Créer et gérer un AI Agent

Cette rubrique décrit comment créer et gérer un AI Agent dans la Control Room. Vous pouvez effectuer diverses actions telles que l\'exécution, le déplacement, l\'enregistrement, la visualisation, la modification, la copie et la suppression d\'AI Agent, certains droits étant nécessaires pour la modification et la suppression.

Pour créer un AI Agent dans la Control Room :

Procédure

  1. Connectez-vous à la Control Room et accédez à Automatisation > Créer un nouveau ou icône + et choisissez Agent IA.
  2. Indiquez un nom et une description et cliquez sur Créer et modifier pour afficher un aperçu du modèle. Créons un exemple : Agent IA Détails de demande d\'indemnisation.
  3. Définir l\'invite de l\'agent : vous remarquerez que l\'écran Générer une invite pour votre agent (fonctionnalité disponible uniquement sur le cloud) s\'affiche et vous demande de saisir l\'invite.

    La première étape de la création d\'un AI Agent est de lui donner une mission. Vous ferez cela en fournissant une invite d\'écran initiale claire et détaillée qui décrit, en langage naturel, le but de l\'agent. Cette invite est la base sur laquelle repose toute la logique de l\'agent.

    Par exemple, pour créer l\'agent « Détails de demande d\'indemnisation » illustré dans l\'exemple, un utilisateur aurait pu commencer avec un message concis mais informatif comme celui-ci :

    Your job is to retrieve claim details:
*  Retrieve policy and police report details.
*  If any information is missing, ask a human for assistance.

    Cette entrée initial fournit les exigences principales, qu\' AI Agent Studio peut ensuite utiliser pour générer une invite plus détaillée et structurée. L\'AI Agent Studio est conçu pour être flexible ; vous n\'avez pas besoin de fournir chaque détail dès le départ. Cependant, plus vous fournissez de contexte, mieux l\'AI Agent Studio pourra générer un modèle de départ que vous pourrez affiner.

    Le système développera ensuite cette entrée initiale afin de créer une invite complète (exemple ci-dessous).

    Remarque : Le texte généré pour le rôle/l\'objectif/le plan d\'action varie légèrement selon le modèle utilisé. Votre exemple peut ne pas correspondre mot pour mot, mais la structure et l\'intention seront similaires.

    Exemple de sortie :

    Rôle : Vous êtes un gestionnaire de sinistres d\'assurance spécialisé dans les demandes d\'indemnisation pour vol de biens, avec une expertise dans l\'extraction et la vérification des détails des demandes d\'indemnisation, des polices et des rapports de police à l\'aide d\'outils automatisés et d\'une assistance humaine si nécessaire.

    Objectif : votre objectif est d\'extraire et de vérifier tous les détails requis pour une demande d\'indemnisation suite à un vol de biens à l\'aide de l\'identifiant de la demande d\'indemnisation fourni, en veillant à ce qu\'aucune valeur de sortie ne soit nulle, et à consulter un humain, si nécessaire, pour accomplir la tâche.

    AI Agent - Détails de demande d\'indemnisation
  4. Choisissez une connexion de modèle :accédez à l\'onglet Modèle et cliquez sur Choisir pour sélectionner parmi la liste disponible de Model connections à laquelle vous avez accès. Pour plus d\'informations sur la connexion de modèle, voir Connexions des modèles
    Ces Model connections sont créées par l\'administrateur de l\'automatisation et attribuées à votre utilisateur avec un rôle personnalisé. Seuls les Model connections créées à partir des modèles Automation Anywhere fournis ou à partir de licences apportées par vos soins (BYOL) sont autorisése. Les définitions de modèles personnalisés ne sont pas actuellement prises en charge avec AI Agent.
    Remarque :
    Les Agents IA prennent en charge :
    • Connexions de modèle OpenAI et Azure OpenAI utilisant les modèles GPT-4o et GPT-4.1 (Type Standard).
    • Connexions de modèles Automation Anywhere qui utilisent GPT-4o.

