Читать книгу Агенты среди нас. Как нанять нейросеть на работу и не уволиться самому - - Страница 9

Скептики часто говорят: «Зачем мне этот модный ИИ? Я могу написать скрипт на Python или настроить сценарий в Zapier, который будет делать то же самое».

Это справедливый вопрос. Граница между классической автоматизацией (Automation) и агентной автоматизацией (Agentic Automation) тонкая, но критически важная. Она проходит по линии адаптивности к неопределенности.

Чтобы понять разницу, давайте используем аналогию с транспортом.

– Скрипт (Automation) – это Поезд. Он очень мощный и быстрый. Но он может ехать только по рельсам. Если на рельсах лежит камень – поезд либо остановится, либо сойдет с рельсов. Если рельсы закончатся – он встанет. Поезд не может сказать: «Хм, тут ремонт путей, объеду-ка я через лес».

– Агент (Agentic AI) – это Внедорожник с водителем. Он может ехать по дороге. Но если дорога перекрыта, водитель (LLM) посмотрит на карту, оценит ситуацию и проедет по обочине. Он адаптируется.

1. Жесткая логика vs. Вероятностная логика

Скрипт (If/Then): Работает на жестких правилах.

– Задача: Разобрать почту.

– Логика скрипта: «ЕСЛИ в теме письма есть слово „Счет“, ТО переслать бухгалтеру».

– Проблема: Клиент прислал письмо с темой «Оплата за услуги по договору». Слово «Счет» отсутствует. Скрипт пропустит это письмо. Для скрипта «Счет» и «Оплата» – это абсолютно разные наборы байтов. Чтобы починить это, вам придется вручную дописывать правило: «ЕСЛИ «Счет» ИЛИ «Оплата» ИЛИ «Invoice»…». Вы станете рабом бесконечных правил.

Агент (Intention/Reasoning): Работает на смыслах.

– Логика агента: «Проанализируй содержимое письма. Если суть письма касается финансовых документов или просьбы об оплате – перешли бухгалтеру».

– Результат: Агент поймет, что «Оплата», «Инвойс», «Где деньги?» и «Кидаю акты» – это всё семантически близкие понятия. Он поймет смысл, даже если конкретных ключевых слов нет. Он устойчив к вариативности человеческого языка.

2. Реакция на ошибки (Self-Correction)

Скрипт: Хрупок.

Если API сайта, с которого скрипт собирает цены, вернет ошибку 500, скрипт упадет и пришлет вам лог с красным текстом «Error». Процесс встал.

Агент: Устойчив.

Получив ошибку, агент «подумает»: «Так, сайт недоступен. Что я могу сделать? Я могу подождать 5 минут и попробовать снова. Или я могу попробовать найти этот товар на другом сайте-зеркале. Или я могу сообщить пользователю, что данные старые, но вот прогноз».

Агенты обладают способностью к саморефлексии. Они могут прочитать сообщение об ошибке, понять, что пошло не так (например, «неверный формат даты»), исправить свой же запрос и повторить попытку. Без участия человека.

3. Работа с неструктурированными данными

Скрипт: Любит таблицы и четкие формы.

Скрипт отлично перекладывает цифры из ячейки А1 в ячейку Б2. Но если вы дадите скрипту фотографию смятого чека или запись телефонного разговора с клиентом, он беспомощен.

Агент: Всеяден.

Агент может «прочитать» фото чека (используя Vision модели), «услышать» аудио (используя Whisper), понять сарказм в голосе клиента и извлечь из этого хаоса структурированные данные. Агенты – это мост между хаосом реального мира и порядком баз данных.

Когда использовать скрипт, а когда агента?

Не нужно стрелять из пушки по воробьям. Агенты дороже и медленнее скриптов (так как каждый шаг требует обращения к LLM).

– Если задача линейна, предсказуема и не меняется (например, «каждую ночь копировать базу данных на резервный сервер») – используйте скрипт.

– Если задача требует суждения, понимания контекста или работы с «грязными» входными данными (например, «отвечать на отзывы клиентов» или «искать перспективные тендеры») – нанимайте агента.