Mitä ovat tekoälyagentit?

Viime aikoina tekoälyagentit ovat herättäneet paljon kiinnostusta. Mutta mitä niillä oikeastaan tarkoitetaan ja miten ne eroavat laajoista kielimalleista, joita useimmat jo käyttävät?

Tarkastellaan ensin perusasioita. ChatGPT: kaltainen laaja kielimalli (LLM, large language model) ei oikeastaan ”keskustele” kanssasi. Se ennustaa todennäköisimmän vastauksen sen perusteella, mitä olet sille itse kertonut. Kielimalli ei muista aiempia keskusteluja, vaikka se saattaakin siltä tuntua. Se tuntee vain aineiston, jonka avulla se on koulutettu, ja tuottaa vastauksia todennäköisyyksiin perustuen. Lisäksi kielimallilla on käytössään vain oman koulutuksensa aikainen tieto. Jos halutaan päästä käsiksi ajankohtaiseen tietoon, tarvitaan niin sanottua retrieval-augmented generation -menetelmää (RAG), joka hakee ulkoista dataa reaaliajassa.

Tekoälyagentit eroavat kielimalleista huomattavasti ja ottavat toiminnassaan askeleen pidemmälle.

Kielimallit ennustavat, agentit toimivat

Laajat kielimallit ovat hyviä vastaamaan kysymyksiin ja tuottamaan tekstiä. Ne eivät kuitenkaan toimi itsenäisesti, sillä ne eivät pääse käsiksi ulkoisiin järjestelmiin, toteuta suunnitelmia tai seuraa tuloksia. Niiden ainoa työ on tuottaa vastauksia.

Tekoälyagentti pystyy sen sijaan suunnittelemaan, toimimaan ja arvioimaan tuloksia. Se voi päättää, mitä vaiheita tarvitaan, toteuttaa ne käytettävissä olevilla työkaluilla ja arvioida omaa onnistumistaan. Jos jokin menee vikaan tai tavoitetta ei saavuteta, agentti voi muuttaa suunnitelmaa ja yrittää uudelleen. Tämä muutos pelkästä vastaamisesta aktiiviseen tekemiseen tekee agenteista olennaisesti erilaisia kuin pelkät kielimallit: ne eivät vain ehdota, mitä pitäisi tehdä - ne tekevät sen.

Mikä tekee agentista agentin?

Kolme kyvykkyyttä erottavat tekoälyagentit kielimalleista. Kyvykkyydet muodostavat prosessin, jota kutsutaan ajattelu - toiminta - havainnointi -sykliksi (thought - action - observation tai reasoning - acting -malli). 

• Kyky ajatella: agentti osaa luoda tietyn kysymyksen ratkaisemiseen tarvittavat vaiheet ja esimerkiksi hakea tai tallentaa tietoa ulkoisista lähteistä.

• Kyky toimia: kun agentti tietää käytettävissä olevat työkalut ja niiden toiminnot, se osaa hyödyntää niitä määriteltyjen vaiheiden toteuttamiseen. Työkaluja voivat olla esimerkiksi tietokannat tai ajanvarausjärjestelmät.

• Kyky havainnoida ja mukautua: agentti pystyy korjaamaan virheitään ilman ihmisen väliintuloa ja päivittämään suunnitelmaansa sen perusteella, mikä toimi, mikä ei ja mihin lopputulokseen se pääsi.

Tätä sykliä voidaan toistaa niin monta kertaa kuin tarvitaan, kunnes tavoite on saavutettu tai lähestymistapaa täytyy muuttaa. Saattaa kuulostaa monimutkaiselta, mutta käytännössä se on yllättävän yksinkertaista. 

Miten tekoälyagentit luovat arvoa?

Tällä hetkellä tekoälyä käytetään yleisimmin sisäisten prosessien tai asiakaspalvelun tukena. Tekoälyagentit sopivatkin todella hyvin näiden prosessien automatisointiin. Vaikka monet yksinkertaiset työvaiheet on jo automatisoitu, agentit voivat olla erityisen hyödyllisiä monimutkaisemmissa työnkuluissa, joissa on enemmän vaihtelua kuin perinteisissä automaatiossa.

Agenteista voi olla hyötyä monilla yrityksen liiketoiminnan alueilla, mutta usein niiden käyttö on parasta aloittaa sisäisistä hankkeista. Näin voidaan varmistua tietoturvasta, arvioida agentin toimintaa ja kerätä kokemusta agentin toiminnasta hallitussa ympäristössä. Asiakaspalvelun chat on toinen luonteva käyttökohde, etenkin jos agentti pystyy oikeasti suorittamaan tehtäviä ja hakemaan tietoa, kuten kertomaan tilauksen tilan, sen sijaan että se vain keskustelisi. Tämä ominaisuus tekee chatbotista agentin eikä ainostaan kielimallia, joka ennustaa vastauksia sen perusteella, mitä asiakas siltä kysyy.

Vaikka ajatus itsenäisistä agenteista on ollut olemassa jo pitkään, uudet teknologiat ovat tehneet niistä huomattavasti kyvykkäämpiä. Aiemmin ihmisen piti määrittää agentin työnkulku, mutta nykyiset agentit voivat tehdä sen itse, koska ne pääsevät käsiksi organisaation työkaluihin ja osaavat arvioida omaa toimintaansa. Tämän lisäksi uusimmat kielimallit, kuten Deepseek, on suunniteltu ratkaisemaan ongelmia sen sijaan että ne ainoastaan tuottaisivat vastauksia kysymyksiin. Tämä muutos korostaa entisestään agenttien ominaisuuksien tärkeyttä tekoälytyökaluissa. 

