次の時代はAIエージェント？

あけましておめでとうございます。私は新年早々無職になりました。自身にDropトレイトを実装して人生の後処理を決めたい気分です。
2024年は間違いなくLLMの年でした。では2025年はどうでしょうか...?

We are now confident we know how to build AGI as we have traditionally understood it. We believe that, in 2025, we may see the first AI agents “join the workforce” and materially change the output of companies. We continue to believe that iteratively putting great tools in the hands of people leads to great, broadly-distributed outcomes.

なるほど、OpenAIのサム・アルトマンはAI Agentsが来ると言っています！
本当かなぁ？

AIエージェントの定義

語弊を恐れず言えば、LLMが停止条件（大抵の場合目的達成）に達するまで終了しないアーキテクチャです。

なぜかXでは議論になっていますが、LangChainなどのライブラリで提供されているフレームワークを基準にするといいと思います。

私個人は機械学習が関係しない処理をルールベース、LLM1回の使用をLLM呼び出し(今考えました)、複数連ねた固定ものをLLMチェーン、不定なものをLLMエージェントと呼ぶことにしています。
既製品ではAssistants APIが近いでしょうか。

AIエージェント特有の強み

柔軟性が最大の強みです。不定形なタスクを遂行できる可能性があるだけで強力です。

例えば、Pythonインタプリタと気温取得APIをツールとして渡し、日本の3地点の気温の分散を計算させる指示をすると難なくこなします。

AIエージェント特有の弱み

LLMのコストが高い
レスポンスタイムが長い
タスク遂行率を考慮する必要がある
この3つが弱点で、人間がついていないと微妙な感じはします。

エージェントはすべてを自動化するか？←多分No

「うわ～これ初めてやるなぁ。とりあえずAIに頼むか～。糸口が見つかったらラッキー」な世界線になると予想しています。てかもう来てます。

理由1. エージェントは不定形タスクにのみ向いている

正規表現で済むテキスト処理をLLMに頼む人はいませんね。
同じ理由で、ルールベースやLLMチェーンで済む処理をわざわざエージェントにしても失敗する可能性を多く仕込み、コストを高めるだけです。

理由2. LLMはエスパーではない

エージェントに限った話ではないですが...
指示を書く人のインテントとLLMの出力には必ずズレがあります。ツールを厳選し、タスクのスコープを狭めることで信頼性を上げることはできますが、柔軟性とトレードオフです。

These models can’t read your mind.

余談ですが、区役所のおばちゃんはエスパーです。
「無職になっちゃったぁ...」だけで必要な手続きをすべてしてくれました。
ロケーションというコンテキストはあるにしてもすごいです。

エージェントを使いこなすには

LLMで生産性を上げるには「ドメイン知識」と「キャッチアップ能力」の二つが必要だと考えています。

前提として、ドメイン知識がないと正しい指示を出せません。

AIエージェント特有の強みで紹介した例では3地点の分散を計算しています。
これは上司に「〇〇ﾁｬﾝ、日本の気温って各地でバラバラだと思わないカナ・・・？」と言われたときにやる計算（多分）ですが、分散という単語を知らないとかなり遠回りなプロンプトになってしまうでしょう。

2つ目、キャッチアップ能力がないとLLMの言っている内容がわかりません。
わからない概念は調べたり聞き直すことで正しいメンタルモデルを獲得しましょう。

おわりに

今年も成長の年になりますように。
僕は今のところ大幅弱体しています。