Článek
Byla jsem ve fázi, kdy jsem si konečně myslela, že už AI trochu rozumím. Kurzy, které jsem absolvovala, to alespoň tvrdily. A pak na mě najednou začal vyskakovat pojem „AI agent“. Byl to pro mě imaginární mužíček, který dělá nějaká kouzla, kterým jsem opět nerozuměla.
Agent na e-maily. Agent na sociální sítě. Agent, který vám pomůže s fakturací. Firmy se předháněly, kdo má lepšího agenta, a já jsem seděla u počítače a v duchu si říkala: počkat, tohle přece není to samé jako ChatGPT, ne? Nebo je?
Není. A já se pokusím lidsky shrnout, co jsem se o agentech dozvěděla.
Jen pozor: pojem „AI agent“ se dnes používá hodně volně. Některé firmy tak označují i obyčejného chatbota, který ve skutečnosti žádné samostatné rozhodování nedělá - je to prostě marketingově chytlavější název.
Tak v čem je rozdíl?
Klasická AI, se kterou většina z nás pracuje, je jako kamarád, kterého se zeptáte na radu. Napíšete otázku, on odpoví - a tím to končí. Co s tou radou uděláte dál, je na vás. Dnešní modely toho samozřejmě zvládnou více, ale píšu to pro jednoduchou představu.
AI agent je jiný level. Je jako asistentka, které zadáte úkol, a ona ho sama vyřeší, i kdyby kvůli tomu musela otevřít deset záložek, obvolat tři lidi a napsat dva e-maily. Vy jí zadáte cíl, ona si sama rozvrhne postup, použije nástroje, které má k dispozici (internet, e-mail, kalendář, tabulky), a když narazí na překážku, zkusí to jinak - bez toho, aby se vás pořád na něco ptala.
Řeknete jí třeba: „Najdi mi pět hotelů v Paříži do tří tisíc korun za noc a výběr mi pošli e-mailem.“ Rozdíl mezi klasickým chatbotem a AI agentem je v tom, že agent navržený tak, aby si úkol sám rozložil na kroky a - pokud to jde - dotáhl ho do konce bez vašeho průběžného vedení. Otevře rezervační portál, vyfiltruje cenu, prohlédne recenze a sepíše vám e-mail s výsledkem. „Pokud to jde“ je důležité v tom, že spousta agentů se zastaví a požádá o potvrzení, nebo narazí na to, že na něco nemá oprávnění.
Aby tohle agent zvládl, potřebuje kromě samotného jazykového modelu ještě přístup k nástrojům (e-mail, kalendář, web) a plánovač, který rozhoduje, jaký krok přijde jako další. Často k tomu má i paměť, kam si průběžně ukládá, co už udělal - i když existují i jednodušší agenti, kteří žádnou dlouhodobou paměť nemají a vystačí si jen s obsahem aktuálního úkolu.
Odkud se ten agent vzal?
Přelom nastal na jaře 2023, krátce po vydání GPT-4. Programátor Toran Bruce Richards přišel s projektem AutoGPT, který uměl „mluvit sám se sebou“ ve smyčce - sám si generoval navazující kroky a úkoly a opakovaně se ptal jazykového modelu, dokud se nepřiblížil ke splnění cíle. Těsně za ním se objevil podobný projekt BabyAGI. Dnešní agenti mají proti prvním pokusům výrazně lepší plánování a lepší ochranu proti tomu, že se zasekne v opakování stejné akce dokola a neumí se z ní dostat.
Dnes už mají agenti konkrétní „pracovní pozice“ například:
- AI programátoři - dokážou navrhnout, napsat i opravit část kódu s dohledem
- E-mailoví agenti - třídí poštu a jednodušší dotazy sami vyřídí
- Výzkumní agenti - projedou stovky webů a vrátí vám hotový report
- Kalendářoví agenti - domluví za vás schůzku v čase, který máte volný
- Účetní agenti - hlídají platby a posílají upomínky
- Nákupní agenti - hlídají cenu zboží a v pravou chvíli ho koupí
AI agenti a za co se platí?
AI agenti často nejsou zadarmo. Platí se za dvě věci najednou - za vstup (text, který modelu pošlete: váš dotaz, instrukci, i třeba obsah e-mailu, který má agent přečíst) a za výstup (text, který vám model vygeneruje jako odpověď). U mnoha modelů bývá výstup dražší než vstup.
AI nečte text po slovech, ale po menších kouscích, kterým se říká tokeny. Krátké slovo bývá jeden token, delší nebo méně obvyklá slova bývají rozdělena na víc tokenů.
Prakticky si stačí pamatovat, že sto slov běžného textu odpovídá zhruba 120 až 170 tokenům - čeština kvůli delším, pestřejším slovům často vychází na víc tokenů než angličtina. A protože agent nad úkolem „přemýšlí“ ve více krocích, spotřebuje jich podstatně víc než obyčejný chat, kterému jen napíšete jednu otázku.
Tady je to ale důležité rozlišit. Když si platíte např. ChatGPT Plus nebo podobné předplatné a píšete si s AI, platíte paušál - fixní částku měsíčně, za kterou dostanete určitý objem používání podle nastavených limitů, ne účtování za každý token zvlášť.
U agentů se platí přesně podle spotřebovaných tokenů, vstupu i výstupu. Proto se u agentů počítá v malých částkách - haléřích až korunách.
