1. Johdanto: miksi yksi tekoäly ei aina riitä
Ensimmäinen tekoälyaalto sai meidät kysymään: mitä kaikkea yksi malli voi tehdä? Se voi kirjoittaa sähköpostin, tiivistää dokumentin, koodata pienen sovelluksen, analysoida palautetta ja ideoida markkinointikampanjan. Aika paljon yhdelle työkalulle.
Mutta työelämä ei yleensä koostu yhdestä tehtävästä. Oikea työ näyttää tältä: etsitään tietoa, arvioidaan lähteitä, verrataan vaihtoehtoja, tehdään päätös, kirjoitetaan raportti, tarkistetaan laatu, viedään tieto järjestelmään ja seurataan vaikutuksia.
Siinä kohtaa yksi tekoälymalli alkaa muistuttaa taitavaa yksilösuorittajaa, joka yrittää hoitaa koko projektin yksin.
Orkesterointi ja agenttifarmit tuovat tähän toisenlaisen ajatuksen: entä jos tekoäly ei olisi yksi työkalu, vaan pieni digitaalinen tiimi?
Yksi agentti hakee tietoa. Toinen analysoi. Kolmas kirjoittaa. Neljäs tarkistaa. Viides päättää, mitä tehdään seuraavaksi.
Hyvin rakennettuna tämä voi nopeuttaa monivaiheista asiantuntijatyötä. Huonosti rakennettuna se voi olla kuin kokous, jossa kaikki puhuvat päällekkäin, kukaan ei tarkista faktoja ja lopputulos näyttää uskottavalta mutta on pielessä.
Siksi aiheesta kannattaa puhua nyt: agentit ovat siirtymässä demojen maailmasta yritysten työnkulkuihin. Microsoft kuvaa Agent Frameworkia työkaluksi, jolla rakennetaan yksittäisiä agentteja ja monen agentin työnkulkuja .NET- ja Python-ympäristöissä.[1]
2. Mitä orkesterointi tarkoittaa?
Orkesterointi tarkoittaa useiden tekoälymallien, työkalujen, datalähteiden ja agenttien ohjaamista samaan tavoitteeseen.
Ajatus on sama kuin orkesterissa. Viulisti, sellisti, trumpetisti ja lyömäsoittaja voivat olla kaikki loistavia. Mutta ilman kapellimestaria, nuotteja ja yhteistä rytmiä syntyy helposti melua, ei musiikkia.
Tekoälyssä orkesterointi vastaa kysymyksiin:
- kuka tekee mitä,
- missä järjestyksessä tehtävät tehdään,
- mitä tietoa siirretään seuraavalle agentille,
- milloin työ pysähtyy,
- milloin pyydetään ihmiseltä päätös,
- miten virheet havaitaan,
- miten lopputulos tarkistetaan.
LangChainin dokumentaatio kuvaa monen agentin järjestelmät erikoistuneiden komponenttien koordinointina monimutkaisten työnkulkujen ratkaisemiseksi, mutta muistuttaa samalla tärkeästä asiasta: kaikki monimutkaiset tehtävät eivät tarvitse monen agentin rakennetta. Joskus yksi agentti ja hyvät työkalut riittävät.[2]
Tämä on hyvä vastalääke hypelle. Orkesterointi ei tarkoita, että jokainen prosessi pitää muuttaa agenttien sirkukseksi. Se tarkoittaa, että monivaiheinen työ voidaan jakaa hallitusti osiin.
3. Mikä on agenttifarmi?
Agenttifarmi on joukko tekoälyagentteja, joilla on omat roolit ja tehtävät. Se voi näyttää esimerkiksi tältä:
- tutkija-agentti hakee tietoa,
- analyytikko-agentti arvioi löydökset,
- kirjoittaja-agentti tekee raportin,
- laadunvarmistaja-agentti tarkistaa väitteet,
- projektipäällikkö-agentti ohjaa työn etenemistä.