    Lorsque vous choisissez un modèle, assurez-vous de sélectionner la version disponible la plus récente (par exemple, GPT-4o de novembre 2024 ou une version ultérieure) afin de bénéficier des dernières améliorations en matière de stabilité et de performances.

  5. Définir les variables d\'agent : Accédez à l\'onglet Entrée et sortie. Ici, vous devez indiquer à l\'agent quelles informations rechercher en tant que variables d\'entrée et quoi fournir en tant que variables de sortie. Ces variables seront utilisées par le LLM pour comprendre le contexte et communiquer avec les outils. Il est essentiel de fournir un langage riche et descriptif. Plus vos descriptions sont détaillées, mieux le LLM comprendra son objectif et remplira sa mission.

    • Variable d\'entrée :

      • Nom : claim_id

      • Description : l\'identifiant de la demande d\'indemnisation pour laquelle récupérer les détails

    • Variable de sortie :

      • Nom : claim_details

      • Description : détails finaux de la demande d\'indemnisation, y compris les informations sur la police d\'assurance et le rapport de police.

  6. Définir l\'affichage pour l\'utilisateur final : Cette étape vous permet de configurer la façon dont l\'exécution de l\'AI Agent est présentée à l\'utilisateur. L\'objectif est de fournir un titre clair et significatif pour la tâche que l\'utilisateur voit dans l\'interface Co-pilot. Accédez à l\'onglet Affichage pour l\'utilisateur final. Dans le Titre de la requête de l\'agent, indiquez un titre pour la tâche. Ce titre est un champ obligatoire et s\'affiche lorsque l\'AI Agent s\'exécute dans le Co-pilot. Par exemple, pour l\'agent Détails de demande d\'indemnisation, le titre pourrait être Demande de détails de demande d\'indemnisation. Cela aide l\'utilisateur à comprendre ce que l\'agent fait en un coup d\'œil.
  7. Ajouter et configurer des outils :

    sous l\'onglet Outils, ajoutez les automatisations nécessaires pour que votre agent effectue sa tâche. Dans cet exemple, vous allez ajouter les automatisations Recherche de demande d\'indemnisation, Rapport de police, Suivi des données et Processus de police en tant qu\'outils.

    Nom de l\'outil Objet Variables d\'entrée Variables de sortie
    recherche de demande d\'indemnisation Fournit les détails de la demande d\'indemnisation. INPUT_id : identifiant de la demande d\'indemnisation claim_id : l\'identifiant de la demande d\'indemnisation, policy_id : l\'identifiant de la police, stolen_property_item : le bien volé, claimed_replacement_cost : le coût de remplacement pour les objets listés dans la demande, location_of_incident : le lieu du sinistre, police_report_id : l\'identifiant du rapport de police, date_of_incident : la date du sinistre, claim_status : le statut de la demande d\'indemnisation, claimant_name : le nom du demandeur, receipt : la facture du bien concerné par la demande d\'indemnisation
    rapport de police Obtient les détails du rapport de police. INPUT_id : identifiant du rapport de police police_report_id : l\'identifiant du rapport de police, report_date : date du rapport, officer_name : nom de l\'agent, officer_badge_number : numéro de badge, incident_type : type de sinistre, description : description de l\'entrée, incident_location : lieu du sinistre, suspect_name : nom du suspect, arrest_made : une arrestation a-t-elle été effectuée, reporting_station : poste de signalement
    suivi des données Utilisez toujours cet outil pour suivre les données que vous avez, ou n\'avez pas encore reçues jusqu\'à présent data_received_or_missing_so_far : les détails sur les données que vous avez reçues ou qui manquent (ou qui ont des valeurs nulles) formatés en JSON data_received_or_missing_so_far_response: les données que vous avez reçues ou qui vous manquent jusqu\'à présent au format JSON
    processus de police Obtient les détails d\'une police INPUT_id : identifiant de la police policy_id : l\'identifiant de la police, policy_number : le numéro de la police, policy_type : le type de police, issue_date : la date à laquelle la police a été émise, expiration_date : la date d\'expiration, status : le statut de la police, premium_amount : le montant de la prime, payment_frequency : la fréquence des paiements, insured_name : le nom de l\'assuré, insured_address : l\'adresse de l\'assuré, insured_phone : le numéro de téléphone de l\'assuré, insured_email : l\'email de l\'assuré, coverage_type : le type de couverture, policyholder_id : l\'identifiant du titulaire de la police, coverage_amount : le montant de la couverture, agent_id : l\'identifiant de l\'agent d\'assurance, deductible_amount : le montant de la franchise, was_successful : True si la recherche a trouvé des données, False sinon.