A jak se to konkrétně platí? U poskytovatele modelu (nejčastěji OpenAI nebo Anthropic) si založíte účet a vygenerujete si takzvaný API klíč - dlouhý kód, kterým se k modelu „přihlašujete“. Na účet si nastavíte platbu nebo dobijete kredit jako u telefonu. Pokaždé, když agent pošle modelu text a dostane odpověď, se z kreditu strhne malá částka podle počtu tokenů - a spotřebu i zbývající kredit vidíte přehledně v účtu daného poskytovatele.
Jak si postavit jednoduchého agenta na třídění e-mailů
Nemusíte umět programovat. Existují takzvané no-code platformy, kde si agenta poskládáte jako stavebnici z Lega - použiju jako příklad Make.com, protože je zdarma na vyzkoušení a má české kořeny (původně vznikla v Praze jako Integromat).
Postup krok za krokem:
- Jdi na web make.com a klikni na tlačítko "Get started free". Zaregistruj se e-mailem nebo přes Google účet.
- Po přihlášení se objeví nástěnka. Klikni na "Create a new scenario" (vytvořit nový scénář) - obvykle je to velké tlačítko uprostřed nebo v levém horním rohu.
- Otevře se prázdná plocha s jedním velkým kolečkem s plusem uprostřed. Klikni na něj.
- Do vyhledávacího pole napiš "Gmail" (nebo "Outlook", podle toho, jakou poštu používáš) a vyber ji ze seznamu.
- Make ti nabídne seznam akcí. Vyber tu, která se jmenuje něco jako "Watch emails" (sledovat e-maily). Klikni na "Add" u přihlašovacích údajů a přihlas se svým e-mailovým účtem - Make tě přesměruje na klasické přihlašovací okno Google nebo Microsoft a zeptá se, jestli mu dáváš svolení číst poštu. Odsouhlas to.
- Modul se přidá na plochu. Vpravo od něj uvidíš další malé kolečko s plusem - klikni na něj a do vyhledávání napiš "OpenAI" (musíš si k tomu předem založit účet na platform.openai.com a vygenerovat API klíč, viz sekce o placení výše).
- Najdete některý z modulů OpenAI pro generování odpovědi - přesný název se občas mění, jak Make appku aktualizuje, ale vždycky tam bude nějaká akce na "vytvoření odpovědi" nebo "text prompt". Vlož svůj API klíč do pole.
- Objeví se textové pole "Prompt" nebo "Messages". Napiš do něj instrukci pro AI, například: "Přečti si tento e-mail a napiš jedno slovo: spokojený, neutrální, nebo naštvaný."
- Přidej třetí modul stejným způsobem jako v kroku 3 - opět Gmail nebo Outlook, tentokrát akci "Move an E-mail to a Label" (přesunout e-mail do štítku) nebo "Create a Draft" (vytvořit koncept). Nastav, aby agent podle výsledku z kroku 8 přesunul e-mail do správné složky, ale sám nic neposílal.
- Vpravo dole klikni na tlačítko s šipkou "Run once" - scénář se spustí jednou nanečisto na posledním e-mailu, ať vidíš, jestli dělá to, co má.
- Když to funguje, přepni v levém dolním rohu vypínač z "Off" na "On" (nebo klikni na "Schedule" a nastav, jak často má Make poštu kontrolovat, třeba každých 15 minut).
Od té chvíle automatizace běží sama na pozadí a AI část se zapojí pokaždé, když přijde nový e-mail. Jde spíš o automatizaci s jedním chytrým AI krokem než o toho plně autonomního „agenta“ s vlastním plánováním, o kterém byla řeč výš v článku. Pro běžné použití to ale úplně stačí.
Jedna rada na začátek: dokud tomu úplně nevěříte, nechte ho jen třídit do štítků nebo vytvářet koncepty, ne mazat nebo automaticky odesílat. Pokud budete postupovat takhle opatrně, nic zásadního se pokazit nemůže.
Klady a zápory
Kladem je hlavně to, že agent nemá dovolenou, nespí a rutinní úkol zvládne za zlomek času, který by trval člověku.
Na druhé straně ale pořád platí, že je to jen AI - dokáže si něco vymyslet nebo špatně pochopit tón zprávy. Pokud mu špatně nastavíte pravidla, může se zaseknout ve smyčce a dokola prohledávat to samé, což vás zbytečně stojí peníze. A když ho pustíte úplně bez dohledu, tak se to může i pěkně zvrtnout.
Proto se dnes nejvíc mluví o takzvaném human-in-the-loop modelu, kde agent připraví devadesát procent práce, ale to poslední kliknutí na „Odeslat“ zůstává na vás. Mně to přijde jako nejlepší cesta: ať pracuje agent, nakonec ale rozhoduju pouze JÁ.
Závěrem aneb jsem samouk
Tento článek je pro všechny - samouky, začátečníky, kteří tápou v pojmech a pro lidi, které baví objevovat digitální svět jako mě. Sama jsem z velké části samouk, a proto se snažím vysvětlovat vše lidsky. Tak, jako bych to vysvětlovala sama sobě.
Zdroje a prameny
GPT-4 – oficiální announcement (OpenAI)
https://openai.com/index/gpt-4-research/
AutoGPT – GitHub repozitář
https://github.com/Significant-Gravitas/AutoGPT
BabyAGI – GitHub repozitář
https://github.com/yoheinakajima/babyagi
Co jsou tokeny a jak se počítají (OpenAI Help Center)
htn/articles/4936856-what-are-tokens-and-how-to-count-them
How to use an AI agent to sort emails (oficiální how-to guide, Make.com)
https://www.make.com/en/how-to-guides/how-to-use-an-ai-agent-to-sort-emails
Gmail and OpenAI Integration (Make.com)
https://www.make.com/en/integrations/google-email/openai-gpt-3
