כיצד ליצור סוכן בינה מלאכותית ב-7 שלבים

עסקים רוצים לקבל ערך רב יותר מבינה מלאכותית גנרטיבית ולכן הם משלבים אותה בתהליכים עסקיים יום-יומיים. הם מתחילים לפרוס תוכנה בשם סוכני בינה מלאכותית במגוון יישומים, והם נועדו לקיים שיחות בכתב ובדיבור ולבצע שאילתות במסדי נתונים כדי לבצע משימות מרובות שלבים - מבלי דרכי פעולה מתוכנתות מראש לכל המצבים.

ניתן לפרוס יישומים של סוכני בינה מלאכותית כדי לאסוף צעד אחר צעד את המידע הדרוש להם על ידי אינטראקציה עם משתמשי המחשב ועם לוחות השנה שלהם, השגת מידע ממערכות מקומיות ובענן ושימוש במנועי חיפוש או באתרים אחרים כדי לענות על שאלות או לבצע פעולות. הם מסתמכים על מודלי שפה גדולים (LLM) בסיסיים של בינה מלאכותית כדי לספק כוח חיזוי ויכולת אינטראקציה עם משתמשים אנושיים בשפה טבעית.

ספקי הפרודוקטיביות, ניהול הלקוחות ויישומי המשרד העורפי החלו לספק ללקוחותיהם סטודיו עיצוב להתאמה אישית, הנחיה והפעלה של סוכני בינה מלאכותית - או ליצירת סוכנים משלהם. להלן כמה הנחיות שימושיות לגבי התאמת סוכן בינה מלאכותית למשימה, כולל שבעה שלבים לבניית הסוכן ולשימוש בו.

מהם סוכני בינה מלאכותית?

תוכנת סוכני בינה מלאכותית רותמת מודלי שפה גדולים שאומנו על כמויות עצומות של נתונים כדי למצוא קשרים ולקשר בין מושגים, מה שיכול לעזור ביצירת תחזיות רלוונטיות לכוונות של משתמשי מחשב באמצעות תקשורת בשיחה. סוכנים נועדו לתווך בין משתמשים ומודלים של שפה, ולנקוט צעדים באופן פעיל כדי לטפל בבעיות במגוון תחומים.

הם יכולים לעזור לארגונים להפוך תהליכים חזרתיים לאוטומטיים, כגון סיוע בתחזיות כספיות, סיוע לצוותי משאבי אנוש לנווט בין השלבים המרובים בתהליך הגיוס, או סיכום פרטי החשבון וזיהוי הזדמנויות לשדרוג מכירה עבור נציגי מכירות.

כיצד ליצור סוכן בינה מלאכותית ב-7 שלבים

סוכני בינה מלאכותית נועדו להבין את התפקידים הארגוניים של המשתמשים, להשתמש בנתונים ממסמכים עסקיים כך שתהליכי העבודה יישארו רלוונטיים, ולהגיב למנחים בשפה טבעית במקום להוראות שתוכנתו מראש. כדי להכין אותם לגמישות זו בנסיבות משתנות, ארגונים צריכים לעשות קצת עבודת הכנה.

1. בחירת האסטרטגיה שלכם לבניית סוכנים. עסקים צריכים להחליט מראש אם הם רוצים להתאים אישית סוכנים שנבנו מראש על ידי ספקי התוכנה כדי לעזור להפוך תהליכים לאוטומטיים, או אם לבנות סוכנים משלהם מאפס. בהתחשב בשלב מוקדם של הבדיקות וההשקה של סוכני הבינה המלאכותית בענפי התעשייה, סביר להניח שרוב העסקים יתאימו אישית סוכנים מובנים מראש כדי שיוכלו כבר להתחיל לממש את הערך שייתנו. בעת קבלת ההחלטה, על הארגונים לשקול את הדברים הבאים:

