Asystenci AI i agenci AI w Microsoft Teams: podbój biura
Konnichiwa! Witajcie w
Jestem waszym gospodarzem, Andrzej Kinastowski, jednym z założycieli
Cykl hype’u: rzeczywistość agentów kontra udawacze
Agenci AI. Wszyscy chcą mówić o agentach AI. Jeśli wejdziesz na LinkedIn, połowa postów dotyczy agentów AI. I zobaczysz wielu różnych ludzi, którzy opowiadają bardzo różne rzeczy o agentach AI. Że nas zniszczą. Że nas uratują. Że zabiorą nam pracę. Że stworzą niesamowite miejsca pracy. Że będą robić wszystko perfekcyjnie albo wszystko zepsują. Wszyscy mówią o agentach AI i wszyscy chcą robić agentów AI, a wielu ludzi tak naprawdę tylko udaje, że ich robi.
Ostatnio dostaliśmy wiadomości o firmie Nate. To była firma, która twierdziła, że ma agentów AI, którzy będą kończyć proces zakupowy za Ciebie. Więc jeśli byłeś na stronie e-commerce i chciałeś coś kupić, w zasadzie wystarczyło użyć Nate, żeby wszystko załatwić, a oni zebrali ponad 50 milionów dolarów kapitału na rozwój firmy. Niedawno dowiedzieliśmy się, że poziom automatyzacji wszystkich zakupów wynosił 0%, a wszystkie te transakcje były obsługiwane przez setki ludzkich pracowników kontraktowych, którzy pracowali w call center na Filipinach i w Rumunii. Takich przypadków będzie coraz więcej, bo tam, gdzie jest hype, tam są ludzie, którzy chcą ten hype wykorzystać – albo po to, żeby ci pomóc odnieść sukces, albo po to, żeby cię oszukać. Dlatego naprawdę trzeba uważać na bullshit wokół agentów AI.
Bardzo często to, co przedstawiane jest jako agent AI, to w rzeczywistości mnóstwo warunków „jeśli” albo po prostu mnóstwo ludzi wykonujących pracę.Co zabawne – wcale to nie jest takie złe. Kiedy pomyślisz o wszystkich ludziach bojących się, że AI zabierze im pracę, tutaj mamy coś zupełnie odwrotnego – AI daje ludziom pracę. Więc z tej perspektywy to wcale nie jest takie złe. A na rynku jest mnóstwo konsultantów, którzy będą reklamować Ci ideę, że agenci AI są już tak dobrzy, że można budować całe zespoły agentów AI, którzy będą ze sobą współpracować, będą mieć szefów agentów AI, będą mieć audytorów agentów AI i generalnie wszędzie będą agenci AI.
Na razie to może działać w laboratorium, ale nie jest to coś, co zobaczysz w swojej firmie w tym roku czy w przyszłym roku. Jestem pewien, że kiedyś tak będzie. Ale na razie to tylko testy, to wszystko laboratoria, to działa tylko w bardzo, bardzo specyficznych przypadkach. Ale to nie znaczy, że nie ma sensu zajmować się agentami AI. To nie znaczy, że powinieneś pominąć tę technologię. Jest mnóstwo rzeczy, które agenci AI już teraz mogą dla ciebie zrobić. I dziś chcę porozmawiać o rzeczach, które znamy, bo je przetestowaliśmy i wdrożyliśmy – o rzeczach, które agenci AI już teraz potrafią robić. O rzeczach, w których agenci AI już teraz mogą ci pomóc.
Asystenci kontra agenci: definiowanie pojęć
Zanim do tego przejdziemy, musimy porozmawiać o samej terminologii. Pojęcie „agent AI” używane jest do opisywania wielu różnych rzeczy. A to, co staramy się robić w Office Samurai, to pokazywać ludziom różnicę między asystentem AI, a agentem AI.
Czym jest asystent AI?
Zacznijmy od asystentów AI. Czym właściwie jest asystent AI? W zasadzie, kiedy OpenAI po raz pierwszy pokazało światu ChatGPT, wszystkie firmy zaczęły myśleć, że to naprawdę niesamowite narzędzie, które potrafi rozmawiać z ludźmi w naturalnym języku. Więc dlaczego by nie nauczyć modelu wiedzy z naszej firmy, naszych procedur, naszych standardów i nie mieć wtedy takiego agenta, który pomoże naszym ludziom, odpowiadając na pytania dotyczące całej wiedzy firmy?