Agenttifarmi ei välttämättä tarkoita satoja agentteja. Usein hyvä alku on kolme tai neljä. Tärkeintä ei ole määrä, vaan työnjako.
Huonosti suunniteltu agenttifarmi on kuin startup, jossa kaikilla on hienot tittelit mutta kukaan ei tiedä, kuka päättää. Hyvin suunniteltu agenttifarmi on kuin pieni tehokas tiimi, jossa jokaisella on selvä rooli, rajattu vastuu ja yhteinen tavoite.
4. Agentti, työkalu ja automaatio — mikä ero niillä on?
Tässä menee helposti termit sekaisin.
Tekoälymalli on perusmoottori. Se tuottaa tekstiä, luokittelee, päättelee tai käsittelee tietoa.
Työkalu on jokin toiminto, jota malli voi käyttää. Esimerkiksi verkkohaku, tietokantakysely, laskuri, kalenteri, CRM-järjestelmä tai sähköpostin lähetys.
Automaatio tekee ennalta määriteltyjä vaiheita. Esimerkiksi: jos lomake täytetään, lähetä sähköposti.
Agentti on järjestelmä, joka voi tavoitteen saatuaan päättää seuraavista askelista, käyttää työkaluja ja edetä tehtävässä jossain määrin itsenäisesti.
Yksinkertainen vertaus: Automaatio on kuin liukuhihna — se tekee saman asian uudelleen. Agentti on kuin assistentti — se tulkitsee tilanteen, valitsee työkalun ja yrittää päästä tavoitteeseen.
Orkesterointi taas on tapa johtaa useita assistentteja niin, että ne eivät tee samaa asiaa päällekkäin tai sotke toistensa työtä.
5. Miksi orkesterointi toimii?
Orkesterointi toimii, koska monet työtehtävät ovat luonnostaan vaiheittaisia. Ihmisetkin jakavat työn rooleihin. Harva hyvä organisaatio pyytää yhtä ihmistä samanaikaisesti tutkimaan markkinaa, kirjoittamaan sopimuksen, tarkistamaan lakiriskit, tekemään talousmallin ja hyväksymään lopputuloksen.
Tekoälyssä sama logiikka voi parantaa laatua. Yksi agentti voi keskittyä yhteen tehtävään. Sen ohjeistus voi olla tarkempi, sen työ helpompi arvioida ja sen virheet helpompi havaita.
Esimerkiksi raportin tekemisessä työnkulku voi olla:
- Hae lähteet.
- Poimi olennaiset väitteet.
- Tarkista ristiriidat.
- Kirjoita luonnos.
- Tarkista faktat.
- Muokkaa lukijaystävälliseksi.
- Tee lopullinen yhteenveto.
Tämä on usein parempi kuin yksi prompti: ”Tee täydellinen raportti kaikesta.”
Orkesteroinnin ydin ei siis ole agenttien määrä. Ydin on työnkulun suunnittelu.
6. Milloin agenttifarmi on hyödyllinen?
Agenttifarmi kannattaa rakentaa silloin, kun tehtävä on monivaiheinen, toistuva, eri osaamisalueita vaativa, tarkistuksia tarvitseva, liiketoiminnallisesti merkittävä, liian laaja yhdelle promptille tai sellainen, jossa virheet pitää havaita ennen lopputulosta.
Hyviä käyttökohteita ovat esimerkiksi:
- asiakasraporttien tuottaminen
- markkina- ja kilpailijaseuranta
- tarjouspyyntöjen analyysi
- ohjelmistokehityksen tukiprosessit
- asiakaspalautteen luokittelu ja analyysi
- tietoturvapoikkeamien alustava triage
- lakidokumenttien ensimmäinen tarkistus
- myynnin prosessit
- rekrytoinnin tukityöt
- taloushallinnon poikkeamien selvitys
Mutta agenttifarmi ei ole hyvä ratkaisu kaikkeen. Jos tehtävä on yksinkertainen, yksi hyvä tekoälyavustin riittää. Jos data on huonoa, agenttifarmi ei pelasta sitä. Jos prosessi on epäselvä ihmisille, se on vielä epäselvempi agenteille.
