Eine Taxonomie des agentischen Browsings, die Fehler, an denen wir die meiste Zeit verbracht haben, und empirische Ergebnisse aus sechs Unternehmensarbeitsbereichen, gemessen an einem konservierten holdout.
Die meisten Unternehmensimplementierungen von Sprachmodellagenten behandeln das offene Web immer noch als Randnotiz: eine Demo-Affordanz, einen Such-Wrapper, eine Möglichkeit, eine Eingabeaufforderung zu füllen. Wir argumentieren das Gegenteil. Für ein Umsatz-decisioning-System ist die Browsing-Ebene kein Komfortmerkmal. Es ist der Mechanismus, der die Hypothesen-Generierung aus der eigenen Datenverteilung des Operators hebt, und es ist die größte Quelle neuer Freiheitsgrade, die die Schleife in den letzten achtzehn Monaten gewonnen hat.
Dies ist ein Forschungsbericht, keine Produktseite. Er dokumentiert die Designentscheidungen, die Fehlermodi, an denen wir die meiste Zeit verbracht haben, und die empirischen Ergebnisse von sechs Unternehmens-Arbeitsbereichen, die die Browsing-Ebene mindestens acht Wochen lang gegen einen konservierten holdout laufen ließen.
Eine Umsatz-decisioning-Schleife hat vier Stationen: Signal, Hypothese, Kandidatenaktion, Experiment. Drei der vier sind naturgemäß durch die eigenen Daten des Betreibers begrenzt. Signale werden auf First-Party-Ereignissen berechnet. Kandidatenaktionen werden durch die action layer begrenzt, die der Betreiber eingerichtet hat. Experimente werden anhand eines holdout auf der eigenen Basis des Betreibers gemessen. Nur eine Station ist von der Konstruktion her unbegrenzt: die Autorenschaft der Hypothese.
Die Hypothesenautorschaft ist der Schritt, der bei einer gegebenen Umsatzchance fragt, welche plausiblen Mechanismen diese bewegen könnten. In der Praxis war dieser Schritt immer die Obergrenze für den Durchsatz des Kreislaufs. Ein Team von fünf leitenden Analysten kann Tausende von Umsatzchancen pro Woche bewerten, aber die Anzahl der unterschiedlichen, testbaren Hypothesen, die sie für diese Umsatzchancen formulieren können, liegt näher bei fünfzig. Der Rest des Kreislaufs verhungert.
Sprachmodell-Agenten heben diese Obergrenze an, aber nur bis zur Grenze ihrer Trainingsverteilung. Ohne externen Kontext erstellt ein Agent flüssige Hypothesen, die alle Muster recyceln, die bereits in den Daten des Betreibers und im Vor-Training des Modells vorhanden sind. Beides ist per Definition rückwärtsgewandt. Die Browsing-Ebene ermöglicht es der Hypothesen-Erstellung, sich auf die Gegenwart zu beziehen.
Wir haben 41.000 von Agenten initiierte Abrufe in den sechs Pilot-Workspaces analysiert und nach Absicht gruppiert. Fünf Kategorien decken 94% des Traffics ab. Es lohnt sich, sie zu benennen, da die meisten Verwirrungen um das agentische Browsing verschwinden, wenn die Kategorien getrennt betrachtet werden.
Die restlichen 6% sind ein langer Schweif von einmaligen Intents, die sich nicht zu einer Kategorie stabilisiert haben. Wir beobachten sie weiterhin.
Zwei Designentscheidungen nahmen etwa ein Drittel der gesamten Designüberprüfungszeit bei diesem Projekt in Anspruch. Es lohnt sich, sie explizit zu nennen, da beide tragend sind.
Die Browsing-Ebene ist schreibgeschützt gegenüber jeder Oberfläche, die der Betreiber nicht besitzt. Jeder Schreibvorgang, sei es das Erstellen eines Kontos, das Absenden eines Formulars oder eine Transaktion, wird über die normale Aktions-Ebene des Arbeitsbereichs geleitet, die bereits eine menschliche Autorisierung und Prüfung hat. Dies ist keine Kapazitätsbeschränkung. Wir haben es so gewählt. In dem Moment, in dem ein Agent auf eine Drittanbieter-Oberfläche schreiben kann, übernimmt der Betreiber die Nutzungsbedingungen, die Raten-Disziplin und das Risikoprofil dieser Oberfläche. Nichts davon gehört in den Umsatz-decisioning-Kreislauf.
Die Ebene ist nach oben begrenzt durch das, was ein menschlicher analyst an einem Arbeitstag plausibel abrufen würde, mit einer pro-workspace-Obergrenze, die einstellbar, aber hart begrenzt ist. Wenn ein workspace externen Daten mit höherem Volumen benötigt, ist der richtige Schritt, einen Feed zu lizenzieren oder zu kaufen, und nicht einen agent iterieren zu lassen. Diese Grenze betrifft nicht primär die Kosten. Es geht um die quality des Signals, das erhalten bleibt, wenn das Volumen eingeschränkt ist: begrenztes fetching zwingt den agent dazu, spezifisch zu sein, wonach er fragt, was die resultierenden Hypothesen verbessert.
Im Datenmodell des Arbeitsbereichs ist ein Fetch keine Nebenwirkung eines Prompts. Es ist ein gespeichertes Objekt mit einer URL, einem erfassten Zeitstempel, einem Inhalts-Hash, einem gerenderten Snapshot und einem Zeiger auf die Hypothese oder Kandidatenaktion, die es angefordert hat. Alles, was der Agent später zitiert, verweist auf ein spezifisches Fetch-Objekt. Alles, was ein menschlicher Prüfer auditieren möchte, verweist auf dasselbe Objekt.
