Agent hat zwei Variablen: eine ist der workflow, der den Verlauf der Aufgaben steuert, und die andere ist der context, der die Inhaltserstellung steuert. 1) Wenn sowohl der workflow als auch der context eine hohe Deterministik aufweisen, lassen sich solche Aufgaben leicht automatisieren, ähnlich wie bei traditionellem RPA. Zum Beispiel bei der Verarbeitung von Rechnungen oder dem Ausfüllen von Formularen ist KI eher ein Bindemittel, und der Handlungsspielraum ist begrenzt. 2) Wenn der workflow festgelegt, der context jedoch unbestimmt ist, das heißt, der Prozess ist festgelegt, aber die Eingaben variieren, muss der Agent in der Semantik und im Verständnis ergänzen. Zum Beispiel bei Kundenservice-Anfragen oder der Analyse von Verträgen müssen externe Such- und Wissensgraph-Tools eingesetzt werden, um Informationslücken zu schließen und die Schlussfolgerungen näher an die Erwartungen zu bringen. 3) Wenn der workflow unbestimmt, der context jedoch festgelegt ist, das heißt, die Eingaben sind klar, aber die Vorgehensweisen sind vielfältig, muss der Agent eigenständig den Weg planen. Zum Beispiel bei der Erstellung von Marktanalysen oder personalisierten Empfehlungen sind die meisten End-to-End RL-Agenten in der Lage, solche Aufgaben zu bewältigen, da sie in der Trainingsphase eine Vielzahl von Planungs- und Problemlösungsansätzen erlernt haben. 4) Wenn sowohl der workflow als auch der context unbestimmt sind, handelt es sich um das komplexeste Szenario. Hier sind sowohl Schlussfolgerungen als auch Erkundungen erforderlich, wie bei der Gestaltung innovativer Lösungen oder der Sammlung von Informationen über Abteilungsgrenzen hinweg. Solche Agenten tendieren eher zu allgemeinen Agenten, deren Ausführungseffekt von der Vielfalt der bereitgestellten Werkzeuge abhängt, insbesondere sollte die Programmierfähigkeit maximal offen sein. Zum Beispiel sollte er lernen, wie man auf Github nach Repositories sucht, um sie zu klonen und den Code zu ändern, um Probleme zu lösen, sodass er wie ein Mensch arbeitet. Daher ist es wichtig, den Agenten gut zu gestalten, indem man zunächst das Szenario klar definiert. Im Wesentlichen löst die Automatisierung „deterministische“ Probleme, während die Intelligenz „indeterministische“ Probleme angeht.