Tämä on yksi tärkeimmistä opeista: älä automatisoi kaaosta.
7. Yritysten näkökulma: digitaaliset työnkulut uudelle tasolle
Yrityksille orkesterointi on kiinnostavaa siksi, että se voi muuttaa tekoälyn yksittäisestä apurista osaksi työprosessia.
Tähän asti moni organisaatio on käyttänyt tekoälyä näin: työntekijä avaa työkalun, kirjoittaa pyynnön, kopioi vastauksen, muokkaa sitä ja vie työn eteenpäin.
Orkestroitu agenttijärjestelmä toimii eri tavalla: työnkulku käynnistyy esimerkiksi asiakaspalvelupyynnöstä, tarjouspyynnöstä tai uudesta dokumentista. Agentit käsittelevät sen vaiheittain, käyttävät tarvittavia järjestelmiä, ehdottavat päätöstä ja pyytävät ihmiseltä hyväksynnän kriittisessä kohdassa.
Tämä voi tuoda kolme isoa hyötyä:
Ensinnäkin nopeus. Monivaiheinen työ voi edetä ilman, että ihminen kopioi tietoa järjestelmästä toiseen.
Toiseksi tasalaatuisuus. Sama työnkulku voidaan toistaa samalla rakenteella.
Kolmanneksi läpinäkyvyys. Hyvin suunniteltu järjestelmä jättää jäljen: mitä tehtiin, millä tiedolla ja missä kohtaa ihminen hyväksyi lopputuloksen.
Mutta tämä vaatii hallintaa. NISTin tekoälyn riskienhallintakehys painottaa tekoälyriskien johtamista organisaation, yksilöiden ja yhteiskunnan näkökulmasta. Generatiivisen tekoälyn profiilissa esiin nousevat muun muassa tietosuoja, informaation eheys, tietoturva, vinoumat ja arvoketjun riskit.[3]
Agenttifarmissa nämä riskit eivät vähene. Ne moninkertaistuvat, jos jokainen agentti saa liikaa valtaa, liikaa dataa ja liian vähän valvontaa.
8. Startupien näkökulma: pieni tiimi voi rakentaa ison koneiston
Startupille agenttifarmi voi olla houkutteleva supervoima. Pieni tiimi voi rakentaa prosesseja, jotka aiemmin olisivat vaatineet monta ihmistä. Myynti voi rikastaa liidejä. Asiakastuki voi jäsentää tikettejä. Tuotekehitys voi saada koodikatselmuksen apua. Perustaja voi seurata markkinaa automaattisemmin.
Mutta juuri startupien kannattaa olla varovaisia. Agenttifarmi voi näyttää demossa upealta ja hajota tuotannossa. Se voi tehdä 80 prosenttia oikein ja 20 prosenttia vaarallisen väärin. Se voi nostaa pilvikustannuksia yllättävästi. Se voi käsitellä asiakasdataa tavalla, jota kukaan ei dokumentoinut.
Startupin hyvä sääntö on tämä: rakenna agenttifarmi vasta, kun tiedät, minkä työnkulun se korvaa tai vahvistaa.
Ei näin: ”Meillä pitää olla agentteja.”
Vaan näin: ”Meillä on viikoittain 200 asiakastukipyyntöä, joista 60 prosenttia pitää luokitella, tiivistää ja ohjata oikealle tiimille. Rakennamme agenttityönkulun tähän.”
Se on paljon parempi lähtökohta.
9. Teknologinen näkökulma: miten agentit oikeasti toimivat yhdessä?
Monen agentin järjestelmissä on muutamia tavallisia malleja.
