Prieš kokius porą metų žodis „agentas” IT kontekste reiškė nebent slaptą programišių terminą arba veikėją iš filmo. Dabar kiekvienas antras straipsnis apie dirbtinį intelektą mini AI agentus, ir dažnas žmogus jau pavargo bandyti suprasti, kuo jie skiriasi nuo paprasto ChatGPT lango. Tiesa ta, kad skirtumas yra didelis, ir būtent jis lemia, kodėl 2024-2025 metais tiek daug kalbama apie automatizaciją, kuri realiai atlaisvina laiką, o ne tik „pagelbėja parašyti tekstą”.
Šitame straipsnyje nekalbėsiu apie futuristines vizijas, kur robotas tvarko visą jūsų gyvenimą. Kalbėsiu apie tai, kas jau šiandien veikia – nuo laiškų filtravimo iki sąskaitų apdorojimo, ir kaip tuo pradėti naudotis nesant programuotoju.
Kuo AI agentas skiriasi nuo paprasto pokalbių roboto
Kai rašote ChatGPT ar Claude ir prašote parašyti el. laišką, jūs gaunate tekstą. Jūs vis tiek turite jį nukopijuoti, įklijuoti į savo pašto klientą, nusiųsti, o tada laukti atsakymo ir vėl viską daryti rankomis. Tai yra asistentas, kuris atsako – bet nieko nedaro už jus realiame pasaulyje.
AI agentas veikia kitaip. Jam duodate tikslą (pavyzdžiui, „kiekvieną pirmadienį patikrink, kokie klientai neatsakė į pasiūlymą prieš savaitę, ir išsiųsk jiems priminimą”), o agentas pats nusprendžia, kokius žingsnius reikia atlikti: prisijungia prie CRM, patikrina duomenis, suformuluoja tekstą, nusiunčia laišką ir net užregistruoja veiksmą sistemoje. Jis gali naudoti kelis įrankius iš eilės, priimti sprendimus tarp žingsnių ir veikti be nuolatinio žmogaus stebėjimo.
Paprasčiau tariant – chatbot atsako į klausimus, agentas atlieka darbus. Ir būtent šitas skirtumas šiandien keičia tai, kaip įmonės (ir pavieniai žmonės) žiūri į kasdienių, pasikartojančių užduočių automatizavimą.
Kur tai realiai pravartu kasdienybėje
Nereikia turėti IT kompanijos, kad AI agentai būtų naudingi. Va keletas situacijų, kur jie jau naudojami masiškai:
- El. pašto tvarkymas – agentas skaito gaunamus laiškus, klasifikuoja pagal svarbą, atsako į standartinius klausimus, o svarbius perduoda žmogui su santrauka.
- Sąskaitų ir dokumentų apdorojimas – nuskaitomas PDF failas, ištraukiami duomenys, automatiškai įvedami į buhalterinę sistemą, palyginami su sutartimi.
- Klientų aptarnavimas – agentas ne tik atsako į DUK klausimus, bet ir tikrina užsakymo statusą, sugeneruoja grąžinimo kodą, atnaujina bilietą sistemoje.
- Turinio ir socialinių tinklų valdymas – nuo idėjos iki paruošto įrašo su paveikslėliu ir suplanuota publikacija, be žmogaus įsikišimo kiekviename etape.
- Duomenų rinkimas ir analizė – agentas kasdien apeina keletą svetainių, surenka kainas ar naujienas, suformuoja santrauką ir atsiunčia ją ryte kaip ataskaitą.
Įdomu tai, kad dauguma šitų scenarijų nereikalauja jokio programavimo – tik teisingai sukonfigūruoto įrankio ir aiškiai suformuluotos instrukcijos.
Įrankiai, kurie jau veikia be didelio vargo
Rinka šiuo metu pilna variantų, ir lengva pasimesti. Trumpai apie tuos, kurie realiai naudojami ir turi normalią bendruomenę bei dokumentaciją:
Zapier AI ir Zapier Agents – jei jau naudojate Zapier automatizacijoms tarp aplikacijų, jų naujesni AI agentai leidžia pridėti „protingą” sprendimų priėmimo sluoksnį prie įprastų automatizacijų. Puikiai tinka pradedantiesiems, nes viskas daroma vizualiai, be kodo.
Make (buvęs Integromat) – panašus principas kaip Zapier, bet lankstesnis ir pigesnis sudėtingesniems scenarijams. Čia galima sukurti tikrai išraiškingas automatizacijų grandines su AI moduliais.
n8n – atviro kodo alternatyva, kurią galima susidiegti pačiam serveryje. Reikalauja šiek tiek daugiau techninių žinių, bet už tai duoda pilną kontrolę ir dažnai kainuoja mažiau ilgalaikėje perspektyvoje.
