Der bliver talt meget om AI-agenter, men hvad er de egentligt for en størrelse, og hvordan kan de bruges i hverdagen? Det dykkede vi for nyligt ned i på et webinar sammen med Dansk Erhverv, Erik David Johnson, Chief AI Officer i Delegate samt Frederik Hofvander, AI Specialist i Dinero.
Du kan se eller gense hele ”Webinar om AI-agenter” her.
Hvad er en AI-agent?
En AI-agent er et stykke software, der ligger som et lag ovenpå f.eks. rag-arkitektur eller sprogmodeller, og som kan planlægge og lære selvstændigt, samt løse komplekse opgaver uden konstant menneskelig indblanding.
Men hvordan bygger man en AI-agent og i et marked, hvor udviklingen foregår med rasende hastighed?
Her kunne Erik David Johnson heldigvis fortælle, at der er flere og flere AI-virksomheder, der tilbyder programmer, hvor man hurtigt og nemt selv kan få lov at bygge sin AI-agent.
På webinaret nævnte han bl.a. disse:
- ChatGPTs Agent mode
- Copilot Studio
- Cerebrum
- Google Gemini multimodal assistant
- Perplexity AI
- Salesforce Agentforce
- Azure AI
Derudover kom han ind på, hvordan han mente, at fremtidens sprogmodeller kom til at se ud. De såkaldte ”World Model Agents” ville ikke bare blive stærkere til at bruge viden (i forhold til sprog som er deres styrke i dag), men også blive bedre til at forklare, hvordan de er kommet frem til deres resultater.
Praktisk case på en AI-agent
I Dinero, der udvikler regnskabsprogrammer, har man udviklet en chatbot, kaldet Fin, som hjælper supportteamet med at håndtere kundehenvendelser. En AI-løsning som 50% af kunderne vælger at benytte i dag.
Da Dinero startede projektet, havde de nogle få enkle krav til, hvordan de ville udvikle og skalere deres chatbot.
Først og fremmest ville de have en AI-agent, der var Plug-and-Play, og som ikke krævede, at man skulle kunne kode for at kunne forbedre og udvikle den med hurtige justeringer af viden og i prompten.
I deres promt-design inkluderede de bl.a.:
- Krav til Fins tone of voice, så den både havde personlighed og ”lød” som Dinero i sine svar.
- Begrænsninger for, hvad Fin må svare på, og at den hellere skulle sige ”Jeg ved det ikke” og henvise til en supporter end at gætte
- At Fin skulle spørge kunderne ind ved manglende info
Til at starte med isolerede de chatbotten til kun at omfatte enkle opgaver og områder, og så skalerede de dens virkeområde, efterhånden som de sikrede kvaliteten og dens svar. Alligevel var udrulningen ikke uden udfordringer.
”En af de udfordringer, vi ikke lige havde tænkt på, var, at vi endte med at have to vidensdatabaser, der skulle opdateres. En til AI’en og en til mennesker, hvilket ikke var helt optimalt. Men vi fandt heldigvis hurtig en måde løbende at opdatere begge på, så det ikke længere er noget problem,” fortæller Frederik Hofvander.
Supporterne kan også nemt søge på alle tidligere samtaler med kunder (og se hvor Fin har fundet sine svar fra), hvilket gør deres arbejde hurtigere. Og de kan sende feedback omkring kvaliteten af Fins svar til Frederiks team, så de hurtigt kan ændre og forbedre chatbotten.
Ambitionerne stopper dog ikke her i Dinero. Næste fase i udviklingen af deres kunderettede AI-agent er, at den også skal kunne udføre handlinger – ikke kun tekstsvar, og man som kunde skal kunne ringe til og tale med AI’en.