Velkommen til AI-lab #11, hvor det skal handle om agenter… og hvor jeg foreslår en ny, lavpraktisk “agent-test."
Men først lige en kommentar til AI-lab #9, hvor jeg dykkede lidt ned i, hvad man kan få AI’en til at hjælpe én med i regneark.
Det gik både godt og skidt, som man siger, og det viste sig i øvrigt, at det helt store problem med at få oversat en masse tekster blev løst af kunden ved at anskaffe et lille værktøj/tool til 100 euro, der specifikt kan gøre den slags ting i Excel (helt fri for AI).
Jeg håber, at jeg en dag får bedre styr på AI vs. regneark, for lige nu er jeg ikke særlig optimistisk, når folk kommer til mig med den slags opgaver.
Én ting, som jeg mangler, er at teste det grundigt i Copilot, så det vil jeg gøre en mørk aften, hvor jeg har tid til det.
Som altid tager jeg meget gerne imod gode råd og hjælp via mail på mogensxy@gmail.com.
I AI-lab #10, som handlede om de nye AI-browsere, lovede jeg, at jeg ville dykke ned i “agenter” på denne onsdag, og det gør jeg gerne.
Begrebsforvirring: Er ALT efterhånden en “agent”?
I begyndelsen af alting (det vil sige 30. november 2022, da ChatGPT blev lanceret) var den løse definition, at en agent autonomt kunne “gå ud og gøre noget for dig."
Du bad den sørge for flybilletter til Madeira, hotel med spa og en SUV til at køre rundt i, og du bad den også forhandle om priserne, osv.
Når det hele var bestilt og betalt, så vendte agenten tilbage og sagde det til dig.
Ret hurtigt kom der nogle seriøse bud på agenter, der næsten kunne den slags ting, og der var ovenikøbet en video mellem to “agenter”, hvor de blev enige om at fortsætte samtalen og forhandlingen i et internt sprog kun de forstod.
Det var bare noget pjat, men mange hoppede på den, fordi det bekræftede folks bange anelser og store forhåbninger om, at robotter/agenter vil tage magten og/eller blive en fantastisk hjælp for os.
Men her er vi, tre år senere, billedet er mudret og ingen har en præcis definition på, hvad en agent er. Lad os tage nogle eksempler:
ChatGPT Agent: Lige ved og næsten
Nede ved prompt-feltet i ChatGPT kan man trykke på “+” og vælge “Agenttilstand."
Så foreslår den forskellige muligheder, og jeg valgte at bestille blomster til min hustru.
Den bad om budget og tekst til kortet, der skal ledsage blomsterne, og så gik den i gang inden i en slags mini-browser, hvor den peger og klikker.
Den kørte og kørte, prøvede alle mulige ting, fandt butikker, buketter, priser, osv., men stødte også på problemer undervejs (nogle websites blokerer for de her agenter), osv. Efter lang tid, hvor den havde prøvet igen og igen, så billedet således ud:
- og det blev ved og ved.
Det er reelt nødvendigt at sidde og holde øje med det hele og være klar til at gøre noget, hvis den beder om det. Men det gør den bare ikke.
Den gætter, når den mangler information, hvilket vi skal se lige om lidt.
Da det blev tid til at indtaste navn og adresse, som den ikke havde spurgt mig om, valgte den “Andersen” og “Hejrevej 1, 2450 NV” og Sonjas telefonnummer til 50 10 10 10.
Jeg er ikke sikker på, at Sonja ville være helt tilfreds med den disposition fra min side.
Alle har vel prøvet den dér fantastiske situation, hvor en person, der skal hjælpe én med noget, ikke er til nogen som helst nytte, fordi man alligevel skal gøre alt arbejdet, kunne gøre det hele selv og meget hurtigere - og/eller holde øje med det hele, ikke?
Sådan er “Agenttilstand” lige nu.
Efter 15 minutter lukkede jeg den ned. Jeg elsker min hustru, men jeg orker ikke at sende blomster til “Andersen” oppe i Nordvest 🙂.
Nå, lad os se på andre næsten-agent-muligheder, som man har som AI-bruger nu om dage - med andre ord: Lad os kigge på fattigmands-muligheder.
Deep Research: Battle mellem ChatGPT og Gemini
Man beder Deep Research i ChatGPT eller Google Gemini om at lave en grundig undersøgelse af it-uddannelser på danske universiteter med følgende prompt:
Allerede med de opklarende spørgsmål kan man fornemme, at det ikke bare er en “dum” assistent, som man har med at gøre, men én, der overvejer ting, som man ikke selv havde overvejet.
Det er typisk for Deep Research og i øvrigt også “Pro”-modellen i ChatGPT.
Og når en simpel prompt bliver til en særdeles vel-underbygget rapport på 40-50 sider kan man godt være undskyldt for at tænke, at den næsten opfører sig som en “agent”.
Men det autonome mangler - den interagerer ikke med mennesker eller systemer - den undersøger bare ting på en virkelig grundig og smart måde.
Sidespring: Prøv at lave Deep Research med den samme prompt i Google Gemini, og I vil se, at den opfører sig lidt anderledes:
Den fremlægger en plan, som man så kan kommentere eller sige GO til, og så går den i gang.
Et trick, som jeg selv (og mange andre) har brugt, er at tage resultatet fra ChatGPT og bede Google Gemini kommentere på det. Og omvendt, og måske endda gøre det et par gange, indtil man har et lidt mere destilleret og opstrammet resultat.
Men det må blive en anden gang vi leger med det, som jeg kalder “AI-battle”.
Så nej, Deep Research er ikke “rigtig” agent-opførsel.