• כישרונות בינה מלאכותית בצוות: בניית סוכנים מותאמים אישית דורשת ממפתחי בינה מלאכותית, מדעני נתונים ומומחי ממשק משתמש לבצע את התכנות ושילוב המערכות הדרושים, ואילו מנהלני יישומים יכולים לעבוד בסביבת סטודיו עיצוב כדי להתאים אישית סוכנים מוכנים מראש.
• מומחיות באימון מודלים: לרוב העסקים אין ידע פנימי שיאפשר להם לבחור מודל שפה גדול, הדרוש בעת פיתוח סוכני בינה מלאכותית מאפס, ולנהל את הכוונון העדין הדרוש כדי לוודא שמודל שנבנה מאפס לא יתדרדר לאי-דיוק עם הזמן.
• עלות: בנייה מאפס דורשת השקעה גבוהה יותר מראש בפיתוח ועמלות על קריאות API למודל השפה הגדול. התאמה אישית של סוכני בינה מלאכותית מובנים מראש מספק כמו Oracle אינה כרוכה בחיובים נוספים מעבר למנויים ליישומי SaaS שהחברות כבר משלמות עליהם.
• נתונים באיכות גבוהה: נתונים עסקיים צריכים לעבור הכנה לבינה מלאכותית לפני שהסוכנים יכולים להשתמש בהם. הכנה זו כרוכה לעיתים קרובות בהמרת הנתונים לשיבוצים וקטוריים, המציגים באופן מתמטי יחסים בין מושגים, דבר שעוזר להסיק את כוונת השאלות של המשתמשים. ארגונים שבונים סוכנים מאפס צריכים גם להתחשב ב"התאמת יתר", מצב שבו מודל שפה גדול נצמד יותר מדי לנתונים שהוא אומן עליהם ואינו יכול ליצור הכללות בתחומי ידע חדשים.
• משילות ופיקוח: עסקים עשויים לרצות סוכנים שיכולים לתעד את עבודתם ולשקף אותה למנהלי תחומי פעילות עסקית שאינם מומחים ב-IT. כדאי למחלקות IT גם להביא בחשבון שלסוכנים אין גישה לנתונים רגישים שאינם אמורים להיות חשופים לציבור או להיחשף לעובדים מסוימים.

2. בחירת מודל שפה גדול - או קבלת מודל מוכן לשימוש. ספקים של יישומי SaaS שמאפשרים ללקוחות שלהם לכוונן סוכנים בסטודיו עיצוב ככל הנראה יבחרו מראש עם אילו מודלי שפה גדולים התוכנה שלהם תתקשר, או יעניקו למנהלים אפשרות בחירה מוגבלת. ארגונים הבונים מאפס יצטרכו לבחור מתוך מודלי שפה גדולים כמו Anthropic, Cohere, Google, IBM, Meta (מפתחת המודלים הפופולריים Llama), Microsoft, Mistral, ו-OpenAI. גישה זו יכולה לתת לעסקים האלה שליטה על כל השכבות של מחסנית סוכני התוכנה שלהם, כולל המודל הבסיסי. המשמעות היא גם שהם אחראים על תחזוקה של רכיבי תוכנה רבים בהשוואה להתאמה אישית של סוכנים מוכנים מראש.

3. עיצוב תהליך עבודה והגדרת הכלים. אפילו התאמה אישית של סוכנים שנבנו מראש היא עבודה למנהלן יישומים, לא למשתמש עסקי כללי. מנהלנים יכולים להתחיל בתבניות תהליך עבודה שעוצבו מראש - להשתמש במקרים עם קוד בתצוגת קטלוג או ליצור תהליכי עבודה חדשים ומותאמים אישית. כדי להגדיר תהליכי עבודה של סוכנים שנבנו מראש, מנהלנים מזינים הוראות ספציפיות בשפה טבעית בשדות הסטודיו לעיצוב סוכן או בוחרים פעולות מרשימות כדי לציין כיצד הסוכן יתקשר עם משתמשים, יציג נתונים או יתזמן פגישות. מנהלנים יכולים גם לבחור באילו כלים ישתמש הסוכן כדי לענות על שאלות, והם יכולים לספק שאלות לדוגמה שעובדים עשויים לשאול.

