Mi az az AI agent, és miben más, mint egy AI workflow?

Mi az az AI agent, és miben más, mint egy AI workflow?

Az „AI agent” kifejezés mostanra ugyanolyan gyakran előkerül, mint korábban az „AI workflow”, és a legtöbb helyen ugyanúgy összemosódik a jelentése. Pedig a kettő között ugyanolyan éles határvonal húzható, mint a hagyományos automatizmus és a workflow között, amiről korábbi cikkünkben írtunk.

Ott azt mutattuk meg, hogy egy AI workflow-nál a lépések sorrendje rögzített, csak az egyes lépéseken belüli felismerést végzi az AI. Az AI agent egy szinttel feljebb lép: nem a lépéseket rögzítjük, hanem a célt és az eszközöket, a sorrendet és az ismétlések számát pedig a rendszer maga dönti el, amíg el nem éri a célt.

Gyors visszatekintés: mi az az AI workflow?

Idézzük fel dióhéjban, mert erre az alapra építünk. Egy AI workflow-nál előre megrajzolt lépéssor fut le: olvasd el az üzenetet, sorold be, nyerd ki belőle az adatokat, hozd létre a leadet, írd meg a válasz piszkozatát. A sorrend fix, csak az egyes pontokon, például a besorolásnál dönt az AI a nyelv értelmezése alapján. Ha ezt a részt még nem olvastad, érdemes előbb azt átnézni, utána sokkal egyszerűbb lesz követni, mi változik egy agentnél.

Mi az az AI agent?

Az AI agent, magyarul AI ügynök, más logika szerint dolgozik. Nem egy előre megírt lépéssort kap, hanem egy célt és egy eszközkészletet. Onnantól a rendszer maga dönti el, milyen sorrendben és hányszor használja az eszközöket, amíg el nem éri a célt, vagy amíg el nem éri az előre ráadott korlátot, például a lépések maximális számát vagy egy időkeretet.

A gyakorlatban ez azt jelenti, hogy nem te írod le, pontosan mi történjen minden egyes esetben. Azt határozod meg, mi számít sikernek, milyen eszközökhöz férhet hozzá az AI, és hol a határ, ameddig önállóan elmehet. A többit a rendszer oldja meg, a saját belátása szerint, a kapott kereteken belül.

Ugyanaz a helyzet, egy lépéssel tovább

Vegyük ugyanazt a kapcsolatfelvételi példát, mint az előző cikkben, csak vigyük tovább egy lépéssel. A workflow már besorolta a beérkező üzenetet, létrehozta a leadet a CRM-ben, és megírta a válasz piszkozatát. Ez eddig egy fix lépéssor volt, a workflow feladata itt véget is ér.

Egy lead-kutató AI agent innen veheti át a munkát, más céllal: „derítsd ki, érdemes-e komolyan foglalkozni ezzel a leaddel, és készíts elő mindent egy kollégának, mielőtt felveszi vele a kapcsolatot”. Az eszközei: rákeresés a cég nevére a weboldalán, korábbi kapcsolat ellenőrzése a CRM-ben, iparági háttér gyűjtése, jegyzet összeállítása a kollégának.

Az agent maga dönti el, mihez kezd ezekkel az eszközökkel. Ha az első keresés kevés információt ad, rákeres másképp is. Ha talál egy korábbi ajánlatot a CRM-ben, azt is bevonja a jegyzetbe. Ha a cég neve túl általános, és nem talál rá biztosan, jelzi, hogy bizonytalan az azonosítás, ahelyett hogy kitalált adatokat írna be. Nem azt hajtja végre, amit előre, lépésről lépésre megírtunk neki, hanem azt, amit a cél elérése éppen megkövetel.

Mi nem AI agent, még ha annak hívják is

Van itt egy hasonló félreértés, mint a workflow-nál. Ha egy rendszer mindig ugyanazt a három lépést futtatja le egymás után, és csak annyi „intelligencia” van benne, hogy egy hiba esetén visszalép egyet és újrapróbálja, az még nem agent. A sorrend és az ismétlésszám ugyanis ilyenkor kódban van rögzítve, nem az AI dönti el menet közben.

A valódi különbségtétel az, hogy ki dönt arról, mi történjen ezután. Ha ezt egy fejlesztő előre eldöntötte, és beleírta a kódba, workflow-ról van szó, még akkor is, ha bonyolult és sok elágazást tartalmaz. Ha ezt menet közben maga a rendszer dönti el a cél és a rendelkezésére álló eszközök alapján, az valódi agent.

AI workflow vagy AI agent, a különbség egy táblázatban

Hogyan néz ki ez a gyakorlatban a Lionernél?

Nálunk mindkét logika egyszerre él, attól függően, mit kell megoldani. A beérkező megkeresések feldolgozása workflow, fix lépéssorral, ahogy az előző cikkben írtuk. A két AI munkatársunk viszont már agent-elven működik.

