Hol tart a chat

Amit a napon csináltunk

Körbekérdeztük, ki mire használta az AI-t azon a héten. Öt válasz került a táblára: levélfogalmazás, egy hosszú dokumentum összefoglalása, ötletelés egy hirdetéshez, egy angol szöveg fordítása, egy Excel-képlet.

Aztán megnéztük, mi a közös bennük. Mind az ötben te másoltad ki az eredményt, te vitted át, és te küldted el. A gép beszélt. A munkát te végezted.

Miért nem a modell a szűk keresztmetszet

Kézenfekvő magyarázat volna, hogy a modell nem elég okos. Nem erről van szó.

Ugyanaz a modell, amelyik a chatablakban csak beszél, egy másik felületre kötve számlákat nevez át, naptárba ír, levelet küld. A képesség ugyanaz. A keret más.

Egy chatablak három dolgot nem tud, és egyiket sem azért, mert buta:

Nem indul el magától. Megvárja, hogy odaülj. Ha reggel hétkor érkezik egy ajánlatkérés, az addig áll, amíg meg nem nyitod. A chat mindig reaktív.

Nem lép ki az ablakból. Nem nyitja meg a mappádat, nem olvassa a leveleidet, nem ír a táblázatodba. Amit nem teszel be a beszélgetésbe, arról nem tud; amit kiad, azt neked kell kivinned onnan.

Nem visz végig több lépést. Ha egy feladat öt lépés, ötször kell visszaülnöd. Minden körben megáll és megvárja a következő üzenetedet.

Ez a három nem az AI korlátja. A chatablaké.

Az agent loop — és honnan jön

Ahhoz, hogy valami magától elvégezzen egy feladatot, négy dolog kell, és ez a négy kört alkot.

Érzékelés (perception) — a rendszer észreveszi, hogy történt valami. Megérkezett egy levél, kitöltöttek egy űrlapot, elérkezett egy időpont. Ma ezt a szemed csinálja.

Következtetés (reasoning) — eldönti, mit jelent, amit érzékelt. Ajánlatkérés ez? Ki küldte? Megvan minden adat? Ma ezt a fejed csinálja.

Cselekvés (action) — csinál valamit a világban. Ajánlattervezetet ír, bejegyzést hoz létre, visszaigazolást küld. Ma ezt a kezed csinálja.

Visszacsatolás (feedback) — megnézi, mi lett belőle. Sikerült? Hibára futott? Kell hozzá ember? És ha kell, kezdi elölről.

Ez a felosztás nem a mi találmányunk. A mai ügynök-hurok kanonikus alakját a ReAct nevű kutatás írta le 2022-ben, ahol a lépések gondolat → cselekvés → megfigyelés sorrendben váltakoznak. A szakirodalom néha öt szakaszra bontja: a tervezést külön lépésként kezeli. A négyes felosztás ennek egy elterjedt, egyszerűbb változata.

Egy fontos megkülönböztetés ebből: van olyan rendszer, amelyik magának tervezi meg a lépéseket is. Mi ma nem ilyet építünk. A mi folyamatunk lépéseit előre eldöntjük — ez teszi kiszámíthatóvá, és ez különbözteti meg a látványos, de megjósolhatatlan bemutatóktól.

Amit a négy komponens megmutat

komponens	tudja a chat?
érzékelés	nem — te veszed észre és te másolod be
következtetés	igen — ez az, amiben jó
cselekvés	nem — te viszed ki az eredményt
visszacsatolás	nem — te nézed meg, jó lett-e

Négyből egyet. A nap arról szólt, hogy a másik hármat is átadjuk — de csak ott, ahol ez felelősen megtehető.

Ügynöki mód és automatizálás

Az automatizálás azt csinálja, amit előre megmondtál. Az ügynöki mód azt csinálja, amit a helyzet kíván.

Az automatizálás egy szabály: ha beérkezik egy űrlap, küldj visszaigazolást. Mindig ugyanaz történik, ugyanabban a sorrendben. Kiszámítható — és ez az erénye: ha ma lefutott, holnap is ugyanúgy fog.

Az ügynöki mód mérlegel: olvasd el ezt a levelet, és döntsd el, mi a teendő. Rugalmas, mert olyan helyzetet is kezel, amire nem gondoltál előre. És pont ezért nem megbízható ugyanúgy: ugyanarra a bemenetre nem feltétlenül ugyanazt adja.

Nem kell választani köztük. A használható rendszer mindkettőt tartalmazza:

• a vázat szabályokból építed, mert az mindig ugyanúgy fut,
• AI csak oda kerül, ahol tényleg értelmezni kell valamit.

A nap sorrendje is ez volt: előbb a váz, aztán az értelem. Aki fordítva csinálja, annak látványos demója lesz és megbízhatatlan rendszere.

Az eszközhasználat

Egy modell attól lesz igazán hasznos, hogy hozzáfér valamihez. Ugyanaz a modell, ami csak beszél, egy naptárhoz kötve időpontot foglal, egy fájlrendszerhez kötve dokumentumot keres.

Nem okosabb lett. Keze lett. Erről szól a negyedik lecke.

Próbáld ki magad

Vedd elő az egyik visszatérő feladatodat — olyat, amit hetente legalább egyszer csinálsz —, és bontsd szét a négy komponensre. Mind a négyhez írd oda, most ki csinálja: te vagy a gép.

Utána nézd meg, hol van a legtöbb „te”. Ott nyernél a legtöbbet, és a következő lecke ezzel kezd.

Ez a feladat nem véletlenül ez: minden automatizálási képzés ezzel indul, mert ez az egyetlen lépés, ami eszköz nélkül is elvégezhető, és ami nélkül a többi nem ér semmit.

Ha elakadsz

„Nálam minden lépés érzékelés és cselekvés is.” A lépés túl nagy. Bontsd tovább: egy komponens egy dolgot csinál. Ha kettőt csinál, az két lépés.

„A következtetést nem tudom elválasztani a cselekvéstől.” Tedd fel így: mi az a pillanat, amikor már tudod, mit kell tenni, de még nem tetted meg? Ott a határ.

„Ez elméletnek tűnik.” Az is. De ha ez a négy fogalom nincs meg, a következő leckékben az eszköz fogja megmondani, mit gondolsz lehetségesnek — és az eszköz mindig kevesebbet enged, mint amennyi lehetséges.