Агентный ИИ, с его автономными компонентами, готов изменить повседневную работу инженеров. Компании, такие как LinkedIn, Oracle и AWS, внедряют новые практики, связанные с эффективным использованием ИИ. Оперативная инженерия, ставшая актуальной с появлением генеративного ИИ, теперь приобретает особое значение, ведь она помогает оптимизировать работу больших языковых моделей (LLM), таких как ChatGPT.
Агентный ИИ представляет собой следующую ступень в эволюции GenAI. В отличие от первых инструментов генеративного ИИ, которые лишь генерируют текст, агентный ИИ способен автономно выполнять многоступенчатые рабочие процессы, включая написание и развертывание приложений. Это создаёт новый уровень абстракции для разработчиков, сочетая логику, искусство и естественный язык.
Хотя агентный ИИ делает создание приложений доступным для более широкого круга людей, эксперты предупреждают, что большинство разработчиков будут вынуждены сочетать навыки программирования с инженерным мастерством, чтобы оставаться конкурентоспособными. Как утверждает Кришнан Шридхар из LinkedIn, для создания крупных корпоративных систем всё ещё потребуется участие человека.
Основы автоматизации с ИИ
Шридхар также отметил, что агентный ИИ работает лучше, когда система оптимизирована и предсказуема. ИИ, обученный на естественном языке, способен лучше работать, если архитектура системы и ресурсы четко описаны, что помогает агенту принимать более обоснованные решения.
LinkedIn уже использует LLM для быстрого проектирования и создания практик, помогающих повысить эффективность. Например, Рамгопал из LinkedIn отметил важность правильной разбивки задач, чтобы модели не перегружались информацией, а также использование структурированных данных, таких как JSON или XML, для улучшения качества и тестируемости.
Методы и инструменты для улучшения работы с ИИ
Для повышения качества работы с LLM и агентами ИИ разработчики должны разбираться в таких методах, как извлечение данных и обучение с несколькими примерами. Эти подходы помогают моделям более точно генерировать ответы и лучше ориентироваться в данных. Выбор подходящих инструментов и методов, таких как цепочки мыслей или использование векторных баз данных, становится ключевым для оптимизации работы ИИ.
Роль человеческой экспертизы в агентном ИИ
Несмотря на прогресс в автоматизации, человеческий опыт остаётся важным для координации работы систем ИИ и оценки их результатов. Антье Барт из AWS подчеркнула, что генеративный агентный ИИ не всегда детерминирован, и опыт разработчика в конечном итоге помогает определить, какое решение будет наиболее подходящим в каждом конкретном случае.
Также важно учитывать, что использование самых продвинутых ИИ инструментов требует значительных затрат на ресурсы и вычисления, что делает выбор инструментов важным для эффективного использования.
Разработка с учётом стоимости и производительности
Судха Рагхаван из Oracle указал, что в новых условиях разработчики должны учитывать не только производительность, но и стоимость разработки, а также вычислительные ресурсы, необходимые для работы с ИИ. Оптимизация подсказок и использование таких методов, как кэширование префиксов, помогают снизить затраты и ускорить обработку данных.
Будущее работы с агентным ИИ
По мере усложнения агентных систем ИИ и повышения их способности решать задачи, которые раньше требовали человеческого вмешательства, разработчики должны адаптировать к ним свои навыки. Ян Бивер из Verint отметил, что в будущем LLM могут стать частью более высокоуровневой архитектуры, где задачи и ресурсы для создания системы будут описываться через задачи и инструменты.
Цифровые работники и безопасность
В долгосрочной перспективе агентный ИИ может привести к появлению «цифровых работников», которые будут помогать разработчикам и обслуживать системы. Однако Бивер предупредил, что опыт разработчиков всё равно необходим для обеспечения безопасности этих систем. Разработчики должны быть готовы к тестированию и обеспечению качества, чтобы избежать непредсказуемого поведения ИИ в рабочей среде.
Опыт работы с агентными системами
Для безопасной работы с агентными системами ИИ LinkedIn создала специальные инженерные площадки, где разработчики и специалисты могут безопасно экспериментировать с продуктами ИИ. Рамгопал отметил, что такие платформы позволяют тестировать системы в изолированных средах, не опасаясь неожиданных результатов.
Таким образом, с развитием агентного ИИ важно сочетать новые технологии с традиционным подходом к программированию и проектированию, обеспечивая при этом безопасность, эффективность и контроль над процессом разработки.
Больше интересного – на медиапортале https://www.cta.ru/