1. Komponenty w obszarze Agent AI
2. Agent AI. Zastosowania
3. Trzy poziomy samodzielności
4. Złożenia, ograniczenia, wnioski
5. Tematy powiązane
1. Komponenty w obszarze Agent AI
Jakie może być zastosowanie komponentow w obszarze określonym jako Agent AI ?
Rola komponentów w obszarze Agent AI
W przesłanym opisie Agent AI nie występuje jeszcze jako gotowy komponent Trawersa.
Można go jednak zaprojektować jako nowy element złożenia, który:
1. odbiera zdarzenie lub polecenie użytkownika,
2. pobiera potrzebne dane z Trawersa,
3. interpretuje sytuację biznesową,
4. proponuje albo wybiera działanie,
5. uruchamia istniejące komponenty,
6. zapisuje wynik i historię wykonania.
Komponenty Trawersa mają określone wejścia i wyjścia oraz mogą być łączone
w wieloetapowe procesy.
To dobrze pasuje do architektury agenta, ponieważ agent nie musi sam wykonywać operacji ERP -
powinien przede wszystkim decydować, którego komponentu użyć i z jakimi parametrami.
Proponowane miejsce Agenta AI
Najbardziej naturalny model:
```
Zdarzenie / pytanie użytkownika
|
v
Agent AI
|
v
Analiza intencji i kontekstu
|
v
Wybór komponentów Trawersa
|
v
Wykonanie operacji
|
v
Kontrola wyniku i odpowiedź
```
Agent AI byłby więc inteligentnym koordynatorem złożeń komponentów.
Funkcje poszczególnych komponentów
| Komponent Trawersa | Zastosowanie przez Agenta AI |
| -------------------- | ------------------------------------------------------------------------------------ |
| Baza danych | Pobranie kontekstu: kontrahentów, dokumentów, stanów, płatności, zleceń |
| Warunki Query | Ograniczenie danych, np. tylko zaległe faktury albo zamówienia zagrożone opóźnieniem |
| AutoRun | Cykliczne uruchamianie agenta, np. codzienna kontrola należności |
| Alert | Uruchomienie agenta po wystąpieniu określonej sytuacji |
| TrExtLang | Przygotowanie danych, obliczenia, walidacja oraz połączenie AI z innymi komponentami |
| SOA | Kontrolowany odczyt i zapis danych w Trawersie |
| System wzorców | Utworzenie faktury, raportu, wezwania, odpowiedzi lub pisma |
| TrEmail | Odbieranie wiadomości i wysyłanie odpowiedzi |
| Załączniki | Analiza dokumentów powiązanych z kontrahentem, dokumentem lub zgłoszeniem |
| CSV | Import danych, eksport wyników i przekazanie danych do analiz |
| EDI | Interpretacja i obsługa komunikatów wymienianych z kontrahentami |
| Urządzenia wyjściowe | Prezentacja wyniku na ekranie, w pliku, wydruku albo wiadomości e-mail |
Dokumentacja wskazuje, że komponenty mogą tworzyć dowolnie długie złożenia, a częstym
łącznikiem bardziej złożonych przypadków są funkcje TrExtLang.
2. Agent AI. Zastosowania
1. Asystent użytkownika Trawersa
Użytkownik wydaje polecenie w języku naturalnym:
|Pokaż odbiorców, którzy mają zaległości powyżej 10 000 zł,
|i przygotuj wezwania do zapłaty.
Agent:
```
Pytanie użytkownika
-> Agent AI
-> SOA / Query: pobranie należności
-> analiza warunków
-> system wzorców: wezwanie
-> ekran: lista dokumentów do akceptacji
-> e-mail: wysyłka
```
Agent może również odpowiadać na pytania typu:
* gdzie znajduje się dana funkcja,
* jak wykonać określony proces,
* jakie funkcje SOA zastosować,
* jak rozwiązać konkretny problem gospodarczy w Trawersie.
Takie klasy pytań są wskazane w materiałach dotyczących wykorzystania chatbotów
i AI w otoczeniu Trawersa.
2. Inteligentna obsługa alertów
Obecny Alert sprawdza zdefiniowany warunek. Agent AI może dodatkowo ocenić znaczenie sytuacji.
Przykład:
```
AutoRun
-> Alert: przeterminowane należności
-> Agent AI:
- ocena kwoty,
- historia płatności,
- znaczenie klienta,
- wcześniejsze wezwania
-> decyzja:
- przypomnienie,
- wezwanie,
- zadanie dla handlowca,
- brak działania
```
Nie każdy klient musi wówczas otrzymać identyczny komunikat.
3. Obsługa korespondencji
AutoRun
-> TrEmail
-> Agent AI
-> klasyfikacja wiadomości
-> powiązanie z klientem lub dokumentem
-> propozycja odpowiedzi
-> zapis w bazie
-> wysłanie albo przekazanie operatorowi
Możliwe klasy wiadomości:
* pytanie o fakturę,
* reklamacja,
* zamówienie,
* zapytanie ofertowe,
* zgłoszenie serwisowe,
* informacja o płatności,
* wiadomość wymagająca ręcznej obsługi.
Komponenty Trawersa są już przewidziane m.in. do tworzenia, przesyłania
i przechowywania informacji, dlatego komunikacja jest naturalnym obszarem
ich połączenia z Agentem AI.