Milloin ihmisen rooli on kriittinen?

Teknisesti agentit voivat toimia hyvin itsenäisesti. Olennainen kysymys ei enää ole siinä, mitä ne osaavat tehdä, vaan mitä meidän pitäisi antaa niiden tehdä.

Esimerkiksi asiakastietojen käsittely tai kokousten aikatauluttaminen on mahdollista agentille, mutta tämän kaltaiseen itsenäiseen työhön tarvitaan selkeitä tietoturvamekanismeja. Tietyt tehtävät vaativat edelleen ihmisen hyväksynnän, ja yksinkertaisissa työnkuluissa rajojen on oltava selkeät. Vaikka agentti voisikin tehdä ruokaostoksesi verkossa, haluatko, että sillä on pääsy verkkopankkiisi tai henkilökohtaiseen sähköpostiisi? Ne eivät ole vielä tarpeeksi kehittyneitä, jotta niiden haltuun voisi luottaa sensitiivistä tietoa, joka altistaa tietoturvariskille. Tämä pätee erityisesti, jos agentit ovat yhteydessä ulkopuolisiin alustoihin. 

Vaikka agentit ovat tehokkaita, on oleellista tietää, mihin niitä kannattaa käyttää.

Miten tämä kaikki sitten vaikuttaa työhömme?

En usko, että agentit tulevat korvaamaan kokonaisia ammatteja, mutta ne tehostavat työtä ja muuttavat sen luonnetta. Rutiinitehtävät automatisoituvat, jolloin ihmiset voivat keskittyä enemmän lisäarvoa tuottavaan työhön.

Lääkärin työ on hyvä esimerkki. Vastaanoton muistiinpanojen teko voi automatisoitua, jolloin lääkärille jää enemmän aikaa potilaille. Ohjelmistokehittäjä voi puolestaan luoda koodia nopeammin. Tietotyöntekijä voi siirtää tutkimus- tai raportointitehtäviä agentille, joka analysoi dataa nopeasti.

Jos työskentelet tietokoneen kanssa, agentit tulevat mitä todennäköisimmin koskettamaan jotain työsi osa-aluetta, toimit sitten B2B tai B2C -ympäristössä. 

Agentin luominen on helpompaa kuin voisi kuvitella

Nykypäivän teknologia mahdollistaa agentin rakentamisen ilman syvällistä tekoälyosaamista. Azure AI Foundry -palvelulla voi esimerkiksi räätälöidä agentin oman organisaation tarpeisiin ja toteuttaa sen vähäisilläkin koodaustaidoilla.

Todellinen haaste liittyy suunnitteluun, valvontaan ja turvallisuuteen: on määriteltävä, mitä työkaluja agentti voi käyttää, mitä oikeuksia sillä on ja miten se käsittelee arkaluontoista tietoa. Jos agentin annetaan lähettää sähköposteja ja varata tapaamisia, on mietittävä etukäteen, mitä käy, jos tieto päätyy vääriin käsiin. Tietojen kalastelu on todellinen uhka. Siksi on tärkeää, että turvallisuus ja käyttöoikeuksien hallinta on mukana jo suunnitteluvaiheessa.

Lisäksi on hyvä aloittaa selkeästi rajatuista, matalan riskin tehtävistä. Yllättävää kyllä, suurin riski liittyy usein agentin käyttämään kehotteeseen (prompt), joka ohjaa sen toimintaa. Jos tähän kehotteeseen voidaan ulkopuolelta ujuttaa vaarallisia ohjeita, ja agentilla on liian paljon toimintavaltuuksia, voivat seuraukset olla katastrofaalisia. Tiettyyn käyttötarkoitukseen toteutettua yksinkertaisempaa ja hyvin rajatuilla oikeuksilla toimivaa agenttia on paljon helpompi testata kuin agenttia, joka pyrkii suorittamaan useita eri tehtäviä samanaikaisesti ja jolla sen vuoksi on pääsy useisiin eri järjestelmiin ja tietoihin.

Käytännön vinkkejä

• Aloita pienestä: testaa agenttia sisäisissä, matalan riskin tehtävissä ennen käytön laajentamista.

• Rajoita pääsyä: anna agentille ainoastaan sen tehtävässä tarvittavat oikeudet. Mitä useampiin järjestelmiin agentilla on pääsy, sitä suuremmat ovat riskit. Tiettyyn tarkoitukseen luotu agentti, jolla ei ole ylimääräisiä oikeuksia, on turvallisin valinta. 

• Suunnittele huolella: varmista, että työkalut ja tietolähteet ovat turvallisia ja luotettavia. Jos agenttia käytetään asiakasrajapinnassa, miten se varmistaa, että asiakas on todella se asiakas, joka hän sanoo olevansa eikä joku muu, jolla on pääsy asiakkaan sähköpostitiliin?

• Ymmärrä lainsäädäntöä: EU:ssa on esimerkiksi selkeät rajat automatisoidulle päätöksenteolle, joka vaikuttaa ihmisiin.

• Varmista valvonta: kehittyneetkin agentit tarvitsevat seurantaa ja ohjausta.

• Selkiytä vastuut: organisaatio on lopulta se, jolla on vastuu agentin toimista.

Lopuksi ajatus kestävästä kehityksestä. Agenteilla on mahdollisuus vähentää energiankulutusta. Vaikka niiden kouluttaminen vaatii paljon energiaa, käytön aikaiset resurssivaatimukset ovat pienemmät. Muista kuitenkin tämä: jos prosessi voidaan automatisoida ilman tekoälyä, se voi usein olla yksinkertaisempi ja kestävämpi ratkaisu.