Ďalší používateľ ERP nemusí byť človek

Každá obrazovka je odhadom, kto sa pozerá

Zvážte, čo je ERP z pohľadu jeho používateľa. Za značkou je to súbor tabuliek a pravidiel: zákazníci, položky, objednávky, faktúry, pohyby zásob a obmedzenia, ktoré ich udržiavajú konzistentné. Pred tým sedí časť, na ktorú sa väčšina peňazí minula: niekoľko tisíc obrazoviek, ktoré prezentujú tieto tabuľky osobe po niekoľkých poliach naraz, v poradí, ktoré osoba môže sledovať, s označeniami, ktoré osoba môže čítať a tlačidlami, ktoré osoba môže nájsť.

Každá z týchto obrazoviek kóduje odhad o tom, kto je na druhej strane. Odhad je osoba s obmedzenou pracovnou pamäťou, takže je formulár rozdelený do kariet. Osoba, ktorá číta zľava doprava, takže dôležité pole ide hore doľava. Osoba, ktorá si dokáže zapamätať približne sedem vecí, takže má dashboard so šiestimi dlaždicami. Osoba, ktorá robí preklepy, takže je na odoslanie validácia. Osoba, ktorá sa unaví, takže bežná cesta má menej kliknutí. Toto všetko je dobrý dizajn pre používateľa, ktorého mal dizajnér, a štyri desaťročia bol tento používateľ jediný, ktorý existoval.

Dôsledkom je, že rozhranie je stratové zobrazenie dátového modelu pre jeden typ čitateľa. Model vie, že faktúra má riadky, zákazníka, dátum splatnosti a stav; obrazovka zobrazuje riadky na jednej karte, zákazníka na inej a stav ako farbu. Práca, ktorá sa dotýka piatich záznamov, znamená päť obrazoviek, a osoba nesie niť medzi nimi vo svojej hlave. Táto niť je väčšinou to, za čo podnik platí svojmu administratívnemu personálu, aby ju udržal.

Nový používateľ má nástroje, nie ruky

AI agent, ktorý prevádzkuje podnikový systém, nedostáva nič z toho. Čo dostáva, keď sa pripojí cez Model Context Protocol, je výsledok požiadavky na zoznam nástrojov: pre každý z nich názov, popis napísaný pre model na čítanie, schému pre jeho vstupy a voliteľne anotáciu, ktorá hovorí, či nástroj iba číta, či môže niečo zničiť a či je bezpečné zavolať ho dvakrát. Agent si vyberie nástroj, zavolá ho s typovanými argumentmi, prečíta výsledok a vyberie znova. Zhrnutie samotného protokolu je, že je to štandardizovaný spôsob, ako pripojiť AI aplikácie k externým systémom, tak ako bežný port spája zariadenia, a hlavní klienti to teraz hovoria: Claude, ChatGPT, Cursor a VS Code medzi nimi.

Pozrite sa, čo tento používateľ nepotrebuje. Nepotrebuje, aby bola faktúra rozdelená do kariet, pretože si dokáže zapamätať celý záznam naraz. Nepotrebuje dôležité pole hore doľava, pretože neexistuje žiadna ľavá strana. Nepotrebuje šesť dlaždíc, pretože si môže pýtať číslo, ktoré chce. Neunaví sa a nie sú žiadne kliknutia. Každý ústupok, ktorý robil obrazovku dobrou pre osobu, je pre tohto používateľa buď irelevantný, alebo prekážkou.

A pozrite sa, čo namiesto toho potrebuje, čo obrazovka nikdy neposkytla. Potrebuje, aby popis každej akcie bol presný, pretože popis je celým jeho porozumením. Potrebuje, aby schéma bola kompletná, pretože nemôže vidieť príklad. Potrebuje vedieť, ktoré akcie sú bezpečné na opakovanie. Potrebuje, aby výsledok povedal, čo sa stalo a čo môže urobiť ďalej. Pre tohto používateľa je dokumentácia rozhraním a pomenovanie je dizajn: jeden široký nástroj s dvojriadkovým popisom je horší produkt ako rovnaká schopnosť ako tri nástroje s jednoduchými názvami a úprimnými popismi, nech už vyzerajú obrazovky nad nimi akokoľvek.