Nora, a marketing-elemző AI munkatársunk célt kap, hogy nézze át a kezelt fiókok teljesítményét, és jelezze, ha van tennivaló, nem egy fix lekérdezés-listát. Ő maga dönti el, hogy a Google Ads, az Analytics vagy a Search Console adatait nézi-e meg először, mikor kell egy kiugró értéket egy második lekérdezéssel is megvizsgálnia, és mikor van már elég információja ahhoz, hogy konkrét javaslatot fogalmazzon meg egy kampányra.

Leo, a fejlesztő AI munkatársunk hasonlóan dolgozik egy hibajegy feldolgozásakor. Nem egy előre megírt lépéssort követ végig, hanem célt kap: oldja meg a bejelentett hibát. Ő dönti el, hány fájlt nyisson meg, hányszor futtassa le a teszteket, és mikor jelentse, hogy kész a javítás, mindezt szigorú biztonsági korlátok között, amiket mi határoztunk meg neki előre.

A közös pont a kettőjükben: mi rögzítjük a célt és a korlátokat, nem a lépéseket. Ez a lényege annak, hogy agentnek nevezzük őket, és nem workflow-nak.

Mikor elég a workflow, és mikor kell agent?

Ez a legfontosabb kérdés, és a válasz a legtöbb esetben: nem kell agent. Ha egy folyamatnak véges, jól ismert kimenetei vannak, egy workflow olcsóbb, gyorsabban bevezethető, és sokkal kiszámíthatóbb. A kapcsolatfelvétel besorolása, egy számla adatainak kinyerése, egy visszaigazoló e-mail személyre szabása mind ilyen feladat: néhány jól meghatározható kimenet, amit egy workflow tökéletesen lefed, agent nélkül is.

Agent ott éri meg, ahol a feladat elvégzéséhez szükséges lépések száma és sorrendje előre nem tervezhető meg, mert az attól függ, mit talál a rendszer útközben. Egy piaci háttérkutatás, egy hiba felderítése több rendszeren keresztül, vagy egy lead minősítése több különböző adatforrásból: ezeknél nem lehet előre megmondani, hány lépés kell hozzá, és milyen sorrendben.

Van egy egyszerű ökölszabály is. Ha le tudod rajzolni egy folyamatábrán, hogy mi történik minden egyes esetben, az workflow-feladat. Ha csak azt tudod pontosan megfogalmazni, mi a cél és mikor számít késznek a munka, az valószínűleg agent-feladat.

Mit jelent ez neked vezetőként?

Az agent nem „jobb” workflow, hanem más eszköz, más problémára. Egy agent bevezetése több tesztelést, szigorúbb korlátokat és folyamatos ellenőrzést igényel, mert kevésbé kiszámítható, mint egy workflow, és minden egyes futása több AI-hívásba, tehát több költségbe kerül. Ezt csak ott érdemes vállalni, ahol a hagyományos megoldás tényleg nem tudja lefedni a feladat változatosságát.

A gyakorlati tanács: ne azzal kezdd, hogy „kell nekünk egy AI agent”, hanem azzal, hogy pontosan megfogalmazod, mi a cél, milyen eszközökre van szükség hozzá, és hol a határ, ameddig a rendszer önállóan mehet. Ha ezt a hármat nem tudod pontosan megmondani, még nem állsz készen az agent bevezetésére, és valószínűleg egy workflow is megoldja a feladatot, olcsóbban.

Az is fontos, hogy egy agent kimenetét ugyanúgy érdemes emberi ellenőrzés alá tenni, mint egy workflow-ét, legalábbis addig, amíg meg nem bizonyosodsz róla, hogy megbízhatóan hozza a jó döntéseket a megadott korlátok között. Az agent nem azért van, hogy kivegye az embert a folyamatból, hanem hogy a rutinszerű, sok lépésből álló munkát vegye le róla.

Összegzés

A workflow és az agent között a különbség nem a technológia korszerűsége, hanem az, hogy ki dönt a lépések sorrendjéről és számáról. A workflow-nál ezt előre rögzítjük. Az agentnél a célt és a korlátokat rögzítjük, a sorrendet és az ismétlést a rendszer dönti el útközben, a kapott eszközökkel.

A legtöbb KKV-feladathoz elég egy jól megtervezett workflow: olcsóbb, gyorsabban bevezethető, kiszámíthatóbb. Agentet ott érdemes építeni, ahol a feladat változatossága miatt nem lehet előre végigtervezni minden lépést, csak a célt és a kereteket lehet pontosan rögzíteni.

Ha nem vagy biztos benne, hogy a te folyamatodhoz workflow vagy agent illik-e jobban, kérj egy ingyenes konzultációt. Az ERP és CRM rendszer fejlesztés szolgáltatásunk keretében mindkettőt építjük ügyfeleinknek, attól függően, mit igényel valójában a folyamatod.