GCRI · Искусственный интеллект и автономные системы
Агентные системы
Agentic AI системы pursue goals by planning and taking actions: calling tools, browsing, writing and running code, or operating other software, sometimes over long tasks with little supervision. Autonomy brings usefulness and new failure modes, from compounding errors to misuse of granted permissions. This page sets out how agents fail, how their actions can be bounded and overseen, and what evidence serves those who build, deploy and govern them.
Agentic systems on the record.
Agentic systems: how the risk develops.
Tool access, delegated authority and safe execution. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Errors compound over steps
Each step in a long task can go wrong, and an early mistake shapes later actions. Small per-step error rates add up over many steps.
Permissions define the blast radius
An agent can only do harm with the access it has been given. Broad credentials, write access and payment rights turn errors or manipulation into real-world consequences.
Untrusted inputs steer behaviour
Agents read web pages, documents and messages that may contain instructions. Prompt injection can redirect an agent to act against its user.
Oversight must be designed in
Humans cannot review every action of a fast agent. Approval steps for consequential actions, logging and the ability to stop and roll back are design choices.
Agent oversight console.
Экран, который команда использовала бы для отслеживания этой темы: её показатели, состояния и решения. Названия приведены для примера, а значения иллюстративны.
Agent oversight console
Agentic systems · Agent sandbox · Session AG-6627
Tool calls
- 10:34Информацияsearch(documents) · read-only
- 10:51Информацияrun_model(flood_nowcast) · sandbox
- 10:51Контрольная точкаsend_message(external) · needs approval
- 10:53Errorwrite_file(outside workspace) · denied
Политика
- Охват
- workspace only
- External actions
- human approval
- Spend limit
- 43 units
- Kill switch
- Armed
Actions by approval class
Agents that act need guardrails in every domain they touch.
- ЭнергетикаВзаимосвязиAutomated control of grids needs strict human oversight.What to watchOverride and rollback design
- ЗдравоохранениеВзаимосвязиAgents handling health data raise privacy and safety risks.What to watchAccess scopes and logs
- ВодаВзаимосвязиAutomation of utility operations must fail safe.What to watchFail-safe behaviour
Agentic system studies are designed for the серии Exponential Technology. The OWASP Top 10 for LLM applications lists failure modes such as excessive agency and prompt injection; the page describes them without exploit detail.
- Incident reports involving agents.
- Designs for oversight and permission scoping.
How agentic systems is modelled, measured and tested.
Модель, её допущения, данные и неопределённость в том виде, в каком их проверил бы учёный или инженер. Структуры следуют опубликованным методам. Показанные значения являются иллюстративными, а не результатами.
Модель системы
The couplings between the systems in agentic systems: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.
Что измеряется и насколько хорошо.
Каждый показатель указывает свою единицу, периодичность, тип источника и метку доказательной базы, которую несло бы значение. Значения не показываются: программа предоставляет их под собственную ответственность.
| Индикатор | Единица | Периодичность | Тип источника | Метка |
|---|---|---|---|---|
| Task success rate on agent benchmarks | percent of tasks completed correctly | per evaluation | Agent benchmark results | СООБЩЕНО |
| Actions requiring human approval | percent of consequential actions | per deployment | Deployment configuration | ЗАДЕКЛАРИРОВАНО |
| Prompt injection success rate | percent of attempts succeeding | per evaluation | Security testing | НАБЛЮДАЕМО |
| Agent incidents | count by severity | ежемесячно | Incident reports | СООБЩЕНО |
| Actions logged and attributable | percent of agent actions | per deployment | Audit logs | НАБЛЮДАЕМО |
| Mean task length before human intervention | steps or minutes | per evaluation | Evaluation logs | НАБЛЮДАЕМО |
Откуда берётся доказательная база.
Названные публичные наборы данных и институциональные записи, каждый со своим классом лицензии. Источники по соглашению используются только на их условиях и никогда не публикуются повторно.
| Источник | Что он даёт | Класс лицензии |
|---|---|---|
| OWASP Top 10 for LLM Applications and agentic security guidance | Risks such as prompt injection and excessive agency | Open, CC BY-SA 4.0 |
| Published agent benchmarks such as SWE-bench and related suites | Task-based evaluation of agents | Open, licence per benchmark (to check) |
| Рамочная программа управления рисками ИИ NIST (NIST AI Risk Management Framework) | Practices for governing and measuring AI risk | Public domain, US government |
| AI Incident Database | Reported incidents involving AI системы | Open, licence to check |
| Developer system cards describing agent safeguards | Developer-reported agent evaluations and controls | Public documents, terms per developer |
Кто принимает решения и чему служит доказательная база.
