Kurze Zusammenfassung
Dieser YouTube-Video von Arseny Shatokhin bietet 26 wichtige Erkenntnisse aus der Entwicklung von über 150 KI-Agenten in den letzten 9 Monaten. Die Erkenntnisse basieren auf Erfahrungen mit Kunden und deren Bedürfnissen, um Fehler zu vermeiden und den Erfolg von KI-Agenten zu maximieren.
- KI-Agenten sind weder Mitarbeiter noch Automatisierung, sondern erfordern spezifische Schulung und Prozesse.
- Gut dokumentierte Prozesse (SOPs) sind entscheidend für die effiziente Schulung von KI-Agenten.
- Die Entwicklung von KI-Agenten wird in Zukunft eine Spezialisierung erfordern, da Geschäftsinhaber diese nicht selbst erstellen werden.
- Geschäftsinhaber wissen oft nicht, welche KI-Agenten sie benötigen, daher ist Beratung ein wichtiger Bestandteil des Prozesses.
- Weniger ist mehr: Beginnen Sie mit wenigen KI-Agenten und erweitern Sie sie schrittweise.
- Daten und Aktionen sind entscheidend für die Leistung von KI-Agenten.
- Prompt Engineering ist eine Kunstform, die mit der Entwicklung von KI-Modellen immer wichtiger wird.
- Integrationen sind genauso wichtig wie die Funktionalität von KI-Agenten.
- Die Zuverlässigkeit von KI-Agenten ist kein Problem des Agenten selbst, sondern des Entwicklers.
- Werkzeuge sind der wichtigste Bestandteil von KI-Agenten, da sie den Wert durch Aktionen generieren.
- Begrenzen Sie die Anzahl der Werkzeuge pro KI-Agenten, um Halluzinationen zu vermeiden.
- Die Kosten von KI-Modellen sind im Vergleich zum Wert, den sie schaffen, oft vernachlässigbar.
- Kunden interessieren sich nicht für das verwendete KI-Modell, sondern für den Wert, den es bietet.
- Automatisieren Sie erst, wenn der Wert eines Prozesses nachgewiesen wurde.
- Konzentrieren Sie sich auf den ROI von KI-Agenten, nicht nur auf Use Cases.
- Die Entwicklung von KI-Agenten ist ein iterativer Prozess, der Experimentieren erfordert.
- Verwenden Sie den Divide-and-Conquer-Ansatz, um komplexe Probleme in kleinere Aufgaben zu zerlegen.
- Evals sind wichtig für große Unternehmen, aber nicht unbedingt für KMUs.
- Es gibt zwei Arten von KI-Agenten: Agenten und Workflows.
- KI-Agenten müssen anpassungsfähig sein und Feedback aus ihrer Umgebung erhalten.
- Bauen Sie KI-Agenten nicht auf Einschränkungen auf, da sich die Technologie ständig weiterentwickelt.
- Die Bereitstellung von KI-Agenten ist schwieriger als ihre Entwicklung.
- Wasserfallprojekte funktionieren nicht für KI-Agenten, da sie agil sind.
- Integrieren Sie für kritische KI-Agenten einen menschlichen Faktor in den Loop.
- 2025 wird das Jahr der vertikalen KI-Agenten sein, die auf spezifische Anwendungsfälle spezialisiert sind.
- KI-Agenten ersetzen Menschen nicht, sondern helfen Unternehmen zu skalieren.
Einführung
In diesem Video teilt Arseny Shatokhin 26 wichtige Erkenntnisse aus der Entwicklung von über 150 KI-Agenten in den letzten 9 Monaten. Diese Erkenntnisse basieren auf Erfahrungen mit Kunden und deren Bedürfnissen, um Fehler zu vermeiden und den Erfolg von KI-Agenten zu maximieren.