1. Ketjumalli
Yksi agentti tekee ensimmäisen vaiheen ja lähettää tuloksen seuraavalle. Esimerkiksi: haku → tiivistys → analyysi → raportti → tarkistus. Tämä on hyvä aloitusmalli, koska se on selkeä.
2. Supervisor-malli
Yksi agentti toimii koordinaattorina. Se päättää, kenelle tehtävä annetaan seuraavaksi. Esimerkiksi projektipäällikkö-agentti jakaa tehtävät tutkijalle, kirjoittajalle ja tarkistajalle.
3. Rinnakkainen malli
Useat agentit tekevät työtä samaan aikaan. Esimerkiksi kolme agenttia analysoi samaa markkinaa eri näkökulmista: asiakas, kilpailija ja teknologia.
4. Keskustelumalli
Agentit keskustelevat keskenään ja hiovat ratkaisua. Tämä voi olla hyödyllistä ideoinnissa, mutta vaarana on pitkä, kallis ja vaikeasti hallittava keskustelu.
5. Ihminen välissä -malli
Agentit tekevät valmistelun, mutta ihminen hyväksyy tärkeät päätökset. Tämä on monelle yritykselle järkevin malli, etenkin kun käsitellään asiakkaita, rahaa, sopimuksia, henkilötietoja tai mainetta.
Microsoftin Azure-arkkitehtuuriohjeistus kuvaa useita agenttien orkestrointimalleja, kuten peräkkäisiä, rinnakkaisia, ryhmäkeskusteluun perustuvia ja tehtävänsiirtoon perustuvia malleja.[4]
10. Konkreettiset esimerkit
Esimerkki 1: markkinaraportti
Huono: Yritys rakentaa kymmenen agenttia: yksi hakee uutisia, toinen lukee somea, kolmas analysoi kilpailijoita, neljäs tekee johtopäätöksiä, viides kirjoittaa raportin ja loput ”sparraavat”. Kukaan ei määrittele lähteitä, tarkistussääntöjä tai lopputuloksen rakennetta. Tuloksena syntyy pitkä raportti, jossa on uskottavia väitteitä, mutta osa lähteistä on heikkoja ja osa johtopäätöksistä arvailua.
Parempi: Työnkulku rajataan: 1) Hae viisi luotettavaa lähdettä. 2) Tiivistä jokainen lähde. 3) Nosta kolme havaintoa. 4) Merkitse epävarmat kohdat. 5) Kirjoita raportti. 6) Ihminen tarkistaa.
Erinomainen: Järjestelmä käyttää hyväksyttyjä lähteitä, tallentaa lähdeviitteet, näyttää epävarmuudet, erottaa faktat tulkinnoista ja lähettää raportin asiantuntijalle hyväksyttäväksi ennen jakelua.
Esimerkki 2: asiakaspalvelun tikettien käsittely
Huono: Agentti lukee asiakkaan viestin ja vastaa automaattisesti ilman tarkistusta. Se tulkitsee reklamaation väärin ja lupaa hyvityksen, johon yrityksellä ei ole käytäntöä.
Parempi: Ensimmäinen agentti luokittelee tiketin. Toinen tiivistää sen. Kolmas ehdottaa vastausta. Ihminen hyväksyy.
Erinomainen: Agenttijärjestelmä tunnistaa riskitapaukset: vihaiset asiakkaat, juridiset uhkaukset, terveystiedot, isot hyvitykset ja mahdolliset tietoturvatilanteet. Nämä ohjataan automaattisesti ihmiselle.
Esimerkki 3: ohjelmistokehitys
Huono: Koodari-agentti tekee muutoksia suoraan tuotantokoodiin. Testiagentti väittää testien menneen läpi, mutta ei oikeasti aja niitä.
Parempi: Agentti ehdottaa koodimuutoksen. Toinen agentti tekee katselmuksen. CI-järjestelmä eli automaattinen testausputki ajaa testit. Ihminen hyväksyy pull requestin.
