DI agentas (AI agent)

DI agentas (angl. AI agent) – sistema, kurioje kalbos modelis pats sprendžia, kokius veiksmus ir kokia tvarka atlikti, kad pasiektų tikslą: kviečia įrankius, skaito jų rezultatus, keičia planą ir kartoja, kol užduotis atlikta arba reikia žmogaus. Skirtingai nuo pokalbių roboto, kuris tik atsako, agentas veikia – suranda užsakymą, patikrina likutį, parengia grąžinimą, išsiunčia laišką.

Kas yra DI agentas: agentas ar darbo eiga

Anthropic gairėse „Building Effective Agents“ skiriamos dvi agentinių sistemų rūšys. Darbo eigos (angl. workflows) – sistemos, kuriose LLM ir įrankiai sujungti iš anksto apibrėžtais kodo keliais: pvz., „gautas laiškas → modelis priskiria kategoriją → pagal kategoriją kviečiamas atitinkamas veiksmas“. Agentai – sistemos, kuriose LLM pats dinamiškai valdo savo procesą ir įrankių naudojimą. Ta pati gairė pataria ieškoti paprasčiausio sprendimo ir sudėtingumą didinti tik tada, kai reikia: agentinės sistemos dažnai iškeičia greitį ir kainą į geresnį rezultatą, o daugeliui užduočių pakanka vienos gerai paruoštos užklausos su paieška ir pavyzdžiais.

Kaip veikia DI agentas: ciklas

1. Tikslas. Agentas gauna užduotį ir kontekstą: „Klientas skundžiasi, kad gavo ne tą dydį. Išspręsk pagal grąžinimo taisykles.“
2. Planavimas. Modelis nusprendžia kitą žingsnį: pirmiausia surasti užsakymą.
3. Įrankio kvietimas. Modelis prašo įvykdyti įrankį (angl. tool call) – per jūsų API, MCP serverį ar paiešką.
4. Rezultatas grįžta į kontekstą. Užsakymo duomenys pridedami prie pokalbio, ir modelis planuoja toliau: patikrinti likutį, sukurti grąžinimą, parengti laišką.
5. Patikra ir pabaiga. Kai tikslas pasiektas, agentas baigia; jei susiduria su neaiškumu, riba ar jautriu veiksmu – perduoda žmogui.

Kiekvieną ciklo ratą modeliui siunčiamas visas sukauptas kontekstas, todėl penkių žingsnių užduotis sunaudoja ne penkis, o daug daugiau kartų įvesties žetonų nei vienas kvietimas – žr. pavyzdį žemiau.

Iš ko susideda DI agentas

• Modelis. Agentams reikia modelio, kuris patikimai renkasi įrankius ir laikosi instrukcijų per daug žingsnių; paprastiems agentams pakanka vidutinės klasės.
• Įrankiai. Aiškiai aprašytos funkcijos: „rasti užsakymą“, „patikrinti likutį“, „sukurti grąžinimą“. Įrankių kokybė dažnai svarbesnė už modelį.
• Instrukcijos. Tikslas, taisyklės, ko nedaryti, kada perduoti žmogui – sisteminis promptas.
• Atmintis ir žinios. Pokalbio istorija, užduoties būsena ir įmonės žinios per RAG.
• Turėklai (angl. guardrails). Žingsnių ir biudžeto ribos, teisių apribojimai, patvirtinimai, įvesties ir išvesties patikros.
• Stebėsena. Kiekvieno žingsnio žurnalas: ką agentas matė, ką nusprendė, kiek kainavo.

Agentinės darbo eigos šablonai

Anthropic gairėse aprašyti penki dažniausi šablonai, kurie daugeliu atvejų pakeičia „pilną“ agentą:

Kuo kurti DI agentą: n8n, OpenAI, Claude

• n8n – vizuali automatizavimo platforma su AI Agent mazgu, prie kurio jungiami modeliai, atmintis, įrankiai ir MCP klientas. Tinka verslo procesams be didelio programavimo, galima talpinti savo serveryje.
• OpenAI Agents SDK – OpenAI biblioteka agentams su įrankiais, perdavimais tarp agentų ir turėklais kurti Python ar JavaScript kalba.
• Claude Agent SDK – Anthropic biblioteka, suteikianti agentui tą patį įrankių ir konteksto valdymo karkasą, kurį naudoja Claude Code.
• Zapier – debesijos automatizavimo platforma su DI veiksmais; paprastiems agentams, kai sistemos jau prijungtos per Zapier.
• Savas kodas – tiesiogiai per DI API su funkcijų kvietimu; daugiausia kontrolės, kai reikia griežtų patikrų ir integracijų su vidinėmis sistemomis.

