Minął zaledwie rok od wdrożenia na dużą skalę aplikacji typu ChatGPT opartych na wielkich modelach językowych (LLM), a już można mówić o kolejnym etapie rozwoju generatywnej sztucznej inteligencji. Istniejące aplikacje w większości wymagają interwencji człowieka, która polega na formułowaniu serii podpowiedzi (promptów) i weryfikacji uzyskanych wyników. Natomiast autonomiczni agenci (AA) będą w stanie projektować i automatyzować wiele procesów pracy związanych z realizacją złożonych projektów i samą produkcją. Są bowiem w stanie planować, w jaki sposób wykonywać dane zadanie od początku do końca, systematycznie (iteracyjnie) wysyłając zapytania do aplikacji opartych na LLM poprzez interfejsy API, które umożliwiają taką komunikację. Czynności te mogą być stosowane wielokrotnie w zależności od złożoności zadania i jego celu.
Autonomiczni agenci naśladują więc w dużym stopniu sposób działania ludzi pracujących w zespołach, którzy mają przydzielone konkretne działania służące realizacji biznesowego projektu. Systemy AA będą więc wskazywać innym systemom przedsiębiorstwa, jakie zadania mają wykonać. To z kolei może zasadniczo zmienić sposób działania firmy, umożliwiając jej bardziej całościowe wdrożenie automatyzacji i znaczne obniżenie kosztów pracy - wynika z analizy firmy konsultingowej BCG. Wskazuje ona, że rozwiązania typu AA dysponują potencjałem znacznie wyższym niż funkcjonująca zrobotyzowana automatyzacja procesów (RPA), która opiera się na zaplanowanym przepływie pracy, gdy autonomiczni agenci kreują go w sposób samodzielny. Oznacza to znaczne ograniczenie interwencji człowieka w sposób planowania i realizacji pracy. Twórca ChatGPT, czyli firma OpenAI, dysponuje już niestandardowymi botami, które są dużym krokiem w kierunku takich rozwiązań.
Przykłady działania autonomicznych agentów
Przykładem działań AA mogą być kampanie marketingowe, których znaczna część zostanie zautomatyzowana. Agent analizując wcześniejsze działania firmy w tym zakresie, może ocenić, które z nich były efektywne, a które nie. A to służyć będzie procesowi zarządzania kolejnym projektem. W jego ramach sztuczna inteligencja zaprojektuje: wiadomości e-mail do zdefiniowanych grup odbiorców, wybierze odpowiednie media do przeprowadzenia kampanii, zaplanuje jej harmonogram. Następnie dokona oceny wyników i przedstawi raport dyrektorowi ds. marketingu. Agenci mogą też wykorzystywać istniejące już modele językowe do symulacji ludzkich zachowań, tworząc wirtualne osobowości klientów (tych rzeczywistych wcale nie trzeba będzie pytać o zdanie) do przeprowadzania badań fokusowych związanych na przykład z potrzebami konsumenckimi. Brzmi to jak science-fiction, jednak powoduje istotną oszczędność kosztów marketingu i znaczne skrócenie czasu uzyskania wyników badań. A to oznacza szybsze dotarcie do rzeczywistych klientów z ofertą dopasowanych produktów bądź usług. Podobne symulacje można wykonać w odniesieniu do wielu innych procesów. Takie rozwiązania zwolnią w przedsiębiorstwach zasoby ludzkie i kapitałowe, które mogą być dedykowane do innych zadań.
Rozwiązania oparte na autonomicznych agentach stosowane są już w opiece zdrowotnej. Mogą zapewnić spersonalizowane leczenie pacjentów, oparte natrafniejszych diagnozach. Tak działa Watson for Oncology firmy IBM, który wykorzystuje przetwarzanie języka naturalnego i uczenie maszynowe do analizowania danych pacjentów i generowania dla nich zaleceń dotyczących leczenia. Na podobnych zasadach działa PatientLink, autonomiczny robot wynaleziony przez amerykańską firmę technologiczno-badawczą Mayo Clinic. Autonomiczni agenci poprzez automatyzację wielu powiązanych ze sobą działań przyśpieszają stawianie diagnoz i wdrożenie leczenia, zmniejszając obciążenie personelu medycznego i liczbę błędów medycznych jednocześnie obniżając koszty opieki zdrowotnej.