    Pour plus d\'informations sur la configuration des outils, voir Configuration des paramètres dans les outils pour un AI Agent.

  8. Définir le plan d\'action : La section Plan d\'action est générée par le système en fonction de votre requête et des outils que vous avez ajoutés. Elle décrit le déroulement logique :
    • Extraire les détails de la demande d\'indemnisation : Appelez l\'outil Recherche de demande d\'indemnisation en utilisant l\'identifiant de demande d\'indemnisation.
    • Extraire le rapport de police : appelez l\'outil Rapport de police.
    • Suivez les données : appelez l\'outil Suivi des données.
    • Obtenez les détails de la police : appelez le Processus de police.
    • Si les détails de la demande d\'indemnisation sont incomplets, utilisez la Collaboration avec un humain pour demander de l\'aide.
  9. Essai et amélioration : Une fois que vous avez tout configuré, cliquez sur Exécuter pour effectuer un essai de votre agent afin de vous assurer qu\'il fonctionne comme prévu. Vous pouvez simuler une conversation avec l\'agent, fournir un identifiant de demande d\'indemnisation et voir s\'il extrait correctement les détails de la demande d\'indemnisation, le rapport de police et les informations de la police d\'assurance. Affinez les descriptions des variables et les invites d\'outil si nécessaire pour améliorer la performance et la précision de l\'agent.
    Remarque :

    Remarque : L\'exécution et l\'essai des AI Agents dans votre espace de travail privé ne consomment pas de crédits Automation IA. Pour en savoir plus sur la consommation de crédits lors du passage en production, voir Modèle de gestion de licence pour AI Agents.

    .

Étapes suivantes

Une fois que vous avez créé et configuré votre AI Agent, intégrez-le à vos processus métier et apportez de l\'intelligence à l\'automatisation de bout en bout. Pour plus d\'informations sur l\'ajout d\'un AI Agent à un processus, voir Ajouter AI Agent à une automatisation de processus. Le schéma suivant illustre le flux de travail typique, de la création de l\'agent à son exécution dans un environnement public.

Flux de travail AI Agent

Le processus de déplacement d\'un AI Agent d\'un environnement de développement vers un environnement public implique plusieurs étapes clés et rôles d\'utilisateur.

Créer et essayer
Un développeur professionnel ou un administrateur d\'automatisation crée et essaie un AI Agent.
Configurer dans un processus
Le développeur professionnel configure ensuite l\'AI Agent dans un processus plus large.
Enregistrement
Le processus est enregistré dans le référentiel, le rendant disponible pour utilisation.
Exécuter en environnement public
Le processus peut ensuite être exécuté dans un espace de travail public, ce qui permet de l\'appeler via l\'Automation Co-Pilot.
Remarque :

Un utilisateur professionnel disposant de la licence Utilisateur professionnel Automation Co-Pilot requise peut exécuter le processus et interagir avec l\'AI Agent. Le schéma montre également les autorisations spécifiques requises pour chaque rôle d\'utilisateur afin d\'effectuer ces tâches. Pour plus d\'informations sur les rôles et les autorisations, voir Rôles et autorisations.