Студия «Искусственный интеллект и автономные Системная prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Кто принимает решение | Вопрос | Доказательная база, которую обслуживает эта страница |
|---|---|---|
| Deploying organisations | Which actions an agent may take alone and which need approval | Permission patterns; evaluation results |
| Security teams | How to protect agents from manipulation | Injection testing; incident evidence |
| Регуляторы | What oversight to require for autonomous AI actions | Oversight design evidence |
Результаты, которые даёт эта тема
- Permission and approval design patterns for agents
- Agent evaluation protocols covering long tasks
- Prompt injection test suites for deployments
- Logging and rollback requirements
What designers and evaluators ask.
- What actions can the agent take, with whose authority, and which are reversible?
- How does it behave when instructions are ambiguous, conflicting or malicious?
- Can a human see what it is doing, understand why and stop it in time?
- How do errors compound over long sequences of steps?
How agents fail.
An agent combines a model’s reasoning with permissions in the world. Small errors in early steps can compound across a long task. Agents can misinterpret goals, pursue them in unintended ways or take shortcuts that satisfy a metric but not the intent. Content the agent reads, such as a web page or document, can contain instructions designed to hijack it, an attack known as prompt injection.
The more permissions an agent holds, the larger the potential harm. Системная that coordinate several agents add further failure modes, as agents pass errors to each other or interact in unforeseen ways.
Designing for safe execution.
- 01
Least privilege
Granting only the permissions a task needs, with sandboxes and spending or action limits, drawing on кибербезопасности и криптографии.
- 02
Human oversight points
Requiring confirmation for consequential or irreversible actions. Too many prompts lead to rubber-stamping, so placement matters.
- 03
Task-based evaluation
Testing agents on realistic multi-step tasks in controlled environments, using Инженерия оценки и обеспечения уверенности в ИИ. Simulated environments miss some real-world complexity.
- 04
Logging and audit
Recording actions and reasoning traces so incidents can be reconstructed. Traces may not fully reflect how a model reached a decision.
Как это изучается и чего методы не могут сказать.
- 01Инженерия оценки и обеспечения уверенности в ИИОбоснования для обеспечения уверенности в системах ИИ · Структурированное тестирование «красной командой» · Мониторинг после развёртыванияПрименяется здесь
- 02Кибербезопасность и криптографияМоделирование угроз для приложений ИИ · Целостность цепочки поставок моделей · Тестирование защиты от внедренияПрименяется здесь
- 03Искусственный интеллект и машинное обучениеАнализ сдвига распределения · Дообучение для конкретного применения · Методы интерпретируемостиПрименяется здесь
- 04Теория вероятностей и статистикаНеопределённость оценок на эталонных тестах · Оценка калибровки · Выборка для аудитаПрименяется здесь
Where this page’s references lead.
Органы и документы, с которыми сопоставляется эта страница. Статусы и редакции меняются; каждая ссылка ведёт к выпускающему органу.
Вопросы и ответы.
What is an AI agent?
What is prompt injection?
How can agent risk be reduced?
Should agents ever act without human approval?
Can agents be evaluated before deployment?
Does the platform build agents?
Поделитесь доказательствами с этой страницы.
Отчёты is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- Электронная почтаШлюз GW-GCRIОтправьте с этой страницыДоказательная база, исправление, случай, метод, рецензия, перевод или вклад в профиль. Материал приходит с пометкой этой страницы, поэтому его получает редактор, отвечающий за неё.
- ZenodoОткрытый депозитДепонируйте и подайте в сообществоОпубликуйте собственную запись на Zenodo со своим идентификатором ORCID iD, затем подайте её в сообщество Reports. Кураторы проверяют её; DOI остаётся за вами.
- ОтчётыGCRIВсе способы внести вкладВиды вклада, порядок рецензирования каждого из них, указание авторства, лицензия и то, что никогда не принимается.
Никогда не отправляйте персональные данные, сведения о чувствительной инфраструктуре или то, чем вы не вправе делиться. Материал проходит рассмотрение перед использованием; его отправка не дает авторских или редакционных прав, а спонсорство никогда не покупает выводы.
Предложите метод, набор данных или вопрос.
Информация и запросы открыты уже сегодня. Запрос получает номер и указывает следующий шаг; заявки, платежи, выделение вычислительных ресурсов и регистрации открываются только тогда, когда существуют их команда, условия и возможности для проверки.
Юридические документы.
Карты, данные и рисунки на этом сайте приводятся для контекста и общей информации. Они не являются советом, прогнозом или предупреждением; ограничения информации изложены в Оговорках и уведомлениях о данных.