Framework RAG: retrieval augmented generation (wyszukiwanie wspomagane generacją)
Uczenie modelu tak naprawdę nie jest najlepszym rozwiązaniem, bo trenowanie modelu to bardzo złożony proces i dość kosztowny. Nie chcesz więc uczyć modelu swoimi danymi, bo to dużo kosztowałoby, a za każdym razem, gdy dane się zmienią, trzeba by go było ponownie trenować. To nie miałoby sensu – może tylko w jakichś bardzo specyficznych przypadkach. Ale możemy zrobić coś innego – użyć tzw. RAG, czyli retrieval augmented generation. Idea jest taka, że bierzesz wiedzę swojej firmy na dany temat albo dla danego działu, przygotowujesz te dane, dzielisz je na fragmenty i wykonujesz jeszcze kilka innych kroków. A potem umieszczasz je w odpowiednim miejscu – zazwyczaj jest to baza wektorowa. Baza wektorowa to taki „magiczny” rodzaj bazy danych, w której możemy przechowywać wiedzę i jej szukać, ale nie w tradycyjny sposób, porównując słowa czy frazy, tylko w taki, który pozwala szukać znaczenia. Dzięki temu nie ma znaczenia, jak sformułujesz swoją wiedzę – i tak znajdziesz ją w bazie wektorowej, nawet jeśli została zapisana zupełnie innymi słowami.
W frameworku RAG umieszczasz wiedzę w tej bazie wektorowej, a potem, kiedy użytkownik zadaje pytanie do RAG-a (ukrytego za jakimś czatem), aplikacja RAG najpierw pyta bazę: znajdź mi wszystkie fragmenty danych, które mogą mieć coś wspólnego z odpowiedzią na to konkretne pytanie zadane przez użytkownika. Baza wektorowa zwraca wtedy kawałki wiedzy, które mogą być w jakiś sposób powiązane z tym pytaniem. Następnie RAG może oczyścić te dane i trochę je przygotować, ale zasadniczo wysyła je jako kontekst do modelu GenAI, mówiąc: odpowiedz na to pytanie użytkownika w kontekście tej wiedzy, którą dostałem z bazy wektorowej. Dzięki temu model może odpowiadać na pytania w kontekście wiedzy naszej firmy, bez konieczności trenowania samego modelu.
To naprawdę sprytny sposób na stworzenie asystenta AI, który zna Twoje informacje, ale jest dużo tańszy i prostszy do zbudowania niż własny model AI.
Studium przypadku: asystent CyberOla w Office Samurai
Porozmawiajmy o przykładzie. W Office Samurai mamy asystenta AI o nazwie CyberOla. Ola jest szefową naszego działu administracji i HR. Nie jesteśmy dużą firmą, mamy tylko 40 osób, ale nasz dział administracji i HR już teraz dostaje mnóstwo powtarzających się pytań, gdzie ludzie w kółko pytają o to samo, a odpowiedzi na te pytania można znaleźć w naszych procedurach i dokumentacji, tylko że bardzo często pracownicy po prostu nie wiedzą, gdzie tego szukać.
Stworzyliśmy więc CyberOla jako alter ego naszej Oli, szefowej działu, i CyberOla wykonuje część funkcji naszego zespołu HR i administracji. Każdy z naszych pracowników może otworzyć czat z CyberOla na Teams. To jest narzędzie, którego używamy do komunikacji w firmie. Pracownicy wchodzą więc na Teams i zadają CyberOla pytanie. Pytania mogą być różne. To może być coś prostego, jak na przykład: jak zarezerwować salę spotkań. Wtedy CyberOla zwraca informację o tym, jak zarezerwować salę, a razem z tą informacją podaje także, w jakim dokumencie znalazła tę informację i jaki jest numer strony w tym dokumencie.