KI-Agenten sind keine Mitarbeiter
KI-Agenten sind weder Mitarbeiter noch Automatisierung, sondern erfordern spezifische Schulung und Prozesse. Im Gegensatz zu Automatisierung, bei denen jeder Schritt fest vorgegeben ist, haben KI-Agenten weniger Autonomie als Mitarbeiter. Sie benötigen eine detaillierte Schulung, um Prozesse auszuführen, und können nicht einfach aus SOPs lernen. Anstatt über Rollen nachzudenken, sollten KI-Agenten in Bezug auf SOPs betrachtet werden, wobei ein Agent in der Regel einen SOP effektiv bewältigen kann, während ein Mitarbeiter mehrere SOPs gleichzeitig abwickelt.
Starten Sie mit gut dokumentierten Prozessen
Gut dokumentierte Prozesse (SOPs) sind entscheidend für die effiziente Schulung von KI-Agenten. SOPs sind die Prozesse, die Mitarbeiter in einem Unternehmen ausführen, und in gut geführten Unternehmen sind diese Prozesse in der Regel gut dokumentiert. Durch die Verwendung dieser Dokumente können Sie die Schulung von KI-Agenten erheblich vereinfachen, anstatt Daten manuell zu sammeln oder Fragen an Kunden zu stellen.
Geschäftsinhaber werden keine eigenen KI-Agenten entwickeln
Die Entwicklung von KI-Agenten wird in Zukunft eine Spezialisierung erfordern, da Geschäftsinhaber diese nicht selbst erstellen werden. Ähnlich wie No-Code-Tools keine Softwareentwickler ersetzten, sondern zu einer neuen Welle von No-Code-Entwicklern führten, werden KI-Agentenplattformen die Nachfrage nach KI-Agentenentwicklern erhöhen. Die Herausforderung liegt nicht im Bauen von Agenten, sondern in der Entscheidung, welche Agenten gebaut werden sollen, was die Expertise von KI-Agentenentwicklern erfordert.
Geschäftsinhaber wissen oft nicht, welche KI-Agenten sie benötigen
Geschäftsinhaber wissen oft nicht, welche KI-Agenten sie benötigen, daher ist Beratung ein wichtiger Bestandteil des Prozesses. Viele Kunden kommen mit Ideen für KI-Agenten, aber in etwa 50% der Fälle sind diese nicht die wertvollsten Agenten, die für ihr Unternehmen gebaut werden können. Um die besten Agenten zu identifizieren, ist es sinnvoll, mit der Customer Journey zu beginnen und diese Schritt für Schritt mit dem Kunden zu kartieren. Dies ermöglicht es, spezifische Bereiche der Customer Journey zu identifizieren, die automatisiert werden können.
Weniger ist mehr: Beginnen Sie mit wenigen KI-Agenten
Weniger ist mehr: Beginnen Sie mit wenigen KI-Agenten und erweitern Sie sie schrittweise. Die Entwicklung von zu vielen KI-Agenten in einem System führt zu Komplexität, erschwert die Wartung und das Debuggen und erhöht die Kosten und die Antwortzeiten. Es ist besser, mit einem kleinen Agenten zu beginnen, der schnell an den Kunden geliefert werden kann, und diesen dann nach Bedarf zu erweitern.
Daten und Aktionen sind entscheidend für die Leistung von KI-Agenten
Daten und Aktionen sind entscheidend für die Leistung von KI-Agenten. Das Prinzip "Garbage in, garbage out" gilt auch für KI-Agenten. Die größte Wirkung erzielt man jedoch nicht nur durch die Bereitstellung von Daten, sondern durch die Kombination von Daten mit relevanten Aktionen. So kann ein KI-Agent, der über Facebook-Marketing-Kampagnen Bescheid weiß und gleichzeitig die Facebook-Marketing-API steuern kann, deutlich bessere Ergebnisse erzielen als durch die Verwendung von Daten oder Aktionen allein.
