Mentionsy

Wyobraź sobie, że budzisz się rano, a twój agent AI właśnie wysłał setki maili do klientów.

Od miesięcy słowo agent AI brzmi jak zaklęcie.

Mówię to jako specjalista, który od lat wdraża automatyzację i systemy AI w firmach.

Dlatego zanim klikniesz deploy, pokażę ci, co naprawdę musi być gotowe, żeby Agent AI nie stał się twoim największym błędem technologicznym.

Asystent AI czeka na polecenie, reaguje.

Napisz ofertę, podsumuj rozmowę, wygeneruj maila.

Agent AI działa natomiast sam.

Wykrywa zdarzenie, analizuje dane, podejmuje decyzje, wysyła maila, otwiera ticket, przydziela leada, przydziela zadanie, uzupełnia CRM.

Za chwilę pokażę Ci dokładnie, jak Agent AI działa u jednego z naszych klientów w LaboPrint i dlaczego to wdrożenie zadziałało, choć wcale nie zaczynało się od AI.

To nie była magia AI.

Zendesk, Naten, Rejestr.io lub Company API, OpenAI, Airtable,

Do firmy wpada mail, na przykład z zapytaniem ofertowym od nowego klienta.

System automatycznie tworzy taki rekord w Airtable, który służy nam tutaj za bazę danych.

Są tam takie informacje jak imię, nazwisko, mail, NIP, adres domeny firmowej.

Porównywał przychód z progami zdefiniowanymi w Airtable.

I tu na scenę wchodzi warstwa AI.

Teraz wchodzi OpenAI, ale nie gołe, tylko osadzone w polityce firmy zapisanej w Timer Table.

Strategiczny, rozwojowy, jednorazowy i ważne, to nie jest czarna skrzynka, czyli w Airtable zapisujemy uzasadnienie decyzji, z jakiego rejestru przyszły dane, jakie pola były brane pod uwagę, w jakiej walucie i jak zostały przeliczone.

W Airtable ląduje natomiast pełny dziennik zdarzeń, czyli czas, z którego API przyszły te dane, po jakim kursie były przeliczone waluty, jeśli były przeliczane, jaka była podjęta decyzja co do tego klienta i do kogo przypisano sprawę, czy ticket, czy jakkolwiek to określimy.

W Airtable definiujemy progi wartości, np.

Każdy wynik, wygrana, przegrana, wartość dila wraca do Airtable jako kolejna obserwacja.

Kiedy Agent AI Ma Sens, A Kiedy Jest Drogim Błędem?

A Kiedy Agent AI Ma Sens, A Kiedy Jest Drogim Błędem?

Agent AI działa dokładnie tak samo.

Przykłady takie jak LABO, ale też wiele innych, pokazują, że agenci AI nie są dla każdego procesu.

Jeśli wszystko w procesie da się opisać regułami, czyli jeśli to, to nie ma sensu angażować AI.

Pobierał dane z rejestr.io i company API, porównywał przychody z progami, przeliczał waluty, żeby wszystko było porównywalne i dopiero wtedy dzięki OpenAI oceniał, jaką wartość ma ten klient.

Wszędzie tam, gdzie decyzja zależy od tonu, relacji, emocji, od takiego bardzo mglistego kontekstu, AI nie ma wystarczających kompetencji, żeby podjąć właściwą decyzję.

Agenci AI nie są po to, żeby zautomatyzować wszystko.

A właśnie w tej szarej strefie między nimi rodzi się prawdziwa wartość agentów AI.

Czyli w pierwszym kroku uporządkuj proces, zanim pomyślisz o AI.

Jeśli jakiś fragment procesu da się opisać regułą, jeśli A to B, zrób to bez AI.

W Laboprint, zanim agent dostał dostęp do OpenAI, działało już pobieranie danych z rejestr.io i kompany API, przeliczanie walut, zapisywanie tych informacji w Airtable.

To jest logika biznesowa, na której ten model, w tym przypadku OpenAI, podejmuje decyzje.

W Laboprint wynik każdej interakcji wracał do Airtable, a model był regularnie douczany i na podstawie realnych wyników.

Agenci AI to nie jest magiczny przycisk napraw firmy.

Które zaczynały od AI i po pół roku miały dwa razy więcej pracy, dwa razy więcej wyjątków i trzy razy więcej pytań dlaczego to znowu nie działa.

Najpierw posprzątały procesy, a dopiero potem zaprosiły AI do tej zabawy.

AI jest tylko połową historii.