Atama qayerdan keldi
"Agent" so'zi sun'iy intellekt adabiyotida 1980-yillardan buyon ishlatilib kelinadi — Russell va Norvigning klassik darsligida (Artificial Intelligence: A Modern Approach, 1995) agent "muhitni sezib, unga ta'sir qiluvchi tizim" sifatida ta'riflangan. Lekin hozirgi "agentic" tushunchasi boshqa — u katta til modellari (LLM) kontekstida paydo bo'lgan.
Burilish nuqtasi 2023-yilgi ReAct maqolasi bo'ldi (Yao va hamkasblar, ICLR 2023). Mualliflar modelni shunchaki matn generatsiya qiluvchi mexanizm sifatida emas, balki think → act → observe halqasida ishlaydigan tizim sifatida taqdim etishdi. Model avval o'ylaydi, keyin tashqi vositani chaqiradi (qidiruv, hisob-kitob, API), natijani kuzatadi va yana o'ylaydi. Shu halqa bir necha marta aylanadi — bir zarb, bir javob emas.
Atama 2024-yilda Andrew Ng'ning "agentic workflows" tushunchasi bilan keng tarqaldi. Ng DeepLearning.AI'dagi kurslarida shunday ta'kidlagan: bir xil bazaviy modeldan ikki xil foydalanish usuli — direct prompting va agentic loop — natijalari butunlay boshqacha. HumanEval kabi kod benchmarklarida agentic workflow'lar aniqlikni 48%'dan 95%'gacha ko'targan.
Bu farqni tushunish uchun oddiy o'xshatish:
Chatbot — menyu o'qib beradigan ofitsiant. Savol berasiz, javob oladi. Plov qancha? — 40 ming.
Agent — buyurtmani olib, oshpazga aytib, stolga keltirib, bo'sh likobni yig'ib oluvchi ofitsiant. Hammasi bitta "bir porsiya plov" degan gapdan boshlanadi.
To'rtta komponent
Agentic tizim sehrli qora quti emas. U to'rtta aniq komponentdan quriladi, va bular alohida-alohida tanish:
- LLM — miya. GPT-4, Claude 3, Gemini, Llama 3. Foundation model. U qaror qabul qiladi, lekin o'zi hech narsaga ta'sir qilmaydi.
- Tool use — qo'l va oyoq. Tashqi funksiyalar: qidiruv, hisob-kitob, CRM yozish, SMS jo'natish. OpenAI Function Calling (2023) va Anthropic Tool Use API — asosiy standartlar.
- Memory — daftar. Qisqa muddatli (context window) va uzoq muddatli (vector database — Pinecone, Weaviate, Chroma). Wang va hamkasblar "A Survey on LLM-based Autonomous Agents" (2024) maqolasida memory arxitekturalarining 5 ta asosiy turini tasniflagan.
- Planning — reja. ReAct, Tree-of-Thought (Yao va boshqalar, 2023), LLM-Planner. Katta muammoni kichik qadamlarga bo'lish.
Agar bu to'rttadan biri yo'q bo'lsa — bu chatbot, agent emas. Rasmiy ta'rif emas, lekin amaliyotda shunday.
Benchmark raqamlari
Agentlarning haqiqiy imkoniyatlarini tushunish uchun benchmarklarga qarash kerak. Reklama matnlari emas, hakamlar tomonidan tekshirilgan test natijalari:
SWE-bench (Jimenez va boshqalar, 2024) — dasturiy ta'minot muhandisligi bo'yicha eng qiyin agent benchmarki. Real GitHub issue'lari asosida 2,294 ta vazifa. 2024-yil oktyabr holati: Claude 3.5 Sonnet agenti 49.0% vazifani to'g'ri hal qilgan. Bir yil oldin bu ko'rsatkich 2% atrofida edi. O'sish tez, lekin 100%dan uzoq.
AgentBench (Liu va boshqalar, 2023) — 8 xil muhitda agentlarni baholaydi: SQL, OS komandalari, web navigatsiya, kartochka o'yinlari. Eng yaxshi modellar ham o'rtacha 40-60% aniqlik ko'rsatadi. Inson darajasida (~95%) emas, lekin foydali zonada.
WebArena (Zhou va boshqalar, 2024) — real veb-saytlarda ko'p bosqichli vazifalarni baholaydi. GPT-4 2024-yilgi natijasi: 14.4% success rate. Veb-navigatsiya hali ochiq muammo.
Xulosa oddiy: agentlar ba'zi sohalarda yetuk, boshqalarida emas. Haqiqatni bilish uchun aynan o'z use case'ingizga o'xshash benchmark'ni topish kerak.
Sotuvda nimani yechadi
McKinsey 2024-yilgi "The State of AI" global hisobotida 17 mingdan ortiq kompaniya so'ralgan. Sotuv sohasida generativ AI'ning 3 ta asosiy use case'i eng ko'p uchragan:
Lead qidirish va segmentatsiya. Agent LinkedIn, Crunchbase, public ma'lumotlarni skanerdan o'tkazib, potensial mijozlar ro'yxatini tuzadi. Bu avtomatlashtirsa bo'ladigan, qayta-qayta ishlov talab qiladigan vazifa — agent bu yerda aniq foyda beradi.
Birinchi aloqa (outreach). Shablon xat yozish emas — mijozning profili asosida moslashtirilgan xabar. Harvard Business Review 2024-yil martida chop etgan tadqiqot (Brynjolfsson va boshqalar) — AI-yordamida yozilgan cold email'larning javob darajasi 2.1x oshgan.