GPT ir Claude su „custom” instrukcijomis bei API prieiga – jei norite kurti agentą specifinei užduočiai (pvz., savo verslo procesui), OpenAI ir Anthropic siūlo įrankius, leidžiančius sukurti agentą, kuris turi prieigą prie jūsų dokumentų, kalendoriaus ar CRM.
Microsoft Copilot Studio – jei jūsų organizacija jau naudoja Microsoft 365, šis sprendimas leidžia integruoti agentus tiesiai į Outlook, Teams ir SharePoint be papildomų mokėjimų už atskiras licencijas.
Kaip pradėti, jei niekada to nedarėte
Didžiausia klaida, kurią žmonės daro pradėdami – jie bando iš karto automatizuoti visą procesą. Rezultatas – sugadinta sistema ir nusivylimas. Geriau eiti mažais žingsniais.
Pirmiausia, išsirinkite vieną pasikartojančią užduotį, kuri užima nemažai laiko, bet yra pakankamai paprasta ir nuspėjama. Pavyzdžiui, savaitinės ataskaitos surinkimas iš kelių šaltinių arba standartinių klientų užklausų atsakymas.
Antra, aprašykite procesą žodžiu, tarsi mokytumėte naują darbuotoją. Kokie žingsniai, kokie sprendimai priimami, kur ieškoti informacijos. Kuo aiškiau suformuluosite, tuo geriau agentas veiks – neaiškios instrukcijos duoda neaiškius rezultatus.
Trečia, pasirinkite įrankį pagal savo technines galimybes. Jei niekada nesate kodavę – pradėkite nuo Zapier ar Make su jų šablonais. Jei turite bent minimalius IT įgūdžius – n8n duos daugiau laisvės.
Ketvirta, testuokite mažoje aplinkoje. Nepaleiskite agento tiesiai į realius klientų laiškus pirmą dieną. Leiskite jam veikti „šešėlio režimu” – stebėkite, ką jis darytų, bet patys dar tvirtinkite kiekvieną veiksmą.
Kur slypi rizikos ir kada verta sustoti
AI agentai nėra stebuklinga lazdelė, ir čia verta būti sąžiningam. Yra keletas dalykų, kurie dažnai nutinka blogai, jei prie jų neprisiruošiama.
Pirma – haliucinacijos. Agentas gali „sugalvoti” duomenis, kurių iš tikrųjų nėra, ypač jei jam trūksta konteksto. Jei agentas siunčia laiškus klientams jūsų vardu, verta bent pradiniame etape turėti peržiūros žingsnį.
Antra – prieigos teisės. Kai duodate agentui prieigą prie el. pašto, kalendoriaus ar buhalterinės sistemos, jūs iš esmės duodate jam raktus nuo dalies savo skaitmeninio gyvenimo. Verta apriboti prieigą tik prie to, kas būtina, ir reguliariai tikrinti, ką agentas iš tikrųjų daro.
Trečia – kaštai gali pribloškti. Jei agentas naudoja API skambučius kiekvienam žingsniui ir veikia dažnai, sąskaita gale mėnesio gali nustebinti. Verta nustatyti biudžeto limitus iš anksto, ypač eksperimentavimo etape.
Ir ketvirta – žmogiškas faktorius. Klientai vis dar dažnai jaučia, kai bendrauja su automatizuota sistema, net jei ji labai gerai suformuluota. Verta būti skaidriems, kur tai svarbu, ir palikti aiškų kelią susisiekti su tikru žmogumi.
Vietoj išvadų: ką iš tikrųjų verta pasiimti sau
Jei po viso šito lieka vienas klausimas – nuo ko pradėti rytoj – atsakymas paprastas: neieškokite tobulo sprendimo, ieškokite vienos konkrečios skausmo vietos savo darbo dienoje. Gal tai valandą trunkantis laiškų tvarkymas ryte, gal savaitinė ataskaita, kurią visada darote paskutinę minutę. Automatizuokite būtent tą vieną dalyką, pamatykite rezultatą, ir tada plėskite toliau.
AI agentai šiuo metu yra tame etape, kai jie jau realiai veikia, bet dar reikalauja žmogaus priežiūros – tai nėra „įjunk ir pamiršk” technologija, greičiau naujas darbuotojas, kurį reikia apmokyti ir kurio darbą reikia pradžioje pastoviai tikrinti. Kas investuoja tą laiką dabar, po metų ar dviejų turės aiškų pranašumą – ne todėl, kad turės „AI”, o todėl, kad jų procesai bus švaresni, greitesni ir mažiau priklausys nuo to, ar kas nors nepamirš atlikti rutininio darbo.
Ir paskutinis patarimas, kurį verta įsidėmėti: geriausi rezultatai gaunami ne iš sudėtingiausių sistemų, o iš aiškiausiai apibrėžtų procesų. Prieš ieškant idealaus įrankio, verta pačiam suprasti, ką tiksliai norite automatizuoti – nes agentas gali būti tik toks protingas, kokia yra jam duota instrukcija.