Prompt Engineering ist eine Kunstform
Prompt Engineering ist eine Kunstform, die mit der Entwicklung von KI-Modellen immer wichtiger wird. Prompt Engineering ist bereits ein echter Beruf, obwohl viele Unternehmen ihn noch nicht als solchen erkennen. Mit der Entwicklung größerer und intelligenterer Modelle, die länger laufen, wird Prompt Engineering immer wichtiger. Es erfordert sorgfältiges Überlegen jedes einzelnen Wortes, das in einen Prompt eingefügt wird, da die Modelle immer intelligenter werden.
Integrationen sind genauso wichtig wie die Funktionalität von KI-Agenten
Integrationen sind genauso wichtig wie die Funktionalität von KI-Agenten. Oftmals konzentrieren wir uns zu sehr auf die Fähigkeiten von KI-Agenten, aber die Integration, also wo der Agent arbeitet, ist oft noch wichtiger. Wenn es für Benutzer nicht bequem ist, einen Agenten zu verwenden, spielt es keine Rolle, wie leistungsstark er ist. KI-Agenten sollten in die gleichen Systeme integriert werden, die Mitarbeiter täglich verwenden.
Die Zuverlässigkeit von KI-Agenten ist kein Problem des Agenten selbst
Die Zuverlässigkeit von KI-Agenten ist kein Problem des Agenten selbst, sondern des Entwicklers. Jason Leo hat 2023 ein Video veröffentlicht, in dem er erklärt, dass die Verwendung von Pydantic, einer Datenvalidierungsbibliothek, zur Validierung aller Agenteneingaben und -ausgaben die Zuverlässigkeit von Agenten sicherstellen kann. Durch die Implementierung der notwendigen Validierungslogik kann der Agent keine Aktionen ausführen, die zu schwerwiegenden Folgen führen, da diese vom Entwickler verhindert werden sollten.
Werkzeuge sind der wichtigste Bestandteil von KI-Agenten
Werkzeuge sind der wichtigste Bestandteil von KI-Agenten, da sie den Wert durch Aktionen generieren. Im Gegensatz zu Chatbots oder LLMs, die Wert durch Antworten generieren, generieren KI-Agenten Wert durch Aktionen. Sie sollten Aufgaben ausführen, nicht nur sagen, was zu tun ist. Wenn Sie wissen, wie Sie Ihre Werkzeuge gut aufbauen und strukturieren, können Sie KI-Agenten für jeden Anwendungsfall erstellen.
Begrenzen Sie die Anzahl der Werkzeuge pro KI-Agenten
Begrenzen Sie die Anzahl der Werkzeuge pro KI-Agenten, um Halluzinationen zu vermeiden. Es hat sich gezeigt, dass die Verwendung von maximal vier bis sechs Werkzeugen pro Agenten, abhängig von ihrer Komplexität, die besten Ergebnisse erzielt. Mit aktuellen KI-Modellen wie GPT-4 und Claude 3.5 können mehr als sechs Werkzeuge zu Halluzinationen führen, da der Agent verwirrt sein kann, welche Werkzeuge zu verwenden sind oder in welcher Reihenfolge.
Die Kosten von KI-Modellen sind oft vernachlässigbar
Die Kosten von KI-Modellen sind oft vernachlässigbar im Vergleich zum Wert, den sie schaffen. Wenn der Anwendungsfall sinnvoll ist, wird der ROI durch die Verwendung eines KI-Agenten im Vergleich zur manuellen Ausführung des gleichen Prozesses in der Regel enorm sein. Konzentrieren Sie sich auf das Richtige, dann müssen Sie sich keine Sorgen um die Kosten machen.