Obchádzka cez obrazovku nebude trvať

Prvá reakcia na nového používateľa je vždy obliecť ho ako starého. Automatizácia robotických procesov to robila desať rokov: bot sa prihlási s účtom služby a ovláda obrazovky, akoby mal ruky, nachádzajúc tlačidlo podľa jeho selektora alebo jeho súradníc. Aktuálna verzia dáva jazykovému modelu snímku obrazovky a kurzor. Použitie počítača od Anthropic presne to robí a jeho dokumentácia je opatrná, aby uviedla, kde patrí: existuje pre prípady, kde nie je k dispozícii žiadne tesnejšie rozhranie, nasmeruje vás na nástroj prehliadača, keď práca zostáva na stránke, a žiada osobu, aby potvrdila čokoľvek s významnými reálnymi dôsledkami, vrátane finančných transakcií.

Kostým je drahý na nosenie. Obrazovka nedáva stroju žiadne sľuby, takže každá zmena vykonaná pre osobu narušuje automatizáciu, ktorá sa pretvaruje, že je jednou. Každá vrstva medzi agentom a akciou, snímka obrazovky, odhad, ktorý pixel je tlačidlo, zadaný text, ktorý mohol alebo nemusel pristáť v správnom poli, je miestom, kde sa dá mýliť, a model je už miestom, kde sa dá mýliť. Ovládanie obrazovky je most, ktorý budujete, zatiaľ čo systém pod ním nemá nič lepšie, a dodávatelia botov to sami hovoria: teraz opisujú robota ako vykonávaciu vrstvu, na ktorú agent volá pre systémy, ktoré ju stále potrebujú.

Čím sa musí softvér stať

Ak doterajší argument platí, tvar softvéru agent-native z toho vyplýva a je to viac ako API na strane. Päť vlastností musí byť pravdivých naraz.

• Každá akcia je nástroj. Nie tucet, ktorý dodávateľ považoval za bezpečný, ale celá plocha, ktorú môže osoba dosiahnuť cez obrazovky: vytvoriť, prečítať, presunúť, schváliť, odoslať, vyrovnať. Nič menej a agent sa musí vrátiť k obrazovke pre zvyšok.
• Každé volanie nesie identitu. Agent koná ako konkrétna osoba, prostredníctvom normálneho prihlásenia, a nástroje, ktoré mu sú ponúknuté, sú filtrované podľa úlohy tejto osoby, skôr ako ich vôbec uvidí, a znovu skontrolované, keď sa spustia. Agent s prístupom k systému je zlyhaním dizajnu, nie funkciou.
• Pýta sa podľa dizajnu. Niektoré akcie sa vykonávajú; niektoré čakajú na osobu; niektoré sú odmietnuté priamo. Protokol sám hovorí, že by vždy mal byť človek v slučke, ktorý môže odmietnuť volanie nástroja, a hlavní klienti sa pred zápisom pýtajú automaticky. Softvér musí robiť kategórie explicitnými, namiesto toho, aby dúfal, že model je zdvorilý.
• Výdavky majú strop. Kde vlastné uvažovanie systému stojí peniaze, alebo kde nástroj vynakladá peniaze, existuje strop na pripojenie, ktorý systém vynucuje a model sa cez to nedokáže prehovoriť.
• Záznam je produkt. Každý hovor, jeho vstupy a výsledok, pod identitou, ktorá ho vytvorila, sú kontrolovateľné rovnakým spôsobom, ako sú akcie osoby. Pre agenta je auditná stopa spôsob, ako sa buduje dôvera, týždeň po týždni.