תהליך זה מסייע להגדיר את תפקיד הסוכן, ומתאר במונחים פשוטים כיצד עליו לבצע עבודה ולאיזה מידע הוא יצטרך גישה. לדוגמה, סוכן ביישום משאבי אנוש שמסייע להסביר הטבות בריאות לעובדים יזדקק לגישה למסמכים רפואיים על מצב הראייה ורפואת השיניים ומסמכי מדיניות בריאות אחרים, ואילו סוכן הטבות פיננסיות עשוי להזדקק למידע על פרישה ותוכניות מניות בחסות המעסיק (עוד על כך בהמשך).

4. העלאת מסמכים ל-RAG. כעת כשהסוכן קיבל את ההוראות והכלים שלו, מנהלן יכול להשתמש בטוען מסמכים כדי להכין את מסמכי החברה ליצירה מועצמת ע"י שליפה (RAG) - טכניקת בינה מלאכותית שמספקת מסמכים עסקיים ונתונים בזמן ריצה למודל שפה גדול כדי להגדיל את מה שהמודל למד במהלך האימון שלו. המנהלן מספק הוראות בשפה טבעית כדי שהסוכן ידע כיצד עליו להשתמש במסמכים. תוכנת בונה סוכנים יעילה מפשטת את מסד הנתונים הווקטורי המסייע לספק תוצאות רלוונטיות ביותר בזמן הריצה על בסיס מה שמשתמש במחשב מתכוון למצוא.

5. לחיצה ליצירה. לאחר שבסיס ההנחיות, הנושאים והמסמכים מוכן, המנהלן יכול ליצור סוכן בסטודיו עיצוב פשוט במתן שם ולחיצה על כפתור ממשק משתמש. הנחיות בשפה טבעית מאפשרות לתהליך העבודה (או לסוכנים אחרים) להבין את יכולותיו. כשהם פועלים, סוכני בינה מלאכותית תוכננו כך שילמדו כיצד לשפר את הביצועים שלהם באמצעות תהליך מתמטי של ניסוי , שגיאה ותגמול שנקרא למידה באמצעות חיזוקים.

ייתכן שחברות שבונות סוכנים מאפס ללא סטודיו עיצוב יצטרכו להוסיף שילובים למחלקת הכספים, משאבי האנוש, ניהול הלקוחות ויישומים אחרים, כמו גם למסדי הנתונים והמסמכים של המשתמשים. מסגרות סוכני בינה מלאכותית הן חלופה לכתיבת קוד מאפס על ידי מתן ארכיטקטורות תוכנה, פרוטוקולי תקשורת, מחברים למקורות נתונים מקומיים ובענן וכלי ניטור שיעזרו לעסקים לבנות סוכנים חדשים. מסגרות הקוד הפתוח הפופולריות כוללות את LangChain, LlamaIndex ו-AutoGen של Microsoft Research.

סביבות סטודיו של סוכנים יכולות לכלול גם מסגרת פנימית שמנהלנים לא צריכים לגשת אליה ישירות.

6. הגדרת גבולות. עכשיו הגיע הזמן להיעזר במעקה בטיחות כדי להבטיח שהסוכנים ישמרו על הדיוק שלהם ויוכלו לזהות מתי לבקש אישור לפני ביצוע פעולות. המנהלן שמקים את הסוכן יכול, לדוגמה, להוסיף דרישה לקבלת אישור מהצוות לפני שליחת הודעת דוא"ל או עדכון רשומה.

