Ο επόμενος χρήστης ERP μπορεί να μην είναι άνθρωπος

Κάθε οθόνη είναι μια υπόθεση για το ποιος κοιτάζει

Σκεφτείτε τι είναι ένα ERP από την πλευρά του χρήστη του. Πίσω από το εμπορικό σήμα είναι ένα σύνολο πινάκων και κανόνων: πελάτες, είδη, παραγγελίες, τιμολόγια, κινήσεις αποθεμάτων και οι περιορισμοί που τα διατηρούν συνεπή. Μπροστά από αυτό βρίσκεται το μέρος στο οποίο δαπανήθηκαν τα περισσότερα χρήματα: αρκετές χιλιάδες οθόνες που παρουσιάζουν αυτούς τους πίνακες σε ένα άτομο, λίγα πεδία τη φορά, με μια σειρά που μπορεί να ακολουθήσει, με ετικέτες που μπορεί να διαβάσει και κουμπιά που μπορεί να βρει.

Κάθε μία από αυτές τις οθόνες κωδικοποιεί μια υπόθεση για το ποιος είναι στην άλλη πλευρά. Η υπόθεση είναι ένα άτομο με περιορισμένη μνήμη εργασίας, οπότε η φόρμα χωρίζεται σε καρτέλες. Ένα άτομο που διαβάζει από αριστερά προς τα δεξιά, οπότε το σημαντικό πεδίο πηγαίνει πάνω αριστερά. Ένα άτομο που μπορεί να κρατήσει περίπου επτά πράγματα στο μυαλό του, οπότε ο πίνακας ελέγχου έχει έξι πλακίδια. Ένα άτομο που θα κάνει λάθη πληκτρολόγησης, οπότε υπάρχει επικύρωση κατά την υποβολή. Ένα άτομο που κουράζεται, οπότε η κοινή διαδρομή έχει λιγότερα κλικ. Όλα αυτά είναι καλή σχεδίαση για τον χρήστη που είχε ο σχεδιαστής, και για τέσσερις δεκαετίες αυτός ο χρήστης ήταν ο μόνος που υπήρχε.

Η συνέπεια είναι ότι η διεπαφή είναι μια απώλεια αναπαράστασης του μοντέλου δεδομένων για έναν τύπο αναγνώστη. Το μοντέλο γνωρίζει ότι ένα τιμολόγιο έχει γραμμές, έναν πελάτη, μια προθεσμία και μια κατάσταση; η οθόνη δείχνει τις γραμμές σε μία καρτέλα, τον πελάτη σε άλλη και την κατάσταση ως χρώμα. Η εργασία που αγγίζει πέντε αρχεία σημαίνει πέντε οθόνες, και το άτομο μεταφέρει τη σύνδεση μεταξύ τους στο μυαλό του. Αυτή η σύνδεση είναι το μεγαλύτερο μέρος για το οποίο μια επιχείρηση πληρώνει το διοικητικό της προσωπικό να κρατήσει.

Ο νέος χρήστης έχει εργαλεία, όχι χέρια

Ένας AI πράκτορας που λειτουργεί ένα επιχειρηματικό σύστημα δεν λαμβάνει τίποτα από αυτά. Αυτό που λαμβάνει, όταν συνδέεται μέσω του Model Context Protocol, είναι το αποτέλεσμα ενός αιτήματος για καταγραφή εργαλείων: για το καθένα, ένα όνομα, μια περιγραφή γραμμένη για να διαβαστεί από ένα μοντέλο, ένα σχήμα για τις εισόδους του, και προαιρετικά μια σημείωση που λέει αν το εργαλείο διαβάζει μόνο, αν μπορεί να καταστρέψει οτιδήποτε, και αν η κλήση του δύο φορές είναι ασφαλής. Ο πράκτορας επιλέγει ένα εργαλείο, το καλεί με πληκτρολογημένα επιχειρήματα, διαβάζει το αποτέλεσμα και επιλέγει ξανά. Η δική του περίληψη του πρωτοκόλλου είναι ότι είναι ένας τυποποιημένος τρόπος σύνδεσης εφαρμογών AI με εξωτερικά συστήματα, όπως ένας κοινός θύρα συνδέει συσκευές, και οι κύριοι πελάτες τώρα το μιλούν: Claude, ChatGPT, Cursor και VS Code μεταξύ αυτών.

