Tässä olis nyt käynnissä pikku pikku mullistus TAAS.
Juuri kun kielimalleista on tullut edes jotenkin arkipäiväisiä tämän hyhmäisen maan toimistohotelleissa ja etätyöpisteissä, ei muuta kuin uutta kääretorttua lautaselle. Tämä viimeisin muutos on käynnistynyt oikeastaan aika hiipimällä, mutta kyllä kaikki oleelliset pelurit tuntuvat siihen suuntaan etenevän. Peruskäyttäjälle muutos ei ensi vaiheessa näyttäydy kovin dramaattisena, korkeintaan AI:n tarjoilemien tulosten laatu paranee.
En ehkä vaivautuisi huutelemaan koko asiasta (koska rehellisesti välillä on turhankin helppo samastua metroasemalla olemattomalle yleisölle omia totuuksiaan paasaavaan muovikassimieheen), ellei kyseessä taas olisi ihan aito arkkitehtuurin muutos. Ja siitähän tulisi seurata myös aito ajattelutavan muutos. Eikös niin?
Ellei ajattelutapa muutu, mennään jo valmiiksi hiukan huteraksi jääneillä käsityksillä tulevaisuuteen. Vähän kuin olisi jäänyt hehkulamppujen kausi huomaamatta, ja ajattelisi että ne ovat nämä nykyiset LED-lamput vähän kuin pieniä kynttilöitä. Ei siitä nyt suoranaista haittaa varmaan heti koituisi, mutta en ehkä silti lähtisi rakentamaan ymmärrystäni valoista elävän liekin ajatukselle.
Onkohan tämä mikrofoni muuten päällä?
Eli mitä ihmettä nyt siis taas?
AI-systeemit eivät jatkossa välttämättä pyrikään olemaan jättimäisiä joka paikan höyliä, vaan itsenäisten pienosien muodostamia kokonaisuuksia. Niitä kutsutaan agenteiksi, ja niiden ajatus on olla itsenäisiä, mutta osata tarpeen mukaan kytkeytyä toisiinsa ja toimia yhdessä.
Perinteisestä kielimallipohjaisesta keskustelukumppanista ollaan siis siirtymässä kohti arkkitehtuuria, joka koostuu itsenäisesti toimivista pikkuapulaisista. Nämä agentit eivät toimi yhden massiivisen kielimallin kautta vaan erillisinä toimijoina. Agentit voivat itsenäisesti kerätä, analysoida ja raportoida tietoa – ja mikä tärkeintä, tehdä yhteistyötä keskenään.
Mutta mitä oleellisesti uutta agenttipohjainen arkkitehtuuri oikeastaan tuo mukanaan? Miksi juuri se voisi olla kustannustehokkaampi ja suorituskykyisempi ratkaisu?
Hajautettu älykkyys: Tehtävät ja niiden jakaminen
Agenttipohjaisessa mallissa tekoälyjärjestelmä siis hajoaa pienempiin, itsenäisiin toimijoihin, joista jokainen hoitaa oman osatehtävänsä. Näitä agentteja voi ajatella tehtäväänsä erikoistuneina apulaisina, joiden osaaminen voi vaihdella yksinkertaisesta monimutkaiseen. Esimerkiksi yksi agentti voi kerätä tietoa, toinen analysoida sitä, kolmas vastata asiakaspalveluun.
Hajautettu toiminta tekee koko järjestelmästä ketterän ja mukautuvan, koska jokainen osa voi erikoistua omiin tehtäviinsä – aivan toisin kuin yhdessä massiivisessa kielimallissa, joka yrittää venyä kaikkeen mahdolliseen. Käytännössä tämä tarkoittaa esimerkiksi sitä, että agenttipohjaisessa mallissa ei tarvitse valjastaa raskasta, monimutkaista mallia hoitamaan jokaista pientäkin asiaa.
Eri mallien suorituskyvyssä, erikoistumisessa ja myös käyttökustannuksissa on eroja. Olet ehkä huomannutkin, että esimerkiksi ChatGPT:n maksullisessa versiossa voit valita mitä mallia haluat käyttää, ja se vaikuttaa sekä saamiisi vastauksiin, että siihen kuinka nopeasti käyttöraja tulee vastaan.
API:n, eli ohjelmointirajapinnan, kautta kielimalleja käytettäessä valittavissasi on usein vielä useampia erilaisia malleja. Paitsi että mallit ovat ominaisuuksiltaan erilaisia, myös niiden hinnat ovat erilaisia, ja hinnoittelu perustuu puhtaasti käyttöön.