Erinomainen: Agentit toimivat vain rajatussa kehitysympäristössä, eivät pääse tuotantoon, kaikki muutokset ovat versionhallinnassa ja turvallisuustarkistus on pakollinen.
11. Riskit ja sudenkuopat
1. Virheet skaalautuvat
Yksi tekoäly voi tehdä virheen. Agenttifarmi voi tehdä virheen, välittää sen eteenpäin ja rakentaa sen päälle lisää virheitä. Tämä on agenttifarmien suurin vaara: huono lopputulos voi syntyä nopeasti ja näyttää huolellisesti tehdyltä.
2. Vastuu hämärtyy
Kun monta agenttia osallistuu lopputulokseen, kuka vastaa? Vastaus ei voi olla: ”järjestelmä”. Organisaation pitää määritellä omistaja, hyväksyjä ja valvoja.
3. Kustannukset karkaavat
Moni agentti tarkoittaa usein monta mallikutsua, paljon välivaiheita ja enemmän laskentaa. Jos järjestelmä alkaa keskustella itsensä kanssa liian pitkään, kustannukset voivat nousta ilman, että laatu paranee.
4. Liian suuri autonomia liian aikaisin
On eri asia antaa agentin luonnostella raportti kuin antaa sen lähettää tarjous, muuttaa asiakastietoja tai tehdä maksupäätös. Autonomia pitää ansaita vaiheittain.
5. Konteksti hajoaa
Kun tieto siirtyy agentilta toiselle, olennaisia yksityiskohtia voi kadota. Siksi pitää päättää, mitä tietoa välitetään, missä muodossa ja millä tarkkuudella.
6. Agentit vahvistavat toistensa virheitä
Jos yksi agentti tekee väärän oletuksen ja toinen hyväksyy sen ilman aitoa tarkistusta, järjestelmä voi luoda valheellisen varmuuden. Laadunvarmistaja-agentti ei saa olla pelkkä kumileimasin.
7. Tietosuoja ja käyttöoikeudet unohtuvat
Jokaisen agentin ei pidä nähdä kaikkea dataa. Tutkija-agentti ei välttämättä tarvitse asiakasrekisteriä. Kirjoittaja-agentti ei tarvitse henkilötunnuksia. Laadunvarmistaja-agentti ei tarvitse maksutietoja.
Hyvä agenttifarmi noudattaa vähimmän oikeuden periaatetta: jokainen osa saa vain sen tiedon ja pääsyn, jota se tarvitsee.
12. Eettinen ja johtamisen näkökulma
Agenttifarmi ei ole vain tekninen järjestelmä. Se on johtamismalli.
Kun organisaatio rakentaa agentteja, se tekee samalla päätöksiä vallasta, vastuusta ja työstä. Kuka saa päättää, mitä agentti tekee? Mitä tehtäviä voidaan antaa koneelle? Missä ihminen säilyttää päätösvallan? Miten työntekijöille kerrotaan, että osa työstä automatisoidaan? Miten varmistetaan, ettei agentti kohtele asiakkaita tai työntekijöitä epäoikeudenmukaisesti?
Näihin kysymyksiin ei riitä tekninen vastaus. Tarvitaan pelisäännöt.
Hyvä periaate on tämä: mitä suurempi vaikutus ihmisiin, rahaan, oikeuksiin tai turvallisuuteen, sitä vahvempi ihmisen rooli.
Agenttifarmi voi valmistella. Se voi ehdottaa. Se voi tarkistaa. Mutta kriittisissä kohdissa ihmisen pitää ymmärtää, mitä järjestelmä teki ja miksi.
13. Tulevaisuus: agentit tulevat, mutta eivät taianomaisesti
1. Agentit siirtyvät yksittäisistä kokeiluista työprosesseihin
Tekoäly ei enää ole vain chat-ikkuna. Se tulee osaksi CRM:ää, taloushallintoa, asiakaspalvelua, dokumenttijärjestelmiä ja ohjelmistokehitystä.