Κοιτάξτε τι δεν χρειάζεται αυτός ο χρήστης. Δεν χρειάζεται το τιμολόγιο χωρισμένο σε καρτέλες, γιατί μπορεί να κρατήσει ολόκληρη την καταγραφή ταυτόχρονα. Δεν χρειάζεται το σημαντικό πεδίο πάνω αριστερά, γιατί δεν υπάρχει αριστερά. Δεν χρειάζεται έξι πλακίδια, γιατί μπορεί να ζητήσει τον αριθμό που θέλει. Δεν κουράζεται, και δεν υπάρχουν κλικ. Κάθε παραχώρηση που έκανε την οθόνη καλή για ένα άτομο είναι, για αυτόν τον χρήστη, είτε άσχετη είτε εμπόδιο.

Και κοιτάξτε τι χρειάζεται αντ' αυτού, το οποίο η οθόνη ποτέ δεν παρείχε. Χρειάζεται η περιγραφή κάθε ενέργειας να είναι ακριβής, γιατί η περιγραφή είναι το σύνολο της κατανόησής του. Χρειάζεται το σχήμα να είναι πλήρες, γιατί δεν μπορεί να δει ένα παράδειγμα. Χρειάζεται να γνωρίζει ποιες ενέργειες είναι ασφαλείς για επανάληψη. Χρειάζεται το αποτέλεσμα να λέει τι συνέβη και τι μπορεί να κάνει στη συνέχεια. Για αυτόν τον χρήστη, η τεκμηρίωση είναι η διεπαφή, και η ονοματολογία είναι σχεδίαση: ένα ευρύ εργαλείο με περιγραφή δύο γραμμών είναι ένα χειρότερο προϊόν από την ίδια ικανότητα ως τρία εργαλεία με απλά ονόματα και ειλικρινείς περιγραφές, ανεξάρτητα από το πώς φαίνονται οι οθόνες από πάνω τους.

Η παράκαμψη μέσω της οθόνης δεν θα διαρκέσει

Η πρώτη απάντηση σε έναν νέο χρήστη είναι πάντα να τον ντύσουμε όπως τον παλιό. Η ρομποτική αυτοματοποίηση διαδικασιών το έκανε αυτό για μια δεκαετία: ένα ρομπότ συνδέεται με έναν λογαριασμό υπηρεσίας και χειρίζεται τις οθόνες σαν να είχε χέρια, βρίσκοντας το κουμπί μέσω του επιλεγέα του ή των συντεταγμένων του. Η τρέχουσα έκδοση δίνει σε ένα γλωσσικό μοντέλο μια στιγμιότυπο οθόνης και έναν κέρσορα. Η χρήση υπολογιστή της Anthropic το κάνει ακριβώς αυτό, και η τεκμηρίωσή της είναι προσεκτική να δηλώσει πού ανήκει: υπάρχει για τις περιπτώσεις όπου δεν είναι διαθέσιμη μια πιο στενή διεπαφή, σας καθοδηγεί σε ένα εργαλείο προγράμματος περιήγησης όταν η εργασία παραμένει μέσα σε μια σελίδα, και ζητά από ένα άτομο να επιβεβαιώσει οτιδήποτε με σημαντικές πραγματικές συνέπειες, συμπεριλαμβανομένων των χρηματοοικονομικών συναλλαγών.

Η στολή είναι ακριβή για να φορεθεί. Μια οθόνη δεν κάνει υποσχέσεις σε μια μηχανή, οπότε κάθε αλλαγή που γίνεται για το άτομο σπάει την αυτοματοποίηση που προσποιείται ότι είναι μία. Κάθε στρώμα μεταξύ του πράκτορα και της ενέργειας, το στιγμιότυπο οθόνης, η εκτίμηση ποιο pixel είναι το κουμπί, το κείμενο που πληκτρολογήθηκε που μπορεί ή όχι να έχει προσγειωθεί στο σωστό πεδίο, είναι ένα μέρος για να κάνεις λάθος, και ένα μοντέλο είναι ήδη ένα μέρος για να κάνεις λάθος. Η οδήγηση οθόνης είναι η γέφυρα που χτίζεις ενώ το σύστημα από κάτω δεν έχει τίποτα καλύτερο, και οι προμηθευτές των ρομπότ το λένε οι ίδιοι: τώρα περιγράφουν το ρομπότ ως μια στρώση εκτέλεσης που καλεί ένας πράκτορας για τα συστήματα που εξακολουθούν να την χρειάζονται.

