AI agents gaan ons werkende leven de komende jaren makkelijker maken. Ze gaan de helpdesk helpen met het beantwoorden van klantvragen, schrijven de notulen van een meeting of helpen ons met het schrijven van een marktonderzoek.
Bijna dagelijks wordt ik geconfronteerd met de vraag of een systeem dat net is opgeleverd nu écht een agent is, of toch beter kan worden geclassificeerd als een (traditionele) chatbot.
Wat is een AI agent?
Om die vraag te beantwoorden gebruik ik de definitie van Harrison Chase, de oprichter van LangChain:
Een AI agent is een systeem dat gebruikmaakt van een Large Language Model (LLM) om het gedrag van een applicatie te bepalen.
Bij het lezen van deze definitie zul je ongetwijfeld meer vragen krijgen, maar deze definitie sluit ook al zaken uit: volgens de definitie van Harrison is een systeem geen agent als het geen LLM gebruikt.
In het artikel Building Effective Agents maakt Anthropic (het bedrijf achter de Claude) een duidelijk onderscheid tussen workflows en AI agents. Waar workflows vaste ALS-DAN logica volgen (en LLM’s kunnen gebruiken), worden agents gestuurd door een LLM.
Conclusie: niet elke applicatie die een LLM gebruikt is een AI agent. Harrison Chase en Anthropic zijn het in die zin eens over deze afbakening van een AI agent: een applicatie is alleen een AI agent als de LLM het gedrag van de agent bepaalt.
Mate van agenticness
Nu we weten dat alleen applicaties wiens gedrag gestuurd wordt door een LLM, AI agents genoemd kunnen worden, kunnen we dus al een aantal applicaties uitsluiten.
Toch werpt deze strikte definitie ook nieuwe vragen op. Een voorbeeld is ChatGPT. De versie van ChatGPT die in November 2022 gelanceerd werd is zeker geen agent te noemen. Maar de huidige versie van ChatGPT bevat ook hulpmiddelen om bijvoorbeeld het web te doorzoeken.
Je kunt dit hulpmiddel zelf aan en uit zetten, maar uiteindelijk is het een LLM dat bepaalt of ChatGPT gebruikmaakt van deze mogelijkheid (op basis van jouw prompt).
Hoewel de meeste mensen ChatGPT dus niet als een AI agent zien, heeft de applicatie duidelijk agentische eigenschappen.
In een Twitter bericht stelt Andrew Ng, een van de meest impactvolle ondernemers op het gebied van AI en machine learning, dat in plaats van te ruziën over of een systeem wel of niet een AI agent is, we het niet als een binaire optie (ja/nee) moeten zien, maar juist als een continuum.
Het is dus veel zinvoller om te spreke van de mate van agenticness, waarbij een systeem een aantal kenmerken van een agent bezit, of juist een volledig autonome AI agent is.
Mate van autonomie van een AI agent
In bovenstaande afbeelding maakt Harrison Chase onderscheid tussen twee manieren waarop een applicatie wordt aangestuurd: human-driven (door een mens) en agent-executed (de applicatie wordt door een LLM aangestuurd).
De systemen die vallen onder human-driven (zoals een LLM-call, Chain of een Router) maken allemaal gebruik van een LLM. Toch heeft de LLM in deze systemen maar een lage mate van autonomie.
In de systemen onder agent-executed heeft de LLM een veel hogere mate van autonomie: de LLM bepaalt hoe de applicatie reageert.
Conclusie
Om terug te komen op het voorbeeld van ChatGPT, waarin ChatGPT zelf bepaalt of hij een soort Google-zoekmachine wilt gebruiken om het internet te raadplegen; ik zou deze peersoonlijk indelen onder de categorie “Router”. Dus ja, ChatGPT heeft kenmerken van een agent, maar het is niet het meest autonomie systeem dat er bestaat.
