Sokan gondolják, hogy az agentikus mesterséges intelligencia (AI) bonyolult téma, pedig néhány kulcsgondolat megértésével jól körülhatárolható. Ebben az elemzésben arra világítanak rá, miben tér el az agentikus AI a generatív AI-tól, és valójában mennyire fontos a gondolkodási folyamat, amikor AI-ügynököket tervezünk. Az előadás gyakorlati szempontból közelíti meg a témát; definíciók helyett egyszerű példákon keresztül mutatja, hogyan épülnek fel ezek a rendszerek.
Téma lesz a nagynyelvi modellek (LLM-ek) szerepe az AI-ügynökök „agyalapjaként”, és az is, hogy az ágensek képesek önálló cselekvésre, döntéshozásra, valamint feladatok lebontására, tervezésére. Szóba kerül, hogyan egészülnek ki ezek a rendszerek memóriával, autonómiával vagy akár eszközhasználati lehetőségekkel, amelyek segítségével valós műveleteket hajthatnak végre.
Külön hangsúlyt kapnak a lehetséges felhasználási területek, például egy AI-alapú toborzó vagy ügyfélszolgálati ügynök működése, illetve hogy mi szükséges egy valóban hasznos AI-ügynök megalkotásához. A bemutatott saját Python-példa lépésről lépésre vezeti végig a nézőt egy egyszerű feladatkategorizáló ügynök kódolásán, miközben kitér arra is, hogy mennyi autonómiát és gondolkodási képességet várhatunk el egy ilyen egyszerű ágenstől.
Felmerülnek olyan kérdések is, mint például hogy hol húzódik a határ egyszerű generatív AI és tényleges agentikus AI között, valamint hogy milyen eszközök (mint a LangGraph, Auto-GPT vagy Crew AI) állnak rendelkezésre az AI-ügynökök fejlesztéséhez. A néző előtt megnyílik az agentikus AI világának gyakorlati oldala, ahol már nem csak a válaszadás képessége, hanem a célorientált működés és a munkafolyamatok szervezése is központba kerül.