Τι πρέπει να γίνει το λογισμικό

Αν το επιχείρημα μέχρι τώρα ισχύει, το σχήμα του λογισμικού που είναι εγγενές στον πράκτορα προκύπτει από αυτό, και είναι περισσότερα από μια API στο πλάι. Πέντε ιδιότητες πρέπει να είναι αληθείς ταυτόχρονα.

• Κάθε ενέργεια είναι ένα εργαλείο. Όχι η δωδεκάδα που νόμιζε ο προμηθευτής ότι ήταν ασφαλής, αλλά η ολόκληρη επιφάνεια που μπορεί να φτάσει ένα άτομο μέσω των οθονών: δημιουργία, ανάγνωση, μετακίνηση, έγκριση, αποστολή, συμφιλίωση. Οτιδήποτε λιγότερο, και ο πράκτορας πρέπει να επιστρέψει στην οθόνη για το υπόλοιπο.
• Κάθε κλήση φέρει μια ταυτότητα. Ο πράκτορας ενεργεί ως συγκεκριμένο άτομο, μέσω μιας κανονικής σύνδεσης, και τα εργαλεία που του προσφέρονται φιλτράρονται από τον ρόλο αυτού του ατόμου πριν τα δει ποτέ και ελέγχονται ξανά όταν εκτελούνται. Ένας πράκτορας με πλήρη πρόσβαση στο σύστημα είναι αποτυχία σχεδίασης, όχι χαρακτηριστικό.
• Ρωτά σχεδιασμένα. Ορισμένες ενέργειες εκτελούνται; ορισμένες περιμένουν ένα άτομο; ορισμένες απορρίπτονται εντελώς. Το πρωτόκολλο λέει ότι θα πρέπει πάντα να υπάρχει ένας άνθρωπος στη διαδικασία που μπορεί να αρνηθεί μια κλήση εργαλείου, και οι κύριοι πελάτες ρωτούν πριν από μια εγγραφή από προεπιλογή. Το λογισμικό πρέπει να κάνει τις κατηγορίες ρητές αντί να ελπίζει ότι το μοντέλο είναι ευγενικό.
• Η δαπάνη έχει ένα ανώτατο όριο. Όπου η δική του λογική του συστήματος κοστίζει χρήματα, ή όπου ένα εργαλείο δεσμεύει χρήματα, υπάρχει ένα ανώτατο όριο ανά σύνδεση που επιβάλλει το σύστημα και το μοντέλο δεν μπορεί να το παρακάμψει.
• Το αρχείο είναι το προϊόν. Κάθε κλήση, οι είσοδοι και το αποτέλεσμα της, υπό την ταυτότητα που την έκανε, είναι ανασκοπήσιμα με τον ίδιο τρόπο που είναι οι πράξεις ενός ατόμου. Για έναν πράκτορα, το ίχνος ελέγχου είναι πώς χτίζεται η εμπιστοσύνη, εβδομάδα με εβδομάδα.

Μια έκτη ιδιότητα είναι λιγότερο απαίτηση και περισσότερο συνέπεια. Όταν η εργασία γίνεται μέσω εργαλείων, το αρχείο διατηρείται ως παραπροϊόν: ο πράκτορας που τιμολογεί, κυνηγά και συμφιλιώνει αφήνει πίσω ακριβώς το τιμολόγιο, τον κυνηγό και τη συμφιλίωση που θα είχε πληκτρολογήσει ένα άτομο, χωρίς την πληκτρολόγηση. Οι οθόνες επιβιώνουν, για να κοιτάζουν, να ανασκοπούν και να αποφασίζουν. Παύουν να είναι το μόνο μέρος όπου μπορεί να συμβεί εργασία.

Η ένσταση που αξίζει να ληφθεί σοβαρά υπόψη

Η ισχυρότερη αντίρρηση παραδέχεται ότι οι πράκτορες μπορούν να κάνουν τη δουλειά και επισημαίνει ότι μερικές φορές την κάνουν λάθος, με αυτοπεποίθηση, σε μια εγγραφή. Αυτό είναι αληθές, και η ειλικρινής τεκμηρίωση το λέει αυτό: το ChatGPT θεωρεί οποιοδήποτε εργαλείο χωρίς σημείωση μόνο για ανάγνωση ως εγγραφή και απαιτεί επιβεβαίωση από προεπιλογή; ο Claude ζητά έγκριση πριν καλέσει ένα εργαλείο από έναν προσαρμοσμένο συνδετήρα και προειδοποιεί ότι ένας κακόβουλος διακομιστής μπορεί να φέρει κρυφές οδηγίες. Οι πελάτες έχουν δίκιο να είναι προσεκτικοί, και μια επιχείρηση θα πρέπει επίσης να είναι.