Follow-up va deal tracking. Suhbat tarixini eslab, "bu odamga o'n kun oldin yozilgan, javob olmagan, yana yozish vaqti keldi" — bunday tracking inson jamoasining vaqtini talab qiladi, agent esa uni parallel tarzda 1000 lead bilan qiladi.
Nimalarni yechmaydi:
- Murakkab negotiation. Narxni pasaytirish, konfliktli holatni yumshatish — agent bu ishni hali obrazli tarzda qilmaydi. Jamoalararo ishonch esa statistik optimizatsiya emas.
- Strategik relationship. Enterprise bitimlar oylab pishadi. Agent bitta suhbatda yaxshi, lekin olti oylik kontekstni insondek ushlab qololmaydi.
- Yuridik javobgarlik. Agent nimadir qilsa, javobgar — uni joylashtirgan odam yoki kompaniya. Bu tushuntirish emas, qonun: EU AI Act (2024), US Executive Order on AI (2023) — agentning o'zi sud ishtirokchisi bo'la olmaydi.
Hallucination va guardrails
Ji va hamkasblar "Survey of Hallucination in Natural Language Generation" (ACM Computing Surveys, 2023) — generative modellarning birinchi og'rig'i: model ma'lumotni o'ylab topadi. Bu kamayib borayapti, lekin yo'qolmagan.
Sotuvda bu qanday ko'rinadi? Agent mijozga: "Biz ushbu mahsulotni 25% chegirma bilan taklif qilamiz." — aslida bunday chegirma yo'q. Yoki: agent CRM'ga yozadi: "Mijoz 500 kishilik kompaniyaning CEO'si" — LinkedIn profili boshqa narsani aytadi.
Kulgili ko'rinadi. Amaliyotda — brendga zarar va yuridik javobgarlik.
Yechim — guardrails. Agent output'ini tekshiruvchi qoidalar, white-list API'lar, har bir muhim qarorda human-in-the-loop. Shi va hamkasblar (2024) "Defending LLMs Against Jailbreaking" maqolasida bir nechta arxitektura tasnifini keltiradilar: input filtering, output verification, sandbox environment.
Haqiqat shunday: hech bir agent 100% xavfsiz emas. Lekin to'g'ri qurilgan tizim 99%+ to'g'ri ishlaydi. Qolgan 1% uchun inson nazorati hali ham shart.
Agent — birinchi kun ishga kelgan assistant. Ishini yaxshi qiladi, lekin yonida turib "buni shunday yozma, mana shunday yoz" deb ko'rsatuvchi inson kerak.
— amaliy kuzatuv
O'zbek kontekstida
Bu yerda qiyinchilik ortadi. O'zbek tilida ishlaydigan agentlar uchun ikki qatlam muammo bor:
Birinchi qatlam — foundation model. GPT-4, Claude, Gemini — multilingual, lekin o'zbek tili training datasining taxminan 0.1-0.3% atrofida, ingliz tili esa 40-50%. Natija: model o'zbek tilida formal matnlarni yaxshi generatsiya qiladi, lekin jargon, mahalliy iboralar, klassik adabiyot havolalarida xato qiladi.
Ikkinchi qatlam — tool integration. Lokal CRM'lar (1C, Bitrix24, custom Excel tizimlari) uchun standart API'lar kam. Global agent frameworklarini lokal stack bilan ishlatish ko'p konfiguratsiya talab qiladi.
Voice kanali esa alohida masala. O'zbek tilidagi ASR/TTS modellarining hozirgi holati haqida alohida matnda yozilgan (quyidagi havolani ko'ring).
Qachon qo'llash kerak
Amaliyotda men ko'rgan eng foydali filtr — bitta savolni so'rash: agar bu ishni menejer qilganida va xato qilgan bo'lsa, nima bo'lardi?
Javob "kompaniya pul yo'qotadi yoki mijoz ketadi" bo'lsa — avval inson ishlaysin, agent parallel yordam bersin.
Javob "ikkinchi marta urunsak bo'ladi, zarar kichik" bo'lsa — agent sinab ko'ring.
Bu oddiy, ammo foydali tasnif. Agentic AI universal dori emas. U to'g'ri joyda aniq foyda beradi, noto'g'ri joyda esa zarar beradi. Bugungi vaziyatda ko'pchilik ikkinchi kategoriyadagi vazifalarni ham uchinchi kategoriyaga ko'chirishga shoshilayapti — va aynan shu yerda xatolar keladi.
Keyingi 2-3 yil
Stanford Institute for Human-Centered AI (HAI) 2024-yilgi "AI Index Report" ko'rsatadi: agent benchmarklarida o'sish tezligi juda yuqori. SWE-bench natijasi 12 oyda 2%dan 49%gacha ko'tarildi. Shunday sur'atda, 2026-yil oxirigacha ko'p real sotuv vazifalarida agentlar inson darajasidagi natija beradi degan prognozlar bor.
Lekin tarix bizga aytadi — AI progressi chiziqli emas. GPT-3 (2020) chiqqanida ham "ikki yilda AGI" deyilgan edi. Olti yil o'tdi, AGI yo'q. Agent loop'lari esa yaxshilanayapti, lekin ular baribir matematik optimizatsiya qurollari bo'lib qoladi.
Agentic AI'ning kelajagi ehtimol shunday: ba'zi vazifalarda ular ishonchli avtonom bo'ladi, boshqalarida esa — inson jamoasiga qo'shiluvchi yordamchi sifatida qoladi. Har ikki holatda ham ular kompaniyalar ish jarayonini o'zgartiradi. Lekin ular inson menejerlarning o'rnini to'ldirishi — bu hali ham ochiq savol.