Kunden interessieren sich nicht für das verwendete KI-Modell
Kunden interessieren sich nicht für das verwendete KI-Modell, sondern für den Wert, den es bietet. Viele Unternehmen interessieren sich nicht für das spezifische KI-Modell, das verwendet wird, solange der Anwendungsfall sinnvoll ist und Wert ohne Verletzung ihrer Kundenrichtlinien geschaffen wird. Wenn Kunden strenge Datenschutzrichtlinien haben, können Sie Azure OpenAI verwenden, das OpenAI-Modelle in Ihrer eigenen privaten Azure-Instanz ausführt, ohne Daten mit OpenAI selbst zu teilen.
Automatisieren Sie erst, wenn der Wert eines Prozesses nachgewiesen wurde
Automatisieren Sie erst, wenn der Wert eines Prozesses nachgewiesen wurde. Es ist riskant, einen Prozess zu automatisieren, der noch nicht manuell etabliert wurde, da Sie nicht wissen, ob er überhaupt funktioniert. Es ist besser, den Wert eines Prozesses zunächst manuell zu etablieren, z. B. durch die Beauftragung eines Freelancers auf einer Plattform wie Upwork, und ihn dann mit KI-Agenten zu automatisieren.
Konzentrieren Sie sich auf den ROI von KI-Agenten
Konzentrieren Sie sich auf den ROI von KI-Agenten, nicht nur auf Use Cases. Die Formel zur Berechnung des ROI lautet: (Stundensatz * Anzahl der Stunden) - Betriebskosten / Entwicklungskosten. Der Stundensatz entspricht dem Stundensatz eines Mitarbeiters, der den Prozess derzeit ausführt, multipliziert mit der Gesamtzahl der Stunden, die alle Mitarbeiter für die Ausführung des Prozesses benötigen. Die Betriebskosten umfassen in der Regel nur die Modellkosten und die Serverkosten, die in der Regel vernachlässigbar sind. Die Entwicklungskosten sind die Kosten für die Entwicklung der Lösung.
Die Entwicklung von KI-Agenten ist ein iterativer Prozess
Die Entwicklung von KI-Agenten ist ein iterativer Prozess, der Experimentieren erfordert. Ähnlich wie bei Data-Science-Wettbewerben wie Kaggle, bei denen Teams mit der größten Anzahl getesteter Parameter und Modellarchitekturen gewinnen, gilt dies auch für KI-Agenten. Es ist oft notwendig, verschiedene Architekturen auszuprobieren und zu vergleichen, um die beste Lösung zu finden.
Verwenden Sie den Divide-and-Conquer-Ansatz
Verwenden Sie den Divide-and-Conquer-Ansatz, um komplexe Probleme in kleinere Aufgaben zu zerlegen. Dieser Ansatz wird für fast jeden KI-Agenten verwendet. Es ist wichtig, Lösungen schrittweise zu liefern, anstatt eine gesamte Lösung zu erstellen und dann festzustellen, dass sie nicht den Wünschen des Kunden entspricht. Teilen Sie die Lösung in überschaubare Komponenten auf und liefern Sie jede Komponente einzeln.
Evals sind wichtig für große Unternehmen, aber nicht unbedingt für KMUs
Evals sind wichtig für große Unternehmen, aber nicht unbedingt für KMUs. Evals sind Bewertungsmetriken, die für KI-Agenten eingerichtet werden, um ihre KPIs und die Leistung im Laufe der Zeit zu verfolgen. Sie können sehr effektiv sein, um die Konkurrenz zu eliminieren, da sie eine kontinuierliche Verbesserung der Lösungen ermöglichen. Für KMUs sind Evals jedoch möglicherweise nicht so wichtig, da sie nicht so viel Traffic haben und es nicht so wichtig ist, ob die Lösung 5% schlechter ist oder nicht.
Es gibt zwei Arten von KI-Agenten: Agenten und Workflows
Es gibt zwei Arten von KI-Agenten: Agenten und Workflows. Es gibt auch agentenbasierte Workflows, die bisher nicht so stark im Fokus standen. Bei agentenbasierten Workflows sind die Schritte vorgegeben, aber die Schritte selbst können agentenbasiert sein. So kann beispielsweise bei einem Lead-Recherche-Prozess ein Agent drei Prompts an Google senden, wobei die Prompts selbst identisch sind, bis auf den Firmennamen, und der Agent die Suche auf den gleichen Websites für diese Unternehmen durchführen muss.
