Om man ser tillbaka på hur snabbt AI har utvecklats och spridits, kan man ana vilka utvecklingssteg som fortfarande är möjliga. Den nuvarande utvecklingsfasen markerar AI-agentssystemens ankomst. Först nu kan AI:s fulla potential utnyttjas, med flera högspecialiserade agenter som samarbetar.
Vad ligger bakom dessa AI-agenter?
AI-agenter kan hantera en rad specialiserade uppgifter och kommer att bli skickliga inom områden som forskning, kunddataanalys, content marketing, journey management och varumärkesstrategi. För att förstå vad som gör det möjligt för dem att utföra sina respektive uppgifter är det nödvändigt att granska deras struktur. AI-agenter består av tre komponenter: en prompt, en modell och en uppsättning verktyg de kan använda.
Prompten definierar agentens uppdrag. I enlighet med denna roll förlitar sig agenten på en specifik AI-modell och får tillgång till specifika verktyg för att hjälpa den att utföra uppgiften. En AI-agent kan till exempel tilldelas rollen som forskningsspecialist. Agenten använder då ChatGPT 3.5 Turbo som sin modell och får tillgång till en webbsökningsfunktion och ett scraping-program. Detta gör det möjligt för agenten att självständigt söka efter bakgrundsinformation om specifika ämnen. Den använder sökfunktionen, utvärderar resultaten, laddar ner webbplatsinnehåll och bearbetar det. På så sätt genererar agenten ny kunskap och skapar ett dossier baserat på denna.
AI-agentsystem kommer att explodera i popularitet
Förutsättningarna för AI-agentsystem är nu särskilt gynnsamma: nya AI-modeller och uppdateringar från ChatGPT, Midjourney, Stable Diffusion, Llama och Gemini lanseras varje dag. Att programmera på en mindre, mindre känd modell kan vara mycket billigare än att förlita sig på de stora aktörerna, vilket gör det allt mer attraktivt. Dessutom kan generativa AI-modeller nu uppfatta och bearbeta intryck på ett multimodalt sätt, oavsett om det är text, video, ljud eller bilder.
Detta banar väg för att bygga upp hela AI-agentsystem. Fördelen med dessa system är enorm. Genom att arbeta tillsammans kan dessa högspecialiserade AI-agenter, som var och en utför en del av uppgiften, hantera mycket mer komplexa uppgifter. Detta beror på att agenterna diskuterar uppgiften i bakgrunden, samarbetar och självständigt granskar och förbättrar sina resultat. Den välkände AI-experten Andrew Ng har nyligen upptäckt att denna typ av ”agentiska arbetsflöden” kan uppnå betydligt bättre resultat.
AI-agenter på väg att bli oumbärliga för varumärken
Varumärken har ett genuint intresse av att erbjuda sina kunder bästa möjliga service, ge dem tillförlitlig information och tilltala dem på ett hyperpersonifierat sätt. Detta är nu äntligen möjligt tack vare AI-agentsystem – och dessutom i stor skala. Varumärken kommer därför sannolikt att förlita sig på sina egna AI-agenter i framtiden. Endast varumärkets egna AI-agenter kan nämligen använda företagsgränssnitt för att få tillgång till data och bearbeta det för specifika uppgifter. Med andra ord måste en prisagent ha tillgång till aktuella priser, medan en bokningsagent behöver kunna använda bokningssystemet. Om en AI-agent är bekant med företagets riktlinjer och CD/CI-manualer kan den granska texter och bilder för varumärkesöverensstämmelse. Detta är en viktig förutsättning för att ge verkligen skräddarsydda rekommendationer eller ta sig an uppgifter på ett hyperpersonifierat sätt.
Visionen är att AI-agentsystem i framtiden till och med ska kunna samarbeta med assistenter från andra företag eller varumärken för att ta sig an ännu mer komplexa uppgifter för kunder. Till exempel skulle en resebokning kräva gränssnitt till både flygbolagens och hotellens informations- och bokningssystem. Medan AI-agenterna samarbetar i bakgrunden, skulle Siri eller Alexa kunna fungera som ett gränssnitt mot kunderna.
Det låter som ett framtidsscenario, men möjligheterna finns redan idag. För att undvika att hamna på efterkälken bör företag börja utveckla, testa och successivt rulla ut små användningsfall för AI-agentsystem redan nu.
Författare: Sebastian Küpers, Chief Transformation Officer, Plan.Net Group
Intresserad av mer innehåll?
Tillbaka till #16