Rynek autonomicznych agentów
Warto też wspomnieć o prostych ogólnie dostępnych autonomicznych agentach o charakterze open source. Jednym z nich jest AutoGPT udostępniony w marcu ubiegłego roku. Został zaprojektowany tak, aby mógł współpracować z ChatGPT-4 i GPT 3.5. Użytkownicy mogą wprowadzić cel lub zadanie w języku naturalnym, a AutoGPT podzieli je na sekwencje, aby następnie uruchomić nowych agentów do wykonania tych zadań. Może to obejmować utworzenie strony internetowej, tworzenie treści w mediach społecznościowych, e-maili i tekstów marketingowych wraz z tłumaczeniem tekstu. Aby skorzystać z tego rozwiązania, należy posiadać konto OpenAI z możliwością tworzenia kluczy API, które uwierzytelniają użytkownika. Z kolei narzędzie pod nazwą AgentGPT to swego rodzaju generator agentów użytkowych, bo umożliwia tworzenie i wdrażanie autonomicznych agentów AI za pośrednictwem przeglądarki internetowej. Agenci mogą następnie tworzyć i wykonywać zadania podrzędne. Program zapewnia użytkownikom platformę do tworzenia agentów AI, gdzie mogą oni przypisać każdemu nazwę i cel działania, a agenci mogą również pobierać wyniki zadań, aby się na nich uczyć.
Rynek autonomicznych agentów ma bardzo optymistyczne perspektywy rozwoju. Według raportu firmy MarketDigits, wzrośnie z 4,8 miliarda dolarów w 2023 r. do blisko 65 mld na koniec obecnej dekady, co oznacza średnioroczną stopę wzrostu w wysokości 45 procent. Według innych źródeł w 2032 roku wartość rynku przekroczy już 110 mld dolarów. Najszybciej ekspansja tego typu rozwiązań postępowała będzie w USA, w Europie AA dominować będzie w Niemczech, W. Brytanii i Francji, jednak w żadnym z tych krajów wartość rynku w 2030 roku nie przekroczy wartości 5 mld dolarów.
Ograniczenia i wyzwania dla AA
Na razie jednak autonomiczni agenci mają ograniczone zastosowanie ze względu na ryzyko i ograniczenia związane z niezawodnością oraz możliwością złośliwego użycia i rosnącymi konsekwencjami potencjalnych cyberataków, gdyż mogą dotyczyć wielu powiązanych systemów – wskazuje analiza BCG. Firmy muszą się przygotować do ich wdrożenia już dziś, tworząc odpowiednią architekturę danych dla agentów, a to może w zależności od przypadku wymagać nawet kilku lat. Nowa technologia doprowadzi do zmian organizacyjnych i kadrowych, chociażby dlatego, że niektóre stanowiska pracy staną się zbyteczne. To wpłynie na strukturę kosztów i modele biznesowe wielu podmiotów. Dlatego konieczna jest długofalowa strategia rozwoju. Istotną sprawą związaną z wdrożeniami nowych rozwiązań, są kwestie etyczne i społecznej odpowiedzialności biznesu. Stąd pojawiają się coraz głośniejsze postulaty, również w środowisku technologicznym, odnośnie konieczności uzyskania przez firmy swego rodzaju licencji społecznej na stosowanie technologii sztucznej inteligencji od kluczowych interesariuszy, ale także przedstawicieli opinii publicznej. Rośnie prawdopodobieństwo, że kształt i zasady uzyskiwania takich licencji określi prawodawstwo.
Na razie trudno mówić o planach wdrożeń technologii AA w Polsce, tym bardziej, że nasz rynek znajduje się zdecydowanie poniżej globalnego poziomu wykorzystania sztucznej inteligencji – wynika z analizy firmy konsultingowej KPMG. Zaledwie 15 proc. ankietowanych dużych organizacji potwierdziło w naszym kraju w połowie zeszłego roku inwestycje w AI, podczas gdy średnia światowa to około 35 procent. Według badań Ministerstwa Cyfryzacji i Centrum Inteligentnych Technologii Uniwersytetu Łódzkiego sztuczna inteligencja wykorzystywana jest tylko w co czwartej spółce Skarbu Państwa i w 6 proc. firm z sektora MŚP. Rozwój i zastosowania tej technologii stają się istotnym wyzwaniem polskiej gospodarki, gdyż rozwiązania z jej zakresu wraz z cenami energii stają się kluczowymi czynnikami konkurencyjności międzynarodowej.