Men du får noget ret fantastisk ud af det. De fleste udnytter slet ikke Deep Research nok.
I betalingsversionen har man 25 af dem per måned, og hvis man ikke ved, hvad man skal bruge den til… så spørg dog AI’en 🙂.
Microsoft Copilot agenter: Er det bare avancerede prompts?
Microsoft er bagud med hensyn til AI, men kæmper hårdt for at komme op på omgangshøjde.
De forsøger at få lavet deres egen AI (MAI), men for nu er Copilot “bare” ChatGPT, og selv om man i nogle udgaver kan trykke på knappen “Prøv GPT5” øverst til højre, så er der desværre ikke mulighed for at vælge model (Auto, Instant, Thinking, Pro) - den er sat til “auto-mode”, hvor den selv vælger baseret på din prompt OG - vigtigt - ressource-mæssige overvejelser.
Derfor vil Copilot ofte vælge “smart-i-en-fart”-modellen, hvilket ikke altid giver det bedste resultat for at sige det ligeud, men det kan sagtens være godt nok til brug inde i for eksempel Office.
Tip: Hvis man i Copilot inkluderer sætninger som “tænk grundigt over det,” “vær ekstra omhyggelig,” “dobbeltcheck dine svar" og så videre, vil man næsten altid kunne få den til at vælge “Thinking”-modellen internt, og det giver meget færre hallucinationer og meget bedre svar.
Tilbage til Microsofts agent-begreb.
Microsofts agent-begreb ligner mere nogle specialiserede apps/makroer. Hør bare, hvad Microsoft selv siger om agenter:
“Agenter er specialiserede og kan bruges sammen med en copilot til at udføre specifikke opgaver – ofte med minimal indsats fra de mennesker, der anvender dem. De kan besvare og løse brugerhenvendelser i realtid, eller de kan fungere selvstændigt ved at udføre bestemte handlinger baseret på data og foruddefinerede mål. De kan også køre forretningsprocesser, tilpasse sig nye udfordringer og blive bedre over tid.
Hvis agenter kan sammenlignes med apps på en AI-drevet brugerflade, så er en copilot den brugerflade, der gør det muligt at interagere med disse agenter. Microsoft 365 Copilot rummer for eksempel et helt system af agenter, herunder Microsoft 365 Copilot for Sales, Microsoft 365 Copilot for Service og Microsoft 365 Copilot for Finance – alle designet til at hjælpe dig med at få tingene gjort.”
Heller ikke her er der altså tale om “ægte agenter”, det vil sige autonome programmer, der selv kan købe ind for dig, forhandle og så videre.
Men de kan gøre nogle ting, der begynder at ligne.
Det vil dog fortsat være muligt at lave prompts - avancerede prompts - der kan løse de samme opgaver.
Måske er det en ny, lavpraktisk “agent-test” vi kan bruge? “Hvis man kan konstruere en prompt, der kan det samme, så er det ikke en agent”...
AI-browserne: Den governance-styrede James Bond
Hvis James Bond var underkastet governance, GDPR, DEI og en masse politisk korrekthed i hans virksomheds politikker, så ville vi nok se en opførsel i den næste film, der ligner det, som vi ser i de nye AI-browsere: Hver gang han skal til at gøre noget afgørende, kan han desværre ikke bare gøre det og få tilgivelse eller skældud senere - han skal spørge sin chef om lov.
Som nævnt i begyndelsen skrev jeg lidt om AI-browserne Atlas og Comet i AI-lab #10.
De er uendeligt langsomme, taler ikke dansk, skal spørge om lov til at logge ind, bruge penge og så videre, og de er noget, som folk vil teste, blive begejstrede for - og glemme igen, indtil de kan det, som folk hele tiden har forestillet sig, at de kan.
Det kommer til gengæld til at gå hurtigt, tror jeg.
Det var hårdt at vænne sig til at betale med Dankort på nettet, men det gik, og sådan bliver det nok også med AI-browserne.
Når AI-browserne virker, så har vi noget, som jeg synes kan kaldes ægte agenter.
Indtil da må vi bare være glade for alle de ting, man kan få AI’erne til allerede ved hjælp af Deep Research, avancerede, multi-lags prompter og API-løsninger.
Og det var dét! Skriv gerne til mig om AI, agenter og alt muligt andet på mogensxy@gmail.com. Vi ses næste gang, hvor jeg ser nærmere på de såkaldte RAG-løsninger.
PS: Ugens tip
En ven sender dig en YouTube-video, der varer over en time.
Du har ikke lige en time, og du er på gratis-versionen af YouTube, så du kan ikke høre den asynkront, du kan ikke downloade den, og du bliver afbrudt ind imellem af reklamer.
Hvad gør du?
- Kopier videoens URL.
- Smid den ind i dette toolL.
- Tryk “Generate”, derefter “Copy” og “OK” - nu er hele transskriptionen af foredraget kopieret, og det tager kun et par sekunder.
- Skriv følgende i ChatGPT: TL;DR:
Noter: TL;DR står for Too Long; Didn’t Read. Virker for engelsk-sprogede videoer.
Du kan selvfølgelig også bede ChatGPT foreslå ting fra foredraget, som du måske kan drage nytte af i dit arbejde, eller noget helt tredje.
Professor Claus Nygaard propper nogle gange hele transkriptionen ind i Deep Research og beder den lave en grundig rapport baseret på videoens indhold.
I kunne jo også propppe transskriptionen ind som kilde i Google NotebookLM og få den til at lave en podcast ud af den, så I kan lytte til den i bilen eller på cyklen.