4. Agent serwisowy
Agent może wspierać dział serwisu:
E-mail / formularz / SOA
-> Agent AI
-> identyfikacja klienta i urządzenia
-> pobranie historii serwisowej
-> klasyfikacja problemu
-> propozycja rozwiązania
-> założenie zgłoszenia
-> przydzielenie serwisanta
-> odpowiedź do klienta
Agent może również porównywać opis awarii z wcześniejszymi zgłoszeniami i podpowiadać
najbardziej prawdopodobną przyczynę.
5. Kontrola dokumentów
Agent może sprawdzać:
* brakujące dane,
* nietypowe wartości,
* błędne daty,
* niespójność kontrahenta,
* brak załącznika,
* niewłaściwy termin płatności,
* podejrzaną cenę lub rabat,
* niezgodność dokumentu z zamówieniem.
Przykład:
Zapis faktury
-> Alert
-> Agent AI
-> porównanie z zamówieniem, dostawą i historią cen
-> raport niezgodności
-> ekran operatora
6. Zakupy i gospodarka magazynowa
Agent może analizować:
* stany magazynowe,
* rezerwacje,
* zamówienia sprzedaży,
* terminy dostaw,
* rotację zapasów,
* zapas minimalny,
* historię zakupów.
Następnie może przygotować propozycję zamówienia:
AutoRun
-> SOA / baza danych
-> Agent AI
-> prognoza braków
-> propozycja zamówienia zakupu
-> ekran akceptacji
-> SOA InBound: zapis zamówienia
7. Wsparcie sprzedaży
Agent może:
* przygotować ofertę na podstawie historii klienta,
* dobrać produkty,
* sprawdzić dostępność,
* zaproponować zamienniki,
* określić ryzyko kredytowe,
* wygenerować spersonalizowaną wiadomość,
* przypomnieć handlowcowi o dalszym kontakcie.
8. Analiza procesów i wyjątków
Agent nie musi analizować wszystkich operacji. Największą wartość może przynieść
w wykrywaniu wyjątków:
* opóźnione zamówienia,
* nietypowa marża,
* gwałtowny spadek sprzedaży,
* brak ruchu na indeksie,
* przekroczony termin zlecenia,
* nienaturalna zmiana ceny,
* powtarzające się reklamacje,
* różnice między dokumentami.
3. Trzy poziomy samodzielności
Poziom 1 - doradczy
Agent tylko analizuje i odpowiada:
Agent AI -> propozycja -> operator wykonuje czynność
Najbezpieczniejszy etap początkowy.
Poziom 2 - nadzorowany
Agent przygotowuje działanie, ale wymaga zatwierdzenia:
Agent AI
-> przygotowanie dokumentu lub operacji
-> ekran akceptacji
-> operator zatwierdza
-> SOA zapisuje dane
To najbardziej praktyczny model dla dokumentów finansowych i handlowych.
Poziom 3 - automatyczny
Agent sam wykonuje operację w granicach ustalonych reguł:
AutoRun / Alert
-> Agent AI
-> kontrola warunków
-> SOA / e-mail / EDI
-> zapis historii
Powinien być stosowany tylko dla dobrze określonych i odwracalnych działań.
4. Złożenia, ograniczenia, wnioski
Przykładowe złożenieAgent obsługi zaległych należności
[AutoRun]
|
v
[Query: faktury po terminie] Patrz np. alert: RO0010 Wezwanie do zapłaty wg rozrachunków
|
v
[Agent AI:
ocena klienta, kwoty, opóźnienia i historii kontaktów]
|
v
[TrExtLang: przygotowanie parametrów]
|
v
[System wzorców: treść przypomnienia lub wezwania]
|
v
[Ekran operatora: akceptacja]
|
v
[TrEmail: wysyłka]
|
v
[Baza danych: zapis historii działania]
Agent AI wnosi tu element, którego nie zapewnia prosty Alert: ocenę kontekstu
i wybór odpowiedniego wariantu postępowania.
Zalecane ograniczenia
Agent AI nie powinien otrzymywać nieograniczonego dostępu do bazy danych.
Bezpieczniejszy model to:
* odczyt i zapis przez zdefiniowane funkcje SOA,
* wykonywanie operacji zgodnie z uprawnieniami operatora technicznego,
* lista dozwolonych funkcji,
* zatwierdzanie operacji finansowych i dokumentowych,
* zapis pytania, decyzji, parametrów i wyniku,
* rozdzielenie operacji przygotuj oraz wykonaj,
* kontrola, czy operacja nie została wykonana wcześniej,
* możliwość odtworzenia przebiegu decyzji.
Wniosek
Najważniejszym zastosowaniem komponentów w obszarze Agent AI jest utworzenie
warstwy wykonawczej dla sztucznej inteligencji:
| Agent AI rozumie i podejmuje decyzję,
| komponenty Trawersa bezpiecznie wykonują pracę.
Agent nie zastępuje więc AutoRun, Alertów, SOA, TrExtLang czy TrEmail. Łączy je dynamicznie
w zależności od sytuacji biznesowej.
Dzięki temu dotychczasowe złożenia no-code mogą zostać rozszerzone z procesów opartych
wyłącznie na stałych regułach do procesów uwzględniających treść, kontekst,
historię oraz ocenę ryzyka.