2. Agenttien hallinta muuttuu omaksi johtamisalueekseen
Yritykset tarvitsevat rekisterin agenteista samaan tapaan kuin käyttäjistä, sovelluksista ja integraatioista. Microsoftin Agent 365 -uutisoinnissa korostui juuri tämä: yritykset tarvitsevat tapoja hallita, valvoa ja turvata agentteja keskitetysti, samaan tapaan kuin ne hallitsevat työntekijöiden käyttöoikeuksia.[5]
3. Ihminen välissä -malli säilyy pitkään
Täysin autonomiset agenttifarmit kuulostavat kiinnostavilta, mutta monessa liiketoimintaprosessissa ihminen pysyy mukana vielä pitkään. Ei siksi, että tekoäly olisi hyödytön. Vaan siksi, että vastuu on ihmisillä ja organisaatioilla.
4. Laadunvarmistus nousee tärkeimmäksi kerrokseksi
Agenttien rakentaminen helpottuu. Niiden luotettava arviointi on vaikeampaa. Voittajia ovat ne organisaatiot, jotka osaavat mitata agenttien laatua, havaita virheet ja rakentaa turvalliset pysäytyskohdat.
5. Pienet, rajatut agenttityönkulut tuottavat ensin eniten arvoa
Suurin arvo ei todennäköisesti synny heti ”tekoälytoimitusjohtajasta” tai täysin autonomisesta digiyrityksestä. Se syntyy arkisista työnkuluista: tarkista tämä, hae tämä, tiivistä tämä, luokittele tämä, ehdota seuraava askel, varoita jos jokin näyttää oudolta. Tylsä kuulostaa usein juuri siltä, mikä toimii.
14. Johtopäätökset
Orkesterointi ja agenttifarmit ovat tekoälyn kehityksen luonnollinen seuraava vaihe. Kun yksittäinen tekoälymalli osaa paljon, seuraava kysymys on: miten sen osaaminen kytketään osaksi oikeaa työtä?
Vastaus ei ole ”enemmän agentteja”. Vastaus on parempi työnkulku.
Agenttifarmi kannattaa rakentaa vasta, kun tehtävä on selvä, data on hallussa, vastuut on määritelty ja laadunvarmistus on mukana alusta asti.
Parhaimmillaan agenttifarmi on digitaalinen tiimi, joka vapauttaa ihmiset rutiininomaisesta selvittelystä ja antaa enemmän aikaa päätöksille, luovuudelle ja asiakastyölle. Pahimmillaan se on automaattinen virhetehdas.
Aloita pienestä. Määrittele roolit. Mittaa tulokset. Älä anna vastuuta järjestelmälle, jota et vielä ymmärrä.
15. Käytännön mallit, tarkistuslistat ja työpohjat
A. Aloittelijan agenttityönkulku
Aloita tällä: Hae tieto → tiivistä → tarkista → muodosta raportti → ihminen hyväksyy
Tämä riittää moneen ensimmäiseen kokeiluun. Älä aloita kymmenellä agentilla. Aloita yhdellä työnkululla, jossa on selvä alku ja loppu.
B. Päätösmalli: tarvitaanko agenttifarmia?
Kysy nämä:
- Onko tehtävä monivaiheinen?
- Toistuuko tehtävä usein?
- Tarvitaanko eri osaamisrooleja?
- Voiko lopputuloksen laatua mitata?
- Onko data saatavilla turvallisesti?
- Voidaanko työ pysäyttää ihmisen tarkistukseen?
- Onko virheillä merkittäviä seurauksia?
Jos vastaat kyllä kohtiin 1–4, agenttityönkulku voi olla hyödyllinen. Jos vastaat ei kohtiin 5–7, älä vie sitä tuotantoon vielä.
C. Agenttifarmien roolikartta
Hyvä ensimmäinen rakenne:
- 1. Orkestroija — jakaa tehtävät ja päättää etenemisjärjestyksen.
- 2. Tutkija — hakee ja kokoaa tietoa.
