AI-agenter förbättras snabbt men kämpar fortfarande för att fungera i den verkliga världen
I korthet
AI-agenter blir alltmer kapabla inom en rad olika uppgifter. De kan generera kod, analysera information och planera handlingssekvenser med ökande noggrannhet.
AI-agenter blir alltmer kapabla inom en rad olika uppgifter. De kan generera kod, analysera information och planera handlingssekvenser med ökande noggrannhet. Men när dessa system tillämpas på verkliga arbetsflöden blir deras begränsningar mer uppenbara.
Enkla åtgärder som att slutföra registreringsprocesser, navigera på webbplatser eller genomföra transaktioner innebär ofta utmaningar. System utformade för mänskliga användare introducerar friktion som agenter inte är utrustade för att hantera, inklusive verifieringssteg, gränssnittsinkonsekvenser och åtkomstbegränsningar.
Problemet speglar en bredare skillnad mellan hur AI-system fungerar och hur digitala miljöer är strukturerade. De flesta onlinesystem är byggda med antagandet att en människa är närvarande. Gränssnitt, säkerhetsprotokoll och interaktionsmönster är optimerade för manuell inmatning och beslutsfattande.
Som ett resultat stöter även avancerade AI-agenter på hinder när de försöker arbeta självständigt. De kan planera en sekvens av steg men misslyckas med att slutföra dem på grund av begränsningar i miljön.
Denna klyfta mellan kapacitet och utförande blir alltmer synlig i takt med att företag försöker använda agenter i praktiska miljöer. Utmaningen är inte begränsad till att förbättra modellerna själva utan sträcker sig till hur system utformas och integreras.
Ett tillvägagångssätt som har börjat framträda innebär att införa ett lager som kopplar samman AI-agenter med mänsklig input. I den här modellen kan en agent, när den når en uppgift den inte kan slutföra, begära hjälp från en person, ta emot resultatet och fortsätta sitt arbetsflöde.
Mänskligt API är ett exempel på ett företag som arbetar inom detta område. Dess plattform gör det möjligt för AI-system att dirigera specifika uppgifter till individer som kan slutföra dem och returnera resultatet i realtid. Systemet är utformat för att integrera mänskliga bidrag direkt i agenternas arbetsflöden snarare än att behandla dem som separata processer.
Denna hybridmodell återspeglar ett skifte i hur automatisering implementeras. Istället för att sträva efter helt autonoma system fokuserar vissa utvecklare på att kombinera maskinfunktioner med mänsklig input på ett strukturerat sätt.
Konceptet har beskrivits som agent native infrastructure, där system byggs för att tillgodose båda typerna av deltagare. I sådana miljöer hanterar AI uppgifter som gynnas av skala och hastighet, medan människor hanterar områden som kräver tolkning eller kontext.
AI-agenters effektivitet kan i allt högre grad bero på hur väl dessa interaktioner hanteras. Så länge digitala system förblir primärt inriktade på mänskliga användare, kommer agenter sannolikt att stöta på begränsningar i utförandet.
Ansvarsfriskrivning
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
fler artiklar
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