Yksinkertaisemmat ja halvemmat mallit voivat esimerkiksi noutaa ja järjestellä simppeliä dataa, tehdä siihen perustuvia päätelmiä – ja sitten palauttaa löydöksensä hienostuneimmalle mallille, joka tekee projektista tyylikkään yhteenvedon.
Agentteihin perustuvat mallit ovat myös helpommin skaalattavissa. Jos kysyntä on kovaa, palvelua ei tarvitse välttämättä keskeyttää eikä uudelleenohjelmoida tehon lisäämiseksi.
Agenttimalli mahdollistaa siis monien muiden asioiden lisäksi myös rakennettavien AI-palvelujen hintojen ja tehokkuuden optimointia. Siksi asian ymmärtäminen edes perustasolla on tärkeää: kun tajuaa systeemin perusarkkitehtuurin, osaa suunnitella ratkaisuja jotka säästävät rahaa ja resursseja.
Proaktiivisuus ja itsenäisyys: agenttien vahvuudet
Vanha tapa, jossa AI käynnistyy vasta, kun sille esitetään kysymys, siirtynee agenttien myötä historiaan. Itsenäisesti toimivat agentit voivat suorittaa jatkuvaa seurantaa ja proaktiivisesti reagoida muutoksiin.
Yksi agentti voi esimerkiksi seurata markkinatrendejä tai kilpailijoiden muutoksia ja raportoida muutoksista automaattisesti. Tämän seurauksena yrityksen työntekijät voivat keskittyä strategisiin asioihin, kun rutiinitehtävät hoituvat taustalla agenttien voimin.
Eikö muuten olekin huvittavaa, että tämä argumentti ponnahtaa aina esiin kaiken automaation yhteydessä. En tiedä onko kokemukseni maailmasta tyystin omalaatuinen, mutta itse en ole huomannut saaneeni merkittävästi lisää aikaa tai kykyä paneutua strategisesti tärkeämpiin tehtäviin erilaisten tietoteknisten innovaatioiden myötä, vaikka niitäkin vallankumouksia on elämäni varrelle mahtunut runsaasti.
Oh well. Saapa nähdä miten tällä kierroksella käy.
Tulevaisuuden osaaminen on monikerroksista
Agenttimalliin perustuva AI-järjestelmä voi jatkossa toteuttaa itsenäisesti yhä monimutkaisempia tehtäviä, mikä voi mullistaa AI:n roolin eri toimialoilla. Tulevaisuudessa jokaisen ammattilaisen, joka kohtaa työssään tekoälyä, tulisi ymmärtää eri mallien erikoistumista ja niiden yhteispeliä, jotta AI-ratkaisuista saadaan irti parhain potentiaali.
Kyse ei ole enää yhdestä välineestä, joka vastaa kaikkeen, vaan itsenäisten osien yhteistyöstä, jonka ymmärtäminen voi vaikuttaa olennaisesti organisaation kustannustehokkuuteen ja suorituskykyyn. Agenttimalli ei ole vain tekninen harppaus – se on askel kohti AIä, joka seuraa tilanteita oma-aloitteisesti ja tarjoaa monikerroksista, asiantuntijatasoista analyysia ilman, että raskaita resursseja kuluu liikaa.
Luultavasti jo hyvinkin pian elämme todellisuutta, jossa et kirjaudukaan tekoälymalliin kysyäksesi jotakin tiettyä, vaan kysäiset yksinkertaisesti: ”Hei, minkäs asioiden parissa sä työskenteletkään? Näin sen sun uuden ehdotuksen tuotestrategiaksi, sehän oli aika mielenkiintoinen. Ehdittäiskö jutella siitä?”
Ja tietenkin se ehtii. Ja tietää kalenterisi perusteella että sinäkin ehdit.
Ville
Heräsikö tiedonjano? Lisää ymmärrystä saa Fleuven koulutuspaketeilla. Tsekkaa valmispaketit nettikaupastamme tai ota yhteyttä niin räätälöidään.
Fleuvelta löytyy monenlaista koulutusta, mutta ellet nyt suoranaisesti kieriskele syvällisessä AI-tietämyksessä, parhaiten käytettyä rahaa tällä hetkellä useimmille lienee aamupäivän tehokoulutuksemme. Se nostaa ajattelusi aivan eri sfääreihin. Mikä puolestaan johtaa ratkaisuihin ja strategisiin valintoihin, joihin ei ilman syvällistä ymmärrystä pysty. Varaa omasi heti! Ellet ole vielä varma tarpeistasi, buukkaa maksuton keskustelutuokio. Siitä se lähtee avautumaan.