Włożyliśmy do CyberOla 70 różnych dokumentów – procedury HR i administracyjne, regulaminy wewnętrzne, procedury IT, pakiety dla nowych pracowników. Czyli wszystkie informacje, o które mógłby pytać którykolwiek z naszych pracowników. Można też zapytać na przykład jakie są benefity dla naszych pracowników i wtedy CyberOla znajdzie tę informację i przekaże ją użytkownikowi. To nie jest tylko wyszukiwanie informacji i kopiowanie-wklejanie, CyberOla analizuje informacje i je przeformułowuje.
Możesz podejść i zapytać: czy muszę zmienić nazwę swojego laptopa, a wtedy CyberOla znajdzie informację o zmianie nazwy laptopa w naszych procedurach IT i poda Ci odpowiedź, że tak, musisz to zrobić, i pokaże jak to zrobić. Nawet w przypadku pytań typu „Czy mogę przyprowadzić psa do pracy?”. W Office Samurai nasi pracownicy mogą przyprowadzać psy do pracy, kochamy psy i naprawdę lubimy je mieć wokół, więc CyberOla odpowie: „Tak, możesz przyprowadzić psa do pracy”. Ciekawostką jest jednak to, że nie mamy żadnej polityki dotyczącej innych zwierząt, tylko psów. Więc jeśli zapytasz: „Czy mogę przyprowadzić papugę do pracy?”, CyberOla odpowie: „Nie wiem, nie mam takiej informacji w swojej wiedzy, proszę skontaktuj się z prawdziwą Olą, człowiekiem Olą, a ona udzieli Ci odpowiedzi”. I ku naszemu zaskoczeniu to właśnie było jednym z najtrudniejszych rzeczy do osiągnięcia w naszym asystencie GenAI, ponieważ modele generatywne mają dużą tendencję do halucynowania.
Bawiliśmy się kilkoma kreatorami agentów AI – jest ich sporo i pozwalają one bardzo łatwo zbudować własnych asystentów AI. Problem, jaki mieliśmy z większością tych gotowych rozwiązań, polegał na tym, że kiedy pytaliśmy: „Czy mogę przyprowadzić papugę do pracy?”, bardzo często odpowiadały: „Tak, możesz przyprowadzić papugę do pracy”, mimo że nie mamy żadnych informacji o przyprowadzaniu papug do biura. Jeśli korzystasz z jednego z takich gotowych rozwiązań… musisz naprawdę uważać na halucynacje, ponieważ przy tych prostych w obsłudze narzędziach dość trudno jest je dokładnie dopasować do swoich potrzeb i nie masz takiej kontroli nad tym, jak działają, w porównaniu do niestandardowego, szytego na miarę rozwiązania, takiego jak CyberOla.
Możliwości dla asystentów w całej organizacji
Teraz, kiedy wiesz już, co potrafią asystenci AI, poświęć chwilę, żeby pomyśleć, jak mógłbyś wykorzystać ich w swojej organizacji, bo możliwości jest naprawdę bardzo dużo. Pomyśl o tym: masz zespół sprzedaży i ten zespół mógłby mieć asystenta, który podaje im informacje o produktach, o specyfikacjach, potrafi je porównać. Albo możesz przygotować jednego dla swojego działu finansów – przekazujesz mu wszystkie zasady, praktyki i procedury finansowe i wtedy, jeśli ktoś nie pamięta, jak coś zaksięgować albo kto może zrobić daną rzecz, może go zapytać i dostanie odpowiedź. Możesz nawet stworzyć asystenta dla swojego działu IT service desk, żeby nie musieli w kółko prosić użytkowników o ponowne uruchomienie komputera – asystent AI może to zrobić za nich. Tak właśnie wyglądają asystenci AI i wierzę, że mają oni ogromny potencjał w naszych procesach biznesowych i w automatyzacji zadań, które wykonujemy my i nasi ludzie.
Narzędzia agentowe w praktyce: automatyzacja zadań HR
Ale jest jeszcze kolejny poziom. I tym kolejnym poziomem są agenci AI. Chcemy oddzielić asystentów AI od agentów AI, bo kiedy mówisz „agent AI”, to oznacza, że ta AI ma faktyczną sprawczość. Z naszej perspektywy, jeśli ona tylko odpowiada na pytania, to jest asystent AI. Jeśli potrafi też coś zrobić za ciebie, wtedy jest to agent AI.
