L'Agente ha due variabili, una è il workflow che controlla l'andamento del compito, l'altra è il context che controlla la generazione dei contenuti. 1) Se sia il workflow che il context hanno un'alta determinazione, questi compiti possono essere facilmente automatizzati, simile al tradizionale RPA, ad esempio nella gestione delle fatture o nei compiti di compilazione dei moduli, l'AI funge più da collante, con spazi di manovra piuttosto limitati. 2) Se il workflow è determinato ma il context è incerto, ovvero il processo è fisso ma gli input sono variabili, l'Agente deve completare semanticamente e comprensivamente, ad esempio nelle domande e risposte del servizio clienti o nell'analisi dei contratti, è necessario utilizzare strumenti come la ricerca esterna o i grafi di conoscenza per colmare le lacune informative, rendendo i risultati delle inferenze più conformi alle aspettative. 3) Se il workflow è incerto ma il context è determinato, ovvero gli input sono chiari ma i percorsi sono variabili, l'Agente deve pianificare autonomamente il percorso, ad esempio nella generazione di report di analisi di mercato o nelle raccomandazioni personalizzate, la maggior parte degli Agenti RL End-to-End è brava in questo tipo di compiti, poiché hanno appreso un gran numero di strategie di pianificazione dei percorsi e di risoluzione dei problemi durante la fase di addestramento. 4) Quando sia il workflow che il context sono incerti, si tratta dello scenario più complesso, dove è necessario sia inferire che esplorare, come nella progettazione di soluzioni innovative o nella raccolta di informazioni tra dipartimenti, questo tipo tende a essere più simile a un Agente generico, la sua efficacia esecutiva dipende dalla ricchezza degli strumenti forniti, in particolare la capacità di programmazione deve essere massimizzata, ad esempio insegnandogli a cercare repository su Github, clonare e modificare il codice per risolvere problemi, facendolo lavorare come una persona. Quindi, per fare bene l'Agente, è fondamentale chiarire lo scenario. In sostanza, l'automazione risolve problemi di "determinazione", mentre l'intelligenza risolve problemi di "incertezza".