Dies ist aus drei Gründen wichtig, die leicht unterschätzt werden, bis ein Vorfall den Punkt erzwingt.
Der standardmäßige Fehlerfall eines jeden browsing-Agenten ist die Suche nach Beweisen, die die bereits von ihm erzeugte Hypothese stützen. Allein gelassen, wird der Loop zu einer Maschine der Bestätigung. Unsere Minderung ist strukturell, nicht prompt-basiert: Kategorie-E-Abrufe (Hypothesen-Stresstests) werden vom Loop geplant, nicht vom Hypothesen-erstellenden Agenten angefordert. Ein zweiter Agent, mit einem anderen System-Prompt und ohne Einblick in die Formulierung der ursprünglichen Hypothese, wird beauftragt, öffentliche Beweise zu finden, die diese falsifizieren würden. Das Stresstestergebnis wird der Hypothese beigefügt, bevor sie für einen Experiment-Slot infrage kommt.
Agenten, die sich selbst überlassen werden, konvergieren auf eine kleine Anzahl von hochautoritativen Quellen. Dies ist effizient und falsch. Es verengt die tonale und analytische Verteilung genau dort, wo die Browsing-Ebene sie erweitern soll. Unsere Abhilfemaßnahme ist eine wöchentlich berechnete metrik zur Quellendiversität pro Arbeitsbereich mit einer soften Untergrenze. Wenn die metrik sinkt, verzerrt die Schleife die Abrufe in der nächsten Woche hin zu unterrepräsentierten Quellen. Es ist eine kleine Korrektur, die kontinuierlich angewendet wird, und sie hat die Pilot-Arbeitsbereiche über das gesamte Beobachtungsfenster hinweg vom Monokultur-Attraktor ferngehalten.
Eine abgerufene Seite trägt einen Zeitstempel, aber der Inhalt der Seite kann Jahre alt sein. Agenten behandeln alle abgerufenen Inhalte als aktuell, es sei denn, sie sind gezwungen, darüber nachzudenken. Die Abhilfemaßnahme ist ein obligatorisches extrahiertes Datumsfeld bei jedem Abruf der Kategorie C oder D, wobei die Extraktion selbst durch einen zweiten Durchlauf doppelt überprüft wird. Abrufe, die kein extrahiertes Datum auflösen können, werden im Hypothesen-Autorisierungskontext herabgestuft.
Öffentliche Seiten sind eine nicht vertrauenswürdige Eingabefläche. Die Mitigation ist jetzt Standard, war aber vor einem Jahr noch nicht offensichtlich: Abgerufener Inhalt wird niemals direkt in einen System-Prompt eingebunden. Er wird durch einen Parser geleitet, der Anweisungen entfernt, als Daten in einem separaten Kontext-Slot gespeichert, und der Agent wird angewiesen, ihn als Beweismittel zu behandeln, über das er nachdenken soll, nicht als Anweisungen, denen er folgen soll. Jeder workspace führt wöchentlich eine red team injection suite gegen einen rotierenden Pool von echten Seiten aus, die die Agents abgerufen haben.
Sechs Workspaces, jeweils acht bis vierzehn Wochen, browsing layer aktiviert bei 50 % der Hypothesen-Autorenschafts-Slots und deaktiviert bei den anderen 50 %. Der Vergleich erfolgt auf Hypothesen-Ebene, nicht auf Experiment-Ebene, da der Effekt der browsing layer vor der Experiment-Auswahl liegt.
Vollständige Methodik, Kohortenzusammensetzung und Deltas pro Arbeitsbereich sind im Anhang für die Pilottreiber enthalten. Eine anonymisierte Version wird veröffentlicht, sobald eine zweite Kohorte im dritten Quartal abgeschlossen ist.
Die Browsing-Ebene reduziert nicht die Anzahl der involvierten Menschen. Sie verändert, was sie tun. Zuvor war die seltene Fähigkeit des Senior analyst die hypothesis authorship selbst: zu wissen, was man von einer gegebenen Umsatzchance fragen muss. Danach ist die seltene Fähigkeit die hypothesis adjudication: zu wissen, welche der vorgeschlagenen Hypothesen des agent einen holdout verdient. Dies ist eine wirklich andere Aufgabe, eher die eines wissenschaftlichen Rezensenten als die eines analyst, und die workspaces, die den größten uplift verzeichneten, waren diejenigen, die die Personalbesetzung entsprechend anpassten.
Der Wert der Browsing-Ebene liegt nicht darin, dass Agenten das Internet lesen können. Agenten können das Internet seit Jahren lesen. Der Wert liegt darin, dass innerhalb einer decisioning-Schleife mit strenger Provenienz, strukturellen Minderungen für die Bestätigungssuche und randomisierter Messung gegen einen konservierten holdout externer Kontext zu einem Input wird, der so rigoros wie jedes Erstanbieter-Signal bewertet werden kann. Das Web hört auf, eine Demo zu sein, und wird zu einer kontrollierten Varianzquelle in der einzigen Station der Schleife, die jemals wirklich durch Vorstellungskraft eingeschränkt war.
Für das umfassendere Betriebsmodell, in das dies passt, siehe Von Kampagnenkalendern zu kontinuierlichem Decisioning. Für das durchgängig referenzierte Provenance-Modell siehe Provenance im Opportunity-Feed.
Häufig gestellte Fragen
Verwandte Ressourcen
Im Produkt ansehen
Die gleichen Schleifen, die dieser Hinweis beschreibt, laufen 24/7 in deiner Kundenbasis. Beobachte, wie der Arbeitsbereich 1:1 entscheidet, Experimente durchführt und ausführt.
Vokabular
Definitions an answer engine can quote, each one a page of its own.
Vergleichen
Neutral reads on the categories buyers evaluate against a decision layer.
Alle Vergleiche
