Google naučil AI agenty učit se z vlastních chyb. Výsledek? Levnější model najednou válcuje ten dražší

Google naučil AI agenty učit se z vlastních chyb. Výsledek? Levnější model najednou válcuje ten dražší

Google představil WikiSkill — framework, díky kterému si AI agenti pamatují své chyby a učí se z nich. Výsledkem je, že levnější model předběhne dražšího. Co to znamená pro firmy, které zvažují nasazení AI automatizace.

Představte si zaměstnance, který udělá stejnou chybu padesátkrát za sebou a pokaždé se tváří, že ji vidí poprvé. Přesně tak dnes fungují AI agenti, které spousta firem nasazuje na automatizaci. Po každém úkolu zapomenou všechno, co se naučili. Google Research právě ukázal, jak to změnit — a čísla, která přitom zveřejnil, by měla zvednout ze židle každého, kdo zvažuje nasazení AI do svého byznysu.

Nový framework se jmenuje WikiSkill a jeho princip je překvapivě lidský: nechte agenta, aby si vedl vlastní wiki — zápisník toho, co se při práci pokazilo, co naopak zabralo a jak se vyhnout opakování starých chyb. Zní to banálně. Dopad ale banální není. V nejlepším testu vyskočila úspěšnost jednoho z modelů z 33 % na 72,6 %. A levnější, menší model s touto pamětí předběhl výrazně dražšího konkurenta, který ji neměl.

Proč dnešní AI agenti neustále šlapou do stejných grabů

Aby bylo jasno, o čem je řeč: AI agent není obyčejný chatbot. Je to systém, který dostane cíl — třeba „vyplň tuhle tabulku z faktur" nebo „najdi na webu ceny konkurence a shrň je" — a pak samostatně provádí sérii kroků, volá nástroje, čte výsledky a rozhoduje se, co dál. Právě tohle je forma AI, od které si firmy slibují skutečnou úsporu práce.

Problém je, že klasický agent žije jen v rámci jednoho zadání. Jakmile úkol skončí, veškerá zkušenost se vypaří. Příště začíná od nuly — včetně všech slepých uliček, kterými už jednou prošel. Vývojáři se to roky snažili obejít tím, že agentovi cpali rady přímo do zadání (do takzvaného promptu). Jenže to má strop: prompt se zaplní, náklady rostou a model se v záplavě instrukcí ztrácí.

Systém pořád dokola znovuobjevuje stejné chyby a znovu navrhuje už zamítnutá řešení.

Tahle věta od výzkumníka Googlu Liyana Tanga vystihuje jádro věci. Bez paměti je agent odsouzen k nekonečnému opakování. WikiSkill proto odděluje to, co se agent naučil, od toho, co zrovna dělá — a znalost ukládá stranou, mimo samotný prompt.

https://noviny.ai/api/admin/images/1db729fc-8ab0-4e99-b1eb-2865e43be462/data

Tři vrstvy paměti: jak to celé funguje

WikiSkill staví paměť agenta na třech úrovních, které si lze představit jako syrový deník, zredigovanou příručku a hotový návod:

Celé to běží v cyklu. Agent odpracuje úkol a vygeneruje záznamy. Takzvaný Wiki Maintainer v nich hledá vzorce. Skill Proposer pak navrhne cílené úpravy návodu. A poslední pojistka — kontrolní mechanismus — každou změnu ověří na oddělené testovací sadě, než ji pustí do ostrého provozu. Jinými slovy: agent se nezlepšuje náhodně, ale jen tehdy, když je zlepšení prokazatelné.

Klíčový detail pro náklady: celá tahle znalostní nadstavba zůstává oddělená od promptu. Produkční běh agenta tak zůstává lehký a levný — paměť mu nezahlcuje každé zadání. To je přesně ta past, do které padaly starší přístupy.

Čísla, která mění kalkulačku nákladů

Google testoval WikiSkill na pěti různých typech úloh — od matematiky přes vyhledávání na webu a práci s tabulkami až po odpovídání nad dokumenty. A výsledky jsou jednoznačné:

Nejzajímavější zjištění pro každého, kdo počítá rozpočet, je ale tohle: menší 9B model vybavený WikiSkillem předběhl třikrát větší 27B model bez evolvovaných dovedností. V řeči byznysu to znamená, že správně „vytrénovaná" paměť dokáže nahradit syrový výpočetní výkon — a tedy i peníze za provoz dražšího modelu.

https://noviny.ai/api/admin/images/769a9756-de35-45a6-a326-f4235150838a/data

Co z toho plyne pro vaši firmu

První a nejdůležitější závěr: levnější modely přestávají být nutně horší volbou. Dosud platila jednoduchá rovnice — chcete lepší výsledky, zaplatíte za větší model. WikiSkill tuhle logiku nabourává. Pokud váš agent dělá opakovaně stejný typ úkolů (zpracování faktur, rešerše, vyplňování formulářů), investice do paměti se může vyplatit víc než upgrade na dražší model.

Druhý závěr se týká dat, která už dnes vznikají a vy je zahazujete. Agenti totiž záznamy o své práci generují tak jako tak — jen se obvykle smažou. WikiSkill z nich dělá firemní know-how, které zůstává ve firmě i poté, co model vyměníte. Zkušenost se přenáší mezi různými modely, takže si ji neberete s sebou jen do dalšího běhu, ale potenciálně i do příští generace AI.

Třetí věc je upřímné varování. WikiSkill není kouzelná hůlka. Nejmenší modely (velikosti 4B) si s evolvovanými vícekrokovými postupy neporadily — v delších dokumentech se vracely ke svému výchozímu chování. A u úloh s rozsáhlými dokumenty byly přínosy minimální oproti matematice či tabulkám. Platí tedy, že čím složitější kontext, tím víc záleží na tom, jestli má model dost „rozumu" naučené postupy vůbec provést.

Je také potřeba dodat, že jde zatím o výzkumný framework, ne o hotový produkt, který si zítra koupíte v e-shopu. Optimalizace wiki probíhá offline během tréninkové fáze (10 až 20 kol na iteraci) a autoři sami přiznávají otevřené otázky — třeba jak automaticky prořezávat wiki, až přeroste únosnou velikost, nebo jak se chová u opravdu dlouhých úloh o stovkách kroků.

Praktický takeaway

Pokud dnes zvažujete nebo už provozujete AI agenty, WikiSkill je signál, že se mění pravidla hry. Nespěchejte automaticky k nejdražšímu modelu — zeptejte se dodavatele řešení, jestli umí přetavit zkušenost agenta do trvalé paměti. Právě tahle schopnost začne během příštích měsíců odlišovat drahé hračky od nástrojů, které se samy zlepšují a šetří vám peníze. A hlavně: data o tom, jak vaši agenti pracují, přestaňte brát jako odpad. Zanedlouho to může být jedno z nejcennějších aktiv, které ve firmě máte.