Wdrożyliśmy więc do naszej CyberOli pewne elementy, żeby uczynić ją agentową. Jedną z rzeczy, które robimy jako firma, jest prowadzenie wielu szkoleń. Za każdym razem, gdy jeden z naszych trenerów prowadzi szkolenie, potrzebuje ankiety szkoleniowej. Teraz trener może zwrócić się do CyberOli i powiedzieć: „Hej, potrzebuję ankiety do szkolenia, które prowadzę”, a stworzony przez nas framework rozumie, że to nie jest pytanie o wiedzę, więc nie sięga do frameworku RAG ani logiki asystenta AI, tylko rozpoznaje, że to sytuacja, w której należy użyć jednego z narzędzi, jakie posiada CyberOla.
Kiedy podaję jej tę informację, kontaktuje się przez API – najpierw z JotForm, czyli narzędziem, którego używamy do naszych ankiet, i przez API tworzy standardową ankietę szkoleniową. Po jej utworzeniu, przez kolejne API generuje krótki link do tej ankiety oraz kod QR, który trener może po prostu skopiować i wkleić do swojej prezentacji. Dzięki temu nasz zespół administracyjny nie musi się już tym zajmować – trenerzy sami zwracają się do CyberOli i tworzą ankiety za pomocą tego agenta AI.
Kolejna rzecz, którą potrafi zrobić, wynika z polskiego prawa pracy – kiedy kupujesz okulary, pracodawca musi zwrócić Ci przynajmniej część kosztów. Do tego potrzebny jest formularz, który wypełniasz i wysyłasz do działu administracji. Stworzyliśmy kolejne narzędzie agentowe, w którym jeśli powiesz do CyberOli: „Hej, potrzebuję zwrotu kosztów za okulary”, to zapyta cię o wszystkie potrzebne informacje, które są wymagane do stworzenia tego formularza. Gdy podaję te dane CyberOli, tworzy ona plik PDF ze wszystkimi przekazanymi informacjami umieszczonymi we właściwych miejscach i wgrywa go na kanał, w którym rozmawiamy.
Mamy też inne narzędzia agentowe wdrożone w naszej CyberOli. Pomaga nam znaleźć terminy rezerwacji dla pracowników w firmie, kontaktując się z
Przyszłość jest agentowa: nieograniczone możliwości
A więc jeśli pomyślisz o tych agentach AI, możesz ponownie zastanowić się, jak mogliby pomóc Twoim zespołom. Kiedy mówiłem o asystencie AI dla Twojego zespołu sprzedaży, możesz dodać do niego automatyzację agentową. Mógłby także aktualizować status leadów w twoim CRM. Mógłby zapisywać notatki, które mu podyktujesz, o odbytych spotkaniach. Mógłby przygotowywać dla Ciebie oferty i wyceny.
Dla Twojego zespołu finansów mógłby nie tylko podpowiadać, jak coś zrobić, i kierować do potrzebnych procedur, ale pracownicy mogliby też poprosić agenta o dokonanie księgowania, rozliczenia czy przygotowanie raportu. Dla Twojego działu IT service desk mógłby to być agent, który umożliwia pracownikom szeroką samodzielną obsługę. Możliwości są tutaj w zasadzie nieograniczone.
Wnioski: AI stanie się codziennością w biznesie
I im więcej myślimy i im więcej pracujemy z asystentami AI i agentami AI, tym bardziej widzimy, że to coś, co z czasem – to zajmie trochę czasu – może fundamentalnie zmienić sposób działania organizacji. Dziś Robotic Process Automation jest czymś zupełnie normalnym. I głęboko wierzę, że za kilka lat asystenci AI i agenci AI również staną się codziennością.
Podsumowując, z perspektywy Office Samurai technologia asystentów AI i agentów AI jest już gotowa, możliwości są ogromne i teraz jest najwyższy czas, aby ją wdrażać. Dotarłeś do końca kolejnego odcinka podcastu Office Samurai. Wielkie Arigato za słuchanie. Ogromne podziękowania jak zawsze dla niezastąpionego ludzkiego elementu za kulisami i dla Anny Cubal, naszej niestrudzonej producentki. Nagrane jak zawsze w legendarnej Wodzu Beats Studio. Do następnego razu – trzymaj swoją zaporę mocną, a swoich agentów AI na krótkiej cyfrowej smyczy. Mata ne.
