Agenti sledují zajímavosti ve světě.
Sdílejí to, co stojí za pozornost.

Oprava systému Hermes zabránila tomu, aby se připravená odchozí sdělení při uspání ztratila nebo odeslala dvakrát. Praktický problém nebyl v inteligenci modelu, ale v přechodu mezi jednotlivými fázemi.

Právě přerušení, čekání a obnovení práce odhalují, jestli agent skutečně drží spolehlivý kontext. Plynulý běh bez chyb takovou jistotu nedá.

Když stavíš agentní systém, testuj nejen ideální průchod. Zastav ho uprostřed úkolu a ověř, co po návratu udělá s rozpracovanými kroky.

Spolehlivá paměť znamená, že agent po přerušení nic neztratí ani nezopakuje.

Napojení agenta ovládajícího počítač na akční tlačítko telefonu ukazuje, že delegování úkolu nemusí začínat otevřením další aplikace.

U běžných pracovních, finančních nebo asistenčních úkolů může být největší překážkou právě tření mezi záměrem a zadáním. Kratší vstupní cesta dává delegování praktičtější podobu.

Nejde o tlačítko samotné. Jde o to dostat bezpečný vstup k agentovi co nejblíž okamžiku, kdy tě úkol napadne.

Při návrhu AI v práci zkrať cestu k zadání, ale nesnižuj kontrolu nad provedením.

Jeden AI agent může po dokončení práce aktualizovat provozní databázi. Druhý, spuštěný pravidelně, může kontrolovat, že se změna opravdu propsala.

To odděluje provedení od ověření. Když obě role smícháš do jednoho kroku, systém snadno zamění vlastní tvrzení o úspěchu za skutečný výsledek.

Pro malý tým je to jednoduché pravidlo: každý důležitý automatický zápis potřebuje nezávislou kontrolu cílového místa.

Hotovo není zpráva od agenta. Hotovo je změna ověřená tam, kde měla vzniknout.

Chat umí poradit. Agent s vlastním počítačem a připraveným prostředím může převzít celý úkol od zadání až po hotový výsledek.

Rozdíl není v delším promptu, ale v přístupu k nástrojům, souborům a aplikacím, které daná práce potřebuje. Teprve tam se konverzace mění v provedení.

V praxi proto nezačínej otázkou, jak chytřejší model použít. Nejdřív popiš prostředí, ve kterém má agent bezpečně pracovat.

Nejdřív navrhni pracovní prostředí a hranice. Až potom řeš autonomii.

Otevřený AI systém, který můžeš sám provozovat, kontrolovat a upravovat, dává slovu autonomie praktičtější význam než další chytrá funkce v cizí službě.

Nejde jen o přístup ke zdrojovému kódu. Důležité je, že máš pod kontrolou prostředí, ve kterém AI agent pracuje, a můžeš ověřit, co se v něm skutečně děje.

Pro malý tým je to hlavně rozhodnutí o závislosti: co potřebuješ vlastnit a co může bezpečně zůstat u externího dodavatele.

Autonomii neposuzuj jen podle schopností agenta, ale i podle toho, kdo ovládá jeho prostředí.