DI agentų pavyzdžiai smulkiam ir vidutiniam verslui

• Klientų aptarnavimo agentas. Suranda užsakymą, patikrina siuntos būseną kurjerio sistemoje, pritaiko grąžinimo taisykles ir parengia atsakymą; grąžinimus virš nustatytos sumos perduoda žmogui.
• Pardavimų paruošimo agentas. Gavęs užklausą iš svetainės formos, suranda įmonės informaciją viešuose šaltiniuose, patikrina CRM istoriją ir parengia vadybininkui santrauką su pasiūlymo juodraščiu.
• Sąskaitų tikrinimo agentas. Palygina gautą tiekėjo sąskaitą su užsakymu ir priėmimo aktu, pažymi neatitikimus ir paruošia įrašą apskaitai; apmokėjimą tvirtina žmogus.
• Turinio atnaujinimo agentas. Patikrina prekių aprašymus, randa trūkstamas savybes ar pasenusią informaciją ir pasiūlo pataisymus peržiūrai.
• Vidinis IT agentas. Pagal darbuotojo prašymą sukuria paskyras, priskiria teises pagal šabloną ir užregistruoja veiksmą.

Kaip pradėti: nuo darbo eigos iki agento

1. Pasirinkite vieną procesą, kuris kartojasi bent kelis šimtus kartų per mėnesį ir turi aiškų rezultatą.
2. Aprašykite, kaip jį atlieka žmogus: kokias sistemas atidaro, kokius sprendimus priima, kada kreipiasi į vadovą.
3. Automatizuokite nuspėjamą dalį darbo eiga – dažnai tai jau duoda didžiąją naudos dalį.
4. Agentą pridėkite tik nestandartiniams atvejams, su žingsnių riba ir perdavimu žmogui.
5. Pirmas savaites veikite „šešėliniu režimu“: agentas siūlo veiksmą, žmogus patvirtina. Taip surenkami tikri atvejai testams.
6. Matuokite: kiek užduočių agentas užbaigė pats, kiek perdavė, kiek klaidų rasta ir kiek kainavo viena užduotis.

Keli agentai ar vienas: kada skaidyti

Kelių agentų sistemose (angl. multi-agent) vienas agentas paskirsto darbą kitiems, turintiems siauresnes užduotis ir savus įrankius – pvz., vienas tiria užsakymą, kitas rašo atsakymą, trečias tikrina, ar laikomasi taisyklių. Tai padeda, kai vienam agentui per daug įrankių ar per ilgas kontekstas, ir leidžia kiekvienai daliai parinkti pigesnį ar stipresnį modelį. Bet kiekvienas papildomas agentas – papildomi modelio kvietimai, žetonai ir vieta klaidoms. Pradėkite nuo vieno agento su aiškiais įrankiais ir skaidykite tik tada, kai matote konkrečią problemą: modelis painioja įrankius, kontekstas per didelis arba skirtingoms dalims reikia skirtingų teisių.

DI agento rizikos ir kaip jas valdyti

• Klaidų kaupimasis. Kiekvienas žingsnis remiasi ankstesniu, todėl ankstyva klaida (neteisingas užsakymas) nuveda visą užduotį klaidinga kryptimi. Sprendimas – patikros taškai ir trumpos užduotys.
• Nekontroliuojamos sąnaudos. Agentas gali suktis cikle. Sprendimas – žingsnių ir biudžeto riba kiekvienai užduočiai, įspėjimai.
• Instrukcijų įterpimas. Kliento laiške ar svetainėje esantis tekstas gali bandyti pakeisti agento elgesį. Sprendimas – mažiausios teisės ir patvirtinimas rizikingiems veiksmams.
• Atsakomybė. Agentas veikia jūsų vardu: išsiųstas laiškas ar grąžinti pinigai – jūsų įmonės veiksmas. Sprendimas – aiškus žmogaus patvirtinimo slenkstis (pvz., grąžinimai virš 50 €).

Agentų sąnaudas lemia modelio kaina ir žingsnių skaičius – šiandienines kainas rodome įrankyje DI modelių API kainos, naujus modelius – puslapyje Nauji DI modeliai. Agentų kūrimą ir saugų paleidimą aprašome paslaugos puslapyje DI integracijos.

Lietuvos įmonei, kuri diegia DI agentą, svarbiausi trys teisiniai aspektai. Pirma, ES dirbtinio intelekto aktas (Reglamentas (ES) 2024/1689): nuo 2025 m. vasario 2 d. galioja draudžiamos praktikos ir DI raštingumo pareiga darbuotojams, nuo 2026 m. rugpjūčio 2 d. – skaidrumo pareigos (klientas turi žinoti, kad bendrauja su DI), o didelės rizikos sistemų, pvz., naudojamų darbuotojų atrankai ar vertinimui, taisyklės po Reglamento (ES) 2026/1744 pakeitimų taikomos nuo 2027 m. gruodžio 2 d. Lietuvoje DI akto rinkos priežiūros institucija ir bendrasis kontaktinis punktas nuo 2025 m. balandžio 1 d. – Ryšių reguliavimo tarnyba (RRT).

Antra, BDAR 22 straipsnis riboja vien automatizuotu tvarkymu grindžiamus sprendimus, turinčius teisinių ar panašiai reikšmingų pasekmių žmogui – agentas neturėtų pats atmesti paraiškos ar nutraukti sutarties be žmogaus įsikišimo galimybės. Priežiūros institucija – Valstybinė duomenų apsaugos inspekcija (VDAI). Trečia, vartotojų teisės: agento išsiųstas pažadas ar patvirtinimas klientui yra jūsų įmonės pareiškimas, todėl kompensacijų, nuolaidų ir grąžinimų ribos turi būti užprogramuotos, ne tik aprašytos prompte.