rezultacie, procesy diagnostyczne ulegną diametralnej poprawie.

  To właśnie współpraca rozszerzona (augmented collaboration). Agenci nie powinni odbierać ludziom kontroli — szczególnie w dziedzinach, w których błędy mają poważne konsekwencje (np. medycyna, transport). Zamiast tego mogą wzmacniać ludzkie możliwości.

  

• Firmy testują agentów AI w logistyce i łańcuchach dostaw. Czy agenci mogą podejmować decyzje wpływające na zyski?

  Agenci wyróżniają się skalą i szybkością działania – analizują ogromne zbiory danych i podejmują decyzje błyskawicznie. Ale wydajność to nie wszystko. Na linii produkcyjnej automatyzacja jest niezbędna - przyspiesza procesy i obniża koszty, lecz człowiek nadal jest potrzebny, by zaprojektować system, nadzorować jakość oraz zapewnić kontrolę i odpowiedzialność.

  Agenci mogą przyspieszać procesy, ale odpowiedzialność zawsze spoczywa na podmiocie gospodarczym. Nie można klientowi czy inspektorowi powiedzieć: „To decyzja agenta”. Firma odpowiada za wynik – niezależnie od tego, czy decyzję podjął człowiek czy sztuczna inteligencja.

• Badacze eksperymentują już z agentami w łańcuchach dostaw. Kiedy Pana zdaniem zobaczymy sztuczną inteligencję negocjującą w imieniu firm?

  To już się dzieje w niektórych sektorach. W reklamie negocjacje odbywają się w ułamkach sekundy. Procesy zakupu i sprzedaży reklam są zbyt złożone dla człowieka — decyzje zatem już od dłuższego czasu podejmowane były przez systemy informatyczne, choć może nie nazywano ich wówczas „agentami”. Analogiczna sytuacja ma miejsce na giełdach — transakcje realizowane są przez agentów z prędkością nieosiągalną dla ludzi.

  Choć brzmi to jak scenariusz science fiction, w przyszłości każda firma będzie posiadać własnego agenta AI, który będzie negocjował w jej imieniu z cyfrowym przedstawicielem drugiej strony. W pewnym zakresie zjawisko to obserwujemy już dziś. Technologia umożliwia przyspieszenie negocjacji zawierających ogrom zmiennych, AI bowiem potrafi analizować setki danych w czasie rzeczywistym – umiejętność ta jest nieosiągalna dla człowieka.

• Czy inne branże, tak jak logistyka, też korzystają z agentów i digital twins?

  

  Oczywiście. W finansach, handlu czy medycynie technologie te funkcjonują od lat, choć nikt nie używał wówczas pojęć „agent” czy „digital twin”, ale spełniały tę rolę. Inżynierowie nie zastanawiali się nad nazewnictwem, po prostu tworzyli systemy, które działały.

  Finanse są świetnym przykładem — większość transakcji realizują agenci, czyli autonomiczne systemy, które bazują na zrozumiałych, audytowalnych i skalowalnych regułach — co kluczowe w tak regulowanym sektorze. W medycynie AI wspiera lekarzy w analizie wyników czy notatkach, ale odpowiedzialność pozostaje po stronie człowieka. W handlu detalicznym dynamiczne ustalanie cen, w zależności od zapotrzebowania i dostępności (np. Uber, DoorDash), również odbywa się z udziałem agentów – człowiek nie dokonuje obliczeń, lecz tylko nadzoruje cały proces. Łańcuchy dostaw również mogą czerpać z tej technologii. Kluczem jest uczenie się na sukcesach i błędach innych branż.

• Jaką radę dałby Pan liderom biznesu rozważającym wdrożenie AI?

  Mimo że badam i doradzam w zakresie agentów AI, często zaczynam od pytania: „Czy na pewno ich potrzebujecie?”. Widziałem wiele firm, które wdrożyły AI z błędnych powodów. Decydenci myśleli, „inni wprowadzili, my też powinniśmy” – później wielu z nich żałowało tej decyzji. Projekty bowiem okazywały się nieskuteczne lub zbyt drogie.

  Ostatecznie najistotniejsze jest rozwiązywanie problemów, przynoszenie wartości klientom i zgodność z przepisami. Moja rada jest prosta: skoncentruj się na problemie, który chcesz rozwiązać. Nie zaczynaj od narzędzia, tylko od celu. Skoncentruj się na swoim biznesie i znajdź rozwiązania pasujące do Twoich potrzeb. Na dłuższą metę podejście to przyniesie lepsze rezultaty niż podążanie za modą.