Αλλά παρατηρήστε πού πρέπει να ζει η προσοχή. Δεν μπορεί να ζει στο μοντέλο, το οποίο είναι το μέρος που μπορεί να είναι λάθος. Πρέπει να ζει στο λογισμικό, το οποίο είναι ακριβώς εκεί που το καλό λογισμικό το έχει ήδη τοποθετήσει για τους ανθρώπινους χρήστες. Επικύρωση, άδειες, όρια έγκρισης, αναίρεση, έλεγχος: καθένα από αυτά υπάρχει επειδή ο προηγούμενος χρήστης έκανε επίσης λάθη, με αυτοπεποίθηση, σε μια εγγραφή. Το λογισμικό που είναι εγγενές στους πράκτορες παίρνει αυτή την παλιά πειθαρχία σοβαρά σε κάθε ενέργεια αντί για τις λίγες που θυμόταν ο σχεδιαστής οθόνης, και την εφαρμόζει σε έναν χρήστη που θα καλέσει εκατό εργαλεία πριν το μεσημεριανό.

Μια δεύτερη αντίρρηση είναι ο ντετερμινισμός. Ορισμένες εργασίες πρέπει να παράγουν την ίδια έξοδο για την ίδια είσοδο, αποδεδειγμένα, κάθε φορά. Αυτή η εργασία θα πρέπει να παραμείνει μια σταθερή ροή εργασίας, και ο πράκτορας θα πρέπει να καλεί τη ροή εργασίας ως εργαλείο αντί να αυτοσχεδιάζει. Η κρίση δεν αντικαθιστά τους κανόνες εδώ; το σύστημα χρειάζεται και τα δύο, εκτεθειμένα σε έναν χρήστη που μπορεί να τα διακρίνει.

Ποιος το κατασκευάζει και για ποιον

Η τελευταία συνέπεια είναι αυτή που θα πρέπει να παρατηρήσει ο επιχειρηματίας. Αν ο χρήστης του λογισμικού μπορεί να είναι πράκτορας, τότε μπορεί να είναι και ο κατασκευαστής. Ένας προγραμματιστής περιγράφει την εφαρμογή που θέλει σε έναν πράκτορα που ήδη έχει, ο πράκτορας την κατασκευάζει με βάση ένα σύνολο εργαλείων κατασκευής, ο προγραμματιστής την επικυρώνει τοπικά και την δημοσιεύει, και από την πρώτη μέρα κάθε εργαλείο που αποστέλλει η εφαρμογή είναι διαθέσιμο σε κάθε άλλο πράκτορα στην πλατφόρμα. Η επιχείρηση που την εγκαθιστά δεν μαθαίνει τις οθόνες της; το προσωπικό της φέρνει τον πράκτορα που ήδη χρησιμοποιεί και περιγράφει το αποτέλεσμα. Αυτό είναι το πλαίσιο γύρω από το οποίο έχει χτιστεί το Sois, προσφερόμενο εδώ ως μία υλοποίηση του επιχειρήματος παρά ως το συμπέρασμά του.

Το συμπέρασμα είναι απλούστερο. Για σαράντα χρόνια, η ερώτηση που έθετε ένας σχεδιαστής λογισμικού ήταν τι χρειάζεται να δει το άτομο στην άλλη πλευρά. Ο επόμενος χρήστης δεν βλέπει. Διαβάζει ένα συμβόλαιο και καλεί αυτό που επιτρέπεται να καλέσει, και θα το κάνει εκ μέρους των ίδιων ανθρώπων για τους οποίους έχουν κατασκευαστεί οι οθόνες. Το λογισμικό που αντιμετωπίζει αυτόν τον χρήστη ως πολίτη πρώτης κατηγορίας θα λειτουργεί ρευστά. Το λογισμικό που κρατά την οθόνη ως την μόνη του πόρτα θα λειτουργεί ακόμα, μέσω μιας κλειδαρότρυπας, από έναν πράκτορα που φοράει κοστούμι, μέχρι οι ιδιοκτήτες του να κουραστούν από το κοστούμι και να μετακινηθούν.

Αυτό το άρθρο αναθεωρείται όταν αλλάζουν τα προϊόντα που περιγράφει. Επόμενη προγραμματισμένη αναθεώρηση: 4 Δεκεμβρίου 2026.