Šiesty atribút je skôr dôsledkom ako požiadavkou. Keď sa práca vykonáva prostredníctvom nástrojov, záznam sa uchováva ako vedľajší produkt: agent, ktorý fakturuje, naháňa a vyrovnáva, zanecháva presne faktúru, naháňača a vyrovnanie, ktoré by osoba napísala, bez písania. Obrazovky prežijú, na prezeranie, kontrolu a rozhodovanie. Prestávajú byť jediným miestom, kde sa práca môže vykonávať.

Námietka, ktorú stojí za to brať vážne

Najsilnejšia námietka uznáva, že agenti môžu vykonávať prácu a poukazuje na to, že ju niekedy robia zle, s dôverou, pri zápise. To je pravda a čestná dokumentácia to hovorí: ChatGPT považuje akýkoľvek nástroj bez anotácie iba na čítanie za zápis a vyžaduje potvrdenie ako predvolené; Claude žiada o schválenie pred vyvolaním nástroja z vlastného konektora a varuje, že zlovolný server môže obsahovať skryté pokyny. Klienti majú právo byť opatrní a podnik by mal byť tiež.

Ale všimnite si, kde musí opatrnosť žiť. Nemôže žiť v modeli, ktorý je stranou, ktorá môže byť nesprávna. Musí žiť v softvéri, čo je presne tam, kde dobrý softvér už umiestnil pre ľudských používateľov. Validácia, oprávnenia, schvaľovacie prahy, späť, audit: každý z týchto prvkov existuje, pretože predchádzajúci používateľ tiež robil chyby, s dôverou, pri zápise. Softvér pre agentov berie túto starú disciplínu vážne pri každej akcii, nie len pri tých, ktoré si dizajnér obrazovky zapamätal, a aplikuje ju na používateľa, ktorý zavolá sto nástrojov pred obedom.

Druhá námietka je determinizmus. Niektoré práce musia produkovať rovnaký výstup pre rovnaký vstup, preukázateľne, zakaždým. Táto práca by mala zostať pevne stanoveným pracovným tokom a agent by mal volať pracovný tok ako nástroj, namiesto improvizácie. Rozhodovanie tu nenahrádza pravidlá; systém potrebuje oboje, vystavené používateľovi, ktorý ich dokáže rozlíšiť.

Kto to vytvára a pre koho

Posledným dôsledkom je ten, ktorý by si mal podnikateľ všimnúť. Ak môže byť používateľ softvéru agentom, môže byť aj staviteľom. Vývojár popisuje aplikáciu, ktorú chce, agentovi, ktorého už má, agent ju vytvorí pomocou súboru nástrojov na vytváranie, vývojár ju lokálne validuje a zverejňuje, a od prvého dňa je každý nástroj, ktorý aplikácia dodáva, dostupný každému inému agentovi na platforme. Podnik, ktorý ju nainštaluje, sa neučí svoje obrazovky; jeho zamestnanci prinesú agenta, ktorého už používajú, a popíšu výsledok. To je usporiadanie, okolo ktorého je Sois postavený, ponúkané tu ako jedna implementácia argumentu, nie ako jeho záver.

Záver je jednoduchší. Po štyridsiatich rokoch bola otázka, ktorú si softvérový dizajnér kládol, čo potrebuje osoba na druhej strane vidieť. Nasledujúci používateľ nevidí. Číta zmluvu a volá to, čo môže volať, a urobí to v mene tých istých ľudí, pre ktorých boli obrazovky vytvorené. Softvér, ktorý považuje tohto používateľa za občana prvej triedy, bude prevádzkovaný plynule. Softvér, ktorý si uchováva obrazovku ako svoj jediný vchod, bude stále prevádzkovaný, cez kľúčovú dierku, agentom v kostýme, kým sa jeho vlastníci neunavia z kostýmu a nepohnú sa.

Tento článok sa prehodnocuje, keď sa zmenia produkty, ktoré popisuje. Ďalšie naplánované prehodnotenie: 4. decembra 2026.