מנהלנים יכולים גם לקבוע תנאים שלפיהם ניתן לענות על שאלה, או להוסיף הוראות הדורשות ממודל שפה גדול בסיסי למשוך מידע ממערכת IT של חברה או לבקש מהמשתמש הבהרה – במקום להמציא תשובה (חיסרון של בינה מלאכותית גנרטיבית הנקרא 'הזיות'). לדוגמה, מנהלן יכול להקליד: ודא שיש לך מידע לגבי מספר הנתמכים בכך שתשאל את המשתמש או את המערכת. אם אינך יודע את התשובה, אל תשיב.

ניתן גם לתכנן סוכנים המקבלים בירושה יכולות פיקוח על תוכן משירות הענן שבו הם פועלים.

7. בדיקה, פריסה וניטור. באמצעות אזור בדיקה בסטודיו, מנהלנים יכולים לתרגל אינטראקציה לדוגמה כדי להעריך אם תגובות הסוכן מועילות ורלוונטיות, ולבדוק מאילו מקורות הוא מצטט. הם יכולים גם לראות כיצד אינטראקציה עם משתמש תשתנה אם הארגון שינה את הוראות הסוכן או את מודל השפה הגדול הבסיסי שלו. לאחר מכן מנהלן יכול לפרוס את הסוכן ישר בסטודיו העיצוב.

סוכנים יכולים לשפר את הביצועים שלהם לאורך זמן על ידי מדידת השילובים של נתוני RAG ומנחי המשתמשים כדי לראות מי הניבו את התוצאות השימושיות ביותר. לאחר מכן, מנהלי עסקים יכולים לדרג את ביצועי הסוכנים ולשלב את המשוב באינטראקציות עתידיות עם המשתמשים.

השתמשו ב-Oracle AI Agent Studio for Fusion Applications כדי להתאים אישית סוכנים ב-Oracle Applications

Oracle AI Agent Studio מאפשר למנהלי IT להקים סוכני בינה מלאכותית ב-Oracle Fusion Cloud Applications שנועדו לסייע למשתמשים במגוון משימות, כולל קריאה ליתרות תשלום החופשות שלהם, משיכת היסטוריות הרכישה של הלקוחות, עיבוד החזרות מוצרים וניתוח תצלומי ציוד ייצור כדי להעריך את עלות התיקונים.

מנהלני Fusion מתחילים עם תבניות מובנות מראש, שמופיעות כאריחים במרחב העבודה שלהם ומכילות את הקוד הדרוש לתחילת העבודה. לאחר מכן, בוני סוכנים מנחים את הסוכן שהם רוצים לפרוס לגבי ההיקף והמגבלות של הפונקציה שלו, ואילו מסמכים ומקורות נתונים אחרים הוא צריך לחפש כדי לקבל מידע. הם יכולים גם ליצור סוכנים חדשים מאפס. הסוכנים כלולים במנויי הלקוחות של Fusion ללא עלות נוספת.

שאלות נפוצות על יצירת סוכני בינה מלאכותית

מה עושה סוכן בינה מלאכותית?

סוכני בינה מלאכותית הם עוזרים וירטואליים הפרוסים בתוך יישומים עסקיים או תוכנת פרודוקטיביות אישית כדי לעזור לטפל בשאלות של משתמשי מחשב או לעזור להם להשלים משימות. בניגוד לעוזרי תוכנה קודמים, שהסתמכו על כללים ותהליכי עבודה שתוכנתו מראש, סוכני בינה מלאכותית נועדו להבין את ההנחיות וההקשר בשפה טבעית, תוך הסתגלות למצבים חדשים.

האם סוכני בינה מלאכותית הם העתיד של העבודה?

סוכני בינה מלאכותית יכולים עם הזמן להיות שימושיים יותר ויותר מכיוון שהם נפרסים ביישומים עסקיים שונים עם פחות הסתמכות על התערבות אנושית, ומכיוון שהם לומדים מאינטראקציות עם יותר משתמשים עסקיים וצרכנים לאורך זמן.