なぜほとんどのエージェントはただのフローチャートの変装なのか、そして何を構築すべきか。私は数か月前に空港でこの内容の大半を書き、その後ドラフトに置いたままにしました。騒音はそれ以降だけが大きくなったので、ここにあります。数か月前、クライアントのワークショップから帰る途中、私たちはエージェンティックAIが何を含むのかの範囲について話し合っていました。そして私たちはそれぞれ、自分の経験から例を挙げました。自動化ではこれを解決できないこと、そしてほとんどのエージェンティックAIのユースケースが単なる飾り立てられた自動化であることについて議論がありました。質問は、「エージェントの実際のユースケースを1つ教えてください。デモではなく。自動化ではなく。実際のものです。なぜなら、これまで私が見てきたものはすべて、ワークフローエンジンとモデル呼び出しで構築できたからです。」私たちはその時点で数か月間、エージェンティックAIについて話し合ってきました。私たちはこれらのシステムをアーキテクトしました。私たちはそれらをピッチしました。そしてそれでも、そこに座ってお茶を飲み、手元に二十分あったとき、私たちは三十秒の吟味に耐える例を出すために十分に長く考えなければなりませんでした。これが私を十分に悩ませて、これを書き留めることにしました。私が最初に思いついたテストは、私の直感でした — エージェンティックAIを仕事の形によって定義するということ。タスクが実行中に開始時に予見できなかった意思決定をシステムに要求するなら、それはエージェントです。そうでなければ、それは自動化です。私は航空機の保守から例を考えました。なぜなら、私は過去六か月間そこにいたからです。A320航空機がECAM警告を伴って着陸します、AIR PACK 1 フォールト。自動化がすること：チェックリストをトリガーし、当番のエンジニアに通知し、おそらくMEL参照を取得します。完了。従来の機械学習がすること：過去のフォールトパターンからコンポーネントの故障確率を予測し、信頼スコアを生成します。エンジニアはまだ決定します。私が考えるエージェントがすること：ECAMメッセージ（航空機のコックピットシステムのメッセージ）から始め、CFDS（中央集約型フォールトディスプレイシステム）をクエリしてフォールト履歴を取得し、パック1が過去6週間で同じフォールトを3回出したことを確認します。これにより状況が変わりますので、TSM（トラブルシューティングマニュアル）を参照し、4つの候補となる根本原因を特定します。その後、AMOS（世界中の航空で使用されるデータベース）をチェックして在庫部品を確認し、そのうちの2つがフローコントロールバルブを必要とするが、そのステーションにはないことを確認します。その後、MEL（最低設備リスト、航空機が飛行可能であるために必要な最低限の設備）に基づいてどの原因が延期可能かを確認し、カテゴリC（多くのカテゴリの1つ）で10日間延期可能な1つを見つけ、次の10回のフライトを確認して延期の運用コストを理解し、推奨事項を作成します：カテゴリCで延期し、8日目以前にフローコントロールバルブ（FCV）を発注し、次のベースメンテナンススロットで詳細検査のためにフラグを立てます。誰もこの決定木を事前にプログラムしていませんでした。この計画はプロセスから生まれたもので、それに先立つものではありませんでした。私はまだ自分自身を納得させられていませんでした。そして振り返ってみると、私は正しかったと思います。なぜこの例が失敗するのか なぜなら、あなたはそのフローチャートを描くことができるからです。CFDS、その後TSM、その後AMOS、その後MEL、その後ローテーション。これは枝を持つ複雑なフローチャートですが、有能なエンジニアであれば事前に指定することができました。複雑さは開放性と同じではありません。枝が200本ある木でも、まだそれは木です。これはほぼすべてのエージェンティックAIのピッチデッキが犯す間違いで、私のものも含まれます。私たちは複雑なものを見せ、その複雑さが自明にエージェンティックであることを期待します。それはそうではありません。複雑さはただ大きなフローチャートであり、フローチャートにはすでに技術があり、そしてそれはあなたがそのスロットに置くどんなLLMよりも安く、速く、そしてはるかに信頼性が高いです。では、実際の線はどこにあるのか？既知の未知 versus 未知の未知 ここに私が確立した区別があります。そしてそれは、この市場のほとんどの人が認めようとするよりも狭いです。自動化は既知の未知を扱います。あなたは部品が在庫にあるかどうかはわかりませんが、在庫を確認する必要があることはわかります。エージェントは未知の未知を扱います。あなたは何を確認する必要があるかはわかりませんし、それを知る唯一の方法は見ることです。u...
出典: Towards Data Science · 要約：HeadlinesBriefing