| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Aģentiskā mākslīgā intelekta izmantošana darbplūsmu optimizācijā |
| Title in English |
The Use of Agentic Artificial Intelligence in Workflow Optimization |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Jānis Grabis |
| Reviewer |
Artis Ābolts |
| Abstract |
Mūsdienās uzņēmumu darbplūsmu sarežģītība pieaug, un mākslīgā intelekta
tehnoloģiju attīstība, īpaši lielo valodas modeļu parādīšanās, paver jaunus veidus, kā šīs
darbplūsmas optimizēt. Tomēr pašreizējās aģentiskās darbplūsmas bieži ir manuāli
projektētas un nespēj pielāgoties dažādiem kontekstiem, kas ierobežo to praktisko
pielietojumu sarežģītākos scenārijos. Darba mērķis ir padziļināti izpētīt, kā aģentiskā
mākslīgā intelekta risinājumi var tikt izmantoti darbplūsmu optimizācijai, apvienojot
Capability Driven Development (CDD) pieeju ar kontekstuālo datu apstrādi. Darba
uzdevumi ietver literatūras apskatu par aģentiskajām darbplūsmām un CDD pieeju,
sešu populārāko aģentisko darbplūsmu rīku salīdzinājumu pēc astoņiem kritērijiem,
piecu posmu metodes izstrādi CDD pielietošanai aģentisko darbplūsmu projektēšanā,
kā arī astoņu eksperimentālo darbplūsmu variantu implementāciju klientu atbalsta
scenārijā. Eksperimentāli tika salīdzināti četri darbplūsmu varianti, tradicionālā bez
aģentiem, aģentiskā bez konteksta, aģentiskā ar kontekstu un aģentiskā ar kontekstu un
snieguma indikatoriem, abos izvēlētajos rīkos, N8N un LangGraph. Rezultāti parādīja,
ka konteksta pievienošana ne tikai uzlabo atbildes kvalitāti, bet arī samazina izpildes
laiku, savukārt snieguma indikatori sistēmas ziņojumos efektīvi standartizē aģenta
uzvedību. Darba apjoms — 63 lappuses, 11 tabulas, 11 attēli, 3 pielikumi, 16 izmantotie
informācijas avoti. |
| Keywords |
AĢENTISKĀ DARBPLŪSMA, MĀKSLĪGAIS INTELEKTS, CAPABILITY DRIVEN DEVELOPMENT, DARBPLŪSMU OPTIMIZĀCIJA, LIELAIS VALODAS MODELIS |
| Keywords in English |
AGENTIC WORKFLOW, ARTIFICIAL INTELLIGENCE, CAPABILITY DRIVEN DEVELOPMENT, WORKFLOW OPTIMIZATION, LARGE LANGUAGE MODEL |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
25.05.2026 15:47:17 |
