Wann Sie keinen KI-Agenten nehmen sollten (und was stattdessen)
Wir bauen Agenten beruflich; genau deshalb gibt es diese Seite. Der schnellste Weg, das Vertrauen eines Teams in diese Technik zu beschädigen, ist ein Agent auf einer Aufgabe, die keinen brauchte — 94 % richtig, wo ein Skript 100 % lieferte — und ein Quartal, in dem man ihn verteidigt.
Unten stehen sechs Situationen, in denen wir nein sagen, samt Empfehlung. Keine davon ist eine Aussage über Modellfähigkeiten, sondern darüber, wo Nichtdeterminismus ein Kostenfaktor statt eines Vorteils ist.
1. Die Schritte ändern sich nie#
Steht die Reihenfolge fest — Datei holen, Spalten prüfen, transformieren, laden, benachrichtigen — braucht niemand eine Entscheidung, weil nichts entschieden wird. Bauen Sie die Pipeline. Braucht ein Schritt Urteilskraft, etwa das Klassifizieren eines Freitextfelds, rufen Sie dafür das Modell und halten den Rest deterministisch.
Das ist der häufigste Überbau, den wir sehen. Ein Modellaufruf in einer Pipeline ist nichts Geringeres als ein Agent — er ist das Richtige.
2. Die Aufgabe ist Arithmetik oder exaktes Matching#
Summen, Abstimmungen, Steuern, Anspruchsregeln mit veröffentlichten Schwellen: dafür gibt es richtige Antworten und bestehende Implementierungen. Ein Modell kann eine Rechnung wunderbar erklären und trotzdem gelegentlich falsch liegen — und gelegentlich ist im Finanzbereich eine Katastrophe. Rechnen Sie im Code und lassen Sie das Modell erklären.
3. Latenzbudget unter einer Sekunde#
Ein Agent, der plant, zwei Werkzeuge ruft und antwortet, schafft das nicht verlässlich unter einer Sekunde, weil jeder Modellaufruf eine eigene Untergrenze hat. Im Checkout, in der Suche-während-des-Tippens oder bei Anrufrouting: verlagern Sie die Arbeit vom kritischen Pfad oder nehmen Sie Klassifikator plus Lookup. Nutzer verzeihen eine langsame Antwort, die sie angefordert haben — keine langsame Seite.
4. Niemand kann sagen, wie ein korrekter Lauf aussieht#
Kann das Team keine zwanzig Beispiele für die richtig erledigte Aufgabe liefern, haben Sie kein Eval-Set — und ohne Eval-Set keine Möglichkeit zu wissen, ob eine Änderung geholfen hat. Bauen Sie die Beispiele zuerst. Oft zeigt schon das Aufschreiben, dass es in Wahrheit drei Aufgaben sind, zwei triviale und eine echte.
Zwanzig gelabelte Beispiele sind bewusst eine niedrige Hürde. Wer sie nicht erreicht, hat die Aufgabe noch nicht gut genug verstanden.
5. Jede Handlung ist unumkehrbar und wertvoll#
Überweisungen, Vertragsunterschriften, Produktionslöschungen. Ein Agent darf davorstehen — als Entwerfer, der den Fall zusammenstellt und einem Menschen übergibt. Was Sie nicht tun sollten: einer autonomen Schleife unbeaufsichtigten Schreibzugriff auf Unumkehrbares geben, gestützt auf eine Genauigkeitszahl aus einem Testset, das Ihre schlimmste Woche nicht enthielt.
6. Die nötigen Daten sind nicht zugänglich#
Ein Agent ist nur so fähig wie seine Werkzeuge, und die nur so fähig wie Ihre APIs. Liegt die Information in einem System ohne Lese-API oder in einer Tabelle, die drei Leute von Hand pflegen, bleibt dem Agenten das Raten. Reparieren Sie zuerst den Zugang. Diese Arbeit ist unglamourös und macht den Großteil des Werts aus: wer die Lese-API baut, stellt oft fest, dass der Agent danach ein Zwei-Wochen-Projekt ist.
Häufige Fragen
Wann ist ein Agent eindeutig richtig?
Wenn der nächste Schritt wirklich davon abhängt, was der letzte zurückgab, wenn mehrere Werkzeuge in nicht vorab fixierbarer Reihenfolge nötig sein können und wenn heute ein Mensch das per Nachsehen und Entscheiden erledigt.
Wir haben schon einen Agenten für eine feste Pipeline. Rausreißen?
Nicht zwingend — erst messen. Läuft er zuverlässig und sind die Kosten akzeptabel, lassen Sie ihn. Ersetzen Sie ihn, wenn Sie konkreten Schmerz benennen können: unvorhersehbare Latenz, Kosten pro Lauf oder nicht reproduzierbare Fehler.
Darf ein Agent Teil eines ansonsten deterministischen Systems sein?
Ja, das ist oft das beste Design. Halten Sie das Rückgrat deterministisch und geben Sie dem Agenten einen begrenzten Bereich mit klarem Vertrag über das, was er zurückgeben darf.
wann kein ki agentagent oder workflowgrenzen der llm automatisierungki projekt scopingagenten alternativen
