Ostatnio wspominałem, że rok 2026 stoi pod znakiem sporej zmiany, jaką jest przejście od chatbotów do agentów AI. Pisałem wtedy: „O ile chatbot wyjaśnia ci, jak coś zrobić, o tyle agent zakasuje wirtualne rękawy i działa”. Podałem przykład weekendu w Pradze, przyznając jednocześnie, że jako człowiek starej daty (przynajmniej w kwestii turystyki), wciąż wolę samemu przeklikać się przez Booking.com i TripAdvisora, ryzykując nocleg w pokoju, który na zdjęciach wygląda na całkiem niezły apartament, a w rzeczywistości okazuje się lekko przypudrowanym garażem (true story!).

Ale żarty na bok. Jeśli odłożymy na chwilę nasze wakacyjne przyzwyczajenia, okaże się, że stoimy przed jedną z większych rewolucji w interakcji z technologią od czasu upowszechnienia smartfonów. Czas przyjrzeć się tym „agentom” z bliska. Czym są, dlaczego nagle tyle się o nich mówi i czy faktycznie powinniśmy im pozwolić dysponować naszą kartą kredytową?

 

Od gadających głów do wirtualnych współpracowników

 

Zacznijmy od podstaw. Przez ostatnie dwa lata przyzwyczailiśmy się do chatbotów takich jak ChatGPT czy Gemini. Traktujemy je trochę jak bardzo oczytanego wujka: zapytasz o przepis na kimchi – odpowie, poprosisz o streszczenie raportu – zrobi to w sekundę. Ale na końcu to ty musisz iść do kuchni pokroić kapustę albo samodzielnie wysłać maila z tym streszczeniem do szefa.

 

Agent AI to nieco inna bestia. Ma on coś, czego chatbotom brakowało, a mianowicie pewną autonomię i dostęp do narzędzi. Ponieważ definicja agenta AI wciąż się kształtuje, najłatwiej zrozumieć go przez analogię. (Pisząc o architekturze agentów, niektórzy posługują się obrazowymi określeniami: duży model językowy jest ich „mózgiem”, narzędzia i API są „rękami”, do tego zaś dochodzi „pamięć” krótko- i długotrwała). Wyobraź sobie zatem agenta jako pracownika, który ma dostęp do twojego maila, kalendarza, arkuszy kalkulacyjnych, a nawet konta w banku (spokojnie, wszystko pod kontrolą). Kiedy powiesz mu: „Przygotuj mi research o tradycyjnych koreańskich hanbokach i zrób z tego prezentację na jutro”, agent nie ograniczy się do wypisania punktów, tylko wyszuka źródła, pobierze zdjęcia, otworzy odpowiednią aplikację, ułoży slajdy i wyśle ci gotowy plik do zatwierdzenia.

 

Jak to działa?

 

Działanie agentów AI może kojarzyć się z wizją z filmów SF, ale w praktyce sprowadza się do trzech kroków:

  1. Zrozumienie intencji. Agent nie tylko czyta słowa, ale analizuje cel.
  2. Planowanie. AI rozbija duże zadanie na kilka małych (np. „najpierw wyszukaj informacje w Google, potem pobierz zdjęcia, na końcu otwórz Canvę”).
  3. Działanie. To jest ten moment, w którym agent „wychodzi” ze swojego okienka czatu i łączy się z innymi programami przez wspomniane wcześniej API, czyli interfejsy pozwalające na komunikację z narzędziami.

 

Dlaczego niektórzy mówią o rewolucji?

 

Przede wszystkim dlatego, że agenci AI mogą wieszczyć kres ery „copy-paste”. Obecnie praca tych, którzy posługują się AI, często polega na byciu ludzkim łącznikiem między aplikacjami: prosimy sztuczną inteligencję o pomoc w opracowaniu jakiegoś materiału, odpalamy edytor tekstu, redagujemy i poprawiamy, zapisujemy całość w pliku PDF, uruchamiamy program pocztowy, załączamy PDF do e-maila i tak dalej. Agenci mogą pomóc w uproszczeniu tego procesu.

 

Ich potencjał jest rzecz jasna znacznie większy, mogą bowiem komunikować się ze sobą, zapamiętywać kontekst działania, a nawet podejmować autonomiczne decyzje, co otwiera ogromne możliwości w zakresie automatyzacji złożonych zadań – na przykład w obszarze obsługi klienta, analizy rynku, integracji z systemami CRM/ERP i zaawansowanego planowania. W branży AI mówi się nawet o agentach jako o potencjalnym kroku w stronę bardziej ogólnej, uniwersalnej sztucznej inteligencji, choć moim zdaniem i przynajmniej na tę chwilę opinie te zdają się przesadzone.

 

Niemniej jednak może się okazać, że nowe, szeroko pojęte systemy będą opracowywane mniej „dla ludzi”, a bardziej pod kątem autonomicznych agentów, którzy przy minimalnym udziale człowieka będą realizować złożone procesy czy – z perspektywy zwykłego użytkownika – załatwiać za nas nudne, uciążliwe sprawy. Jeśli zaś już mowa o udziale człowieka, ważnym pojęciem w świecie omawianych zagadnień staje się HILP, czyli human in the loop. Uznawane przez niektórych za złoty standard projektowania agentów AI, oznacza, że agent przygotowuje, planuje i proponuje, ale to człowiek ostatecznie klika „OK” przed dokonaniem płatności czy kupnem biletu na lot (zwłaszcza jeśli AI uzna, że najlepszym sposobem na zaoszczędzenie na przelocie jest zarezerwowanie biletu do Ułan Bator bez bagażu i w jedną stronę).

 

Czy oznacza to, że serwisy internetowe, jakie dziś znamy, po części stracą rację bytu, bo w pierwszej kolejności będą musiały być przyjazne dla botów? Czy ekran smartfona przestanie być zbiorem ikonek aplikacji i przemieni się w zunifikowany interfejs do wydawania poleceń? Odpowiedzi na te pytania pozostawiam tobie, choć wiele wskazuje na to, że zmierzamy właśnie w tym kierunku.

 

Powyższe rozważania to oczywiście tylko wierzchołek góry lodowej. Jeśli interesuje cię to zagadnienie i czujesz, że chciałbyś poznać je znacznie głębiej, sięgnij po książkę Mariusza Hofmana Agenci AI bazujący na modelach językowych.

 

Na koniec poruszę jeszcze jedną kwestię, której nie mogłem tu pominąć. Pal już sześć moją skłonność do planowania wakacji po swojemu i trzymania ręki na myszce od początku do końca, lecz czy rozwój agentów AI nie zwiastuje kolejnego etapu rozpadu relacji międzyludzkich? Skoro mój agent ma się dogadać z agentem w restauracji, a kiedyś – kto wie – może i z agentem przyjaciela, by ustalić termin wspólnego wyjścia na piwo, to gdzie w tym wszystkim miejsce dla człowieka? Zamiast pogadać z kimś przez telefon, usłyszeć ton głosu i wymienić uprzejmości, delegujemy interakcje na algorytmy. Czy wygoda jest warta tego, by kolejny obszar naszych relacji przepuścić przez beznamiętny filtr API? Zastanówmy się nad tym, zanim oddamy stery wirtualnemu partnerowi.