KI-Agenten müssen anpassungsfähig sein und Feedback aus ihrer Umgebung erhalten
KI-Agenten müssen anpassungsfähig sein und Feedback aus ihrer Umgebung erhalten. Wenn KI-Agenten mit ihrer Umgebung interagieren, aber kein konsistentes Feedback erhalten, werden sie verwirrt sein. Stellen Sie daher sicher, dass Sie nicht nur Werkzeuge hinzufügen, die es KI-Agenten ermöglichen, ihre Umgebung zu verändern, sondern auch Werkzeuge, die es ihnen ermöglichen, ihre eigenen Ergebnisse zu analysieren und zu verstehen, wie sich die Auswirkungen ihrer vorherigen Aktionen auf ihre Umgebung ausgewirkt haben.
Bauen Sie KI-Agenten nicht auf Einschränkungen auf
Bauen Sie KI-Agenten nicht auf Einschränkungen auf, da sich die Technologie ständig weiterentwickelt. KI-Modelle werden immer besser, daher sollten Sie Ihre Agenten mit der Annahme entwickeln, dass diese Modelle immer leistungsfähiger werden.
Die Bereitstellung von KI-Agenten ist schwieriger als ihre Entwicklung
Die Bereitstellung von KI-Agenten ist schwieriger als ihre Entwicklung. Es kann 2-3 Tage dauern, um einen KI-Agenten zu entwickeln, aber weitere 3 Tage, um ihn bereitzustellen, d. h. ihn in die Prozesse des Kunden zu integrieren. Aus diesem Grund wurde eine eigene Plattform entwickelt, die die Flexibilität bietet, KI-Agenten in der Produktion bereitzustellen.
Wasserfallprojekte funktionieren nicht für KI-Agenten
Wasserfallprojekte funktionieren nicht für KI-Agenten, da sie agil sind. KI-Agentenprojekte sind zu agil, um sie für 3 Monate zu planen, da sie sich ständig weiterentwickeln. Es ist besser, mit einmaligen Gebühren zu beginnen, aber später zu einem agileren Service zu wechseln, bei dem Sie nicht nur als externes Team für den Kunden arbeiten, sondern als Partner.
Integrieren Sie für kritische KI-Agenten einen menschlichen Faktor in den Loop
Integrieren Sie für kritische KI-Agenten einen menschlichen Faktor in den Loop. Bei einigen KI-Agenten ist die Fehlermarge so gering, dass ein einziger Fehler des Agenten zu nicht umkehrbaren Ergebnissen führen kann. Für diese Agenten ist es notwendig, zunächst einen menschlichen Faktor in den Loop einzubeziehen.
2025 wird das Jahr der vertikalen KI-Agenten sein
2025 wird das Jahr der vertikalen KI-Agenten sein, die auf spezifische Anwendungsfälle spezialisiert sind. Vertikale KI-Agenten sind wie B2B-SAS-Unternehmen, die nur einen bestimmten Kundentyp bedienen. Sie sind einfacher zu skalieren, können höhere Preise verlangen und können den Agenten feinabstimmen, um ein sehr spezifisches und wertvolles Problem für ein bestimmtes Unternehmen zu lösen.
KI-Agenten ersetzen Menschen nicht, sondern helfen Unternehmen zu skalieren
KI-Agenten ersetzen Menschen nicht, sondern helfen Unternehmen zu skalieren. KI-Agenten helfen Unternehmen, effizienter zu werden, aber sie führen nicht dazu, dass Mitarbeiter entlassen werden. Stattdessen können sich Mitarbeiter auf höherwertige Aufgaben konzentrieren, die ihnen mehr Spaß machen.