- 3. Analyytikko — etsii olennaiset havainnot ja ristiriidat.
- 4. Kirjoittaja — muotoilee lopputuloksen ihmiselle ymmärrettäväksi.
- 5. Tarkistaja — tarkistaa lähteet, säännöt, rakenteen ja riskit.
Kaikkia ei tarvita aina. Usein kolme riittää.
D. Vihreä–keltainen–punainen-malli
Vihreä (hyvä aloituskohde): julkisen tiedon tiivistäminen, sisäisten ohjeiden hakeminen hyväksytystä tietopankista, raporttiluonnosten tekeminen, asiakaspalautteen anonymisoitu luokittelu, markkinaseurannan alustava koonti.
Keltainen (vaatii valvontaa): sopimusluonnosten analyysi, asiakasviestien luonnostelu, myyntiprosessin tukeminen, rekrytoinnin avustavat tehtävät, ohjelmistokoodin ehdottaminen.
Punainen (älä automatisoi ilman vahvaa hallintaa): lopulliset rekrytointipäätökset, terveyteen liittyvät päätökset, luottopäätökset, oikeudellisesti sitovat päätökset, maksujen hyväksyntä, tuotantoympäristöön tehtävät muutokset, henkilötietojen laajamittainen käsittely.
E. Agenttityönkulun suunnittelupohja
Täytä ennen rakentamista:
- Työnkulun nimi:
- Mikä ongelma ratkaistaan:
- Mikä käynnistää työnkulun:
- Mitä dataa tarvitaan:
- Mitä dataa ei saa käyttää:
- Mitkä agentit tarvitaan:
- Mikä on jokaisen agentin rooli:
- Mitä työkaluja agentit saavat käyttää:
- Missä kohdassa ihminen tarkistaa:
- Miten onnistuminen mitataan:
- Miten virheet havaitaan:
- Miten kustannuksia seurataan:
- Kuka omistaa työnkulun:
F. Laadunvarmistuksen tarkistuslista
Ennen tuotantokäyttöä varmista:
- Agenttien roolit ovat selkeät.
- Jokaisella agentilla on rajattu tehtävä.
- Järjestelmä ei käsittele tarpeetonta dataa.
- Lähteet tallentuvat.
- Välivaiheet ovat tarkistettavissa.
- Kriittisissä kohdissa on ihmisen hyväksyntä.
- Virhetilanteille on toimintamalli.
- Kustannuksia seurataan.
- Käyttöoikeudet on rajattu.
- Tuloksia verrataan ihmisen tekemään työhön.
- Agenttien toimintaa testataan myös poikkeustilanteilla.
- Kukaan ei voi sanoa: ”En tiedä, miksi agentti teki näin.”
G. Ensimmäinen käytännön kokeilu
Vaihtoehto 1: raporttiagentti. Tutkija hakee aineiston. Tiivistäjä tekee koonnin. Tarkistaja merkitsee epävarmat kohdat. Kirjoittaja tekee raportin. Ihminen hyväksyy.
Vaihtoehto 2: asiakaspalauteagentti. Luokittelija jakaa palautteet teemoihin. Analyytikko etsii trendit. Kirjoittaja tekee yhteenvedon. Tarkistaja nostaa riskikommentit. Ihminen päättää toimenpiteet.
Vaihtoehto 3: myynnin valmisteluagentti. Tutkija hakee julkista tietoa asiakkaasta. Analyytikko tunnistaa mahdolliset tarpeet. Kirjoittaja luonnostelee kontaktointiviestin. Tarkistaja varmistaa, ettei viesti väitä liikaa. Myyjä lähettää tai muokkaa.
H. Yhden lauseen tiivistys
Orkesterointi ja agenttifarmit eivät ole taikatemppu, vaan tapa johtaa tekoälyä kuin digitaalista tiimiä: oikea rooli, oikea tieto, oikea järjestys ja ihminen mukana siellä, missä vastuu todella painaa.