Агенты искусственного интеллекта — это ИИ-боты, выполняющие одну задачу. Их можно объединить в команду для решения сложных задач. Генеративный ИИ (GenAI) — это и пользовательский интерфейс, и дирижер, управляющий агентами посредством автоматизации. О том, как ИИ-агенты изменят мир, рассказывают опрошенные порталом InformationWeek эксперты.
Недовольство недостатками GenAI велико, а основанные на нем решения очень востребованы. Сначала произошел переход от больших языковых моделей (LLM) к малым, чтобы сократить ошибки за счет специализации данных и задач. Затем появились мини-версии моделей. Теперь мы видим появление узкоспециализированных автономных ИИ-агентов (ботов), которые работают в командах, называемых мультиагентными системами.
«Этот сдвиг позволяет использовать специализированные ИИ-агенты для более точного и экономичного решения узких задач, поскольку каждый агент не должен быть самым современным, а просто достаточно хорошим для своей конкретной роли», — отмечает Джесал Гадхиа, руководитель инженерного отдела Thoughtful AI.
Возможности применения мультиагентов кажутся безграничными, но они не являются панацеей для всех сценариев использования ИИ.
«Стоит отметить, что хотя агенты являются важной частью ИИ-пазла, они не заменяют некоторые инструменты GenAI, основанные на LLM, и не заменяют инструменты предиктивного ИИ/MО», — говорит Пол Хармон, старший менеджер по науке о данных в Atrium, консалтинговой компании по данным, CRM и аналитике/ИИ.
По его словам, в некоторых случаях инструменты на базе ИИ лучше использовать для дополнения человека, предоставляя ему свои идеи и рекомендации — в таких случаях агент может и не понадобиться. Но в тех случаях, когда действия, управляемые ИИ, могут заменить рутинные задачи, агенты могут обеспечить значительное повышение производительности.
В конечном итоге концепция заключается в использовании смеси моделей ИИ и данных для создания более мощного и целенаправленного набора инструментов для решения даже самых сложных и деликатных задач. Примером может служить сценарий работы нескольких агентов по обслуживанию клиентов телекоммуникационной компании. «Поскольку агенты по обслуживанию и сетевые агенты используют различные контексты, специфичные для конкретной области, а также могут использовать различные базовые модели и инфраструктуру, теоретически результат будет „лучшим из двух миров“ с точки зрения точности и скорости, — поясняет Энтони Гунетиллек, президент группы по технологиям и глава отдела стратегии телекоммуникационной компании Amdocs. — Если говорить о конечном пользователе, то его опыт будет более удовлетворительным, поскольку он не только упростит свое взаимодействие с поддержкой, но и получит значимый результат от взаимодействия в значительно более короткие сроки».
Теперь давайте посмотрим, что все это значит для остальных:
1. Сейсмический сдвиг от интеграции приложений к интеграции систем
Компании стремятся выйти за рамки использования GenAI для повышения производительности сотрудников, чтобы внедрять сложные сценарии, но в основном они упираются в стену в этом процессе. Настоящее волшебство произойдет только тогда, когда бóльшая часть или все технологии организации будут полностью интегрированы ИИ-ботами, не говоря уже о масштабировании.
«Сегодня проблема GenAI заключается в том, что бизнес-операции интегрированы, а программные системы — нет, — говорит Бабак Ходжат, технический директор по ИИ компании Cognizant. — Мультиагентные архитектуры создают „систему систем“, которая позволяет LLM взаимодействовать друг с другом. ИИ-агенты — модели GenAI, развернутые вокруг любого ПО, функции, модуля или приложения, — взаимодействуют друг с другом в этой сети, функционируя как виртуальная рабочая группа, которая может анализировать подсказки и черпать информацию из всего бизнеса. Результат? Комплексное решение не только для тех, кто изначально к ним обращается, но и для других команд».
2. Переход искусственного мышления от одного агента к коллективному разуму
Недостатки и ограничения GenAI очевидны. Среди них — трудности с управлением сложными задачами и длинными, запутанными вводами. Переход от одного инструмента GenAI или подхода «один агент» к подходу «несколько агентов» позволяет совокупности ИИ сосредоточиться на одной задаче, которую они могут выполнить хорошо.
«Ограничения ИИ с одним агентом в решении сложных и многогранных задач стали очевидны, — говорит Лорис Дегиоанни, основатель и технический директор компании Sysdig, специализирующейся на облачной безопасности реального времени. — Это стало причиной перехода к агентному ИИ, в котором несколько агентов работают совместно, подобно человеческим командам. Этот сдвиг также подпитывается развитием технологий ИИ, которые обеспечивают более сложную координацию и принятие решений агентами, и
3. Мультиагенты уже существуют, но в основном агенты еще не объединились
Используйте их, если они у вас есть, не так ли? Мультиагенты «уже здесь», просто они еще не организованы в более крупные системы. Не то чтобы это было легкой задачей, просто это была бы ужасная растрата потенциала, если бы никто не потрудился это сделать.
«В некотором смысле мультиагентные архитектуры уже существуют, — говорит Деон Николас, генеральный директор Forethought AI. — Большинство систем используют десятки отдельных подсказок, так что в некотором смысле эти системы уже являются мультиагентными. В отличие от людей, где каждый человек обладает отдельным сознанием, здесь все работает согласованно... Например, у нас есть один агент для решения проблем с обслуживанием клиентов и совершенно отдельный агент для оценки качества разговоров. Этот агент-„супервайзер“, или „оценщик“ используется для проверки ответов первого, генерирует дополнительные инсайты и даже предоставляет обновления политики для будущего обучения модели. Для клиента все это выглядит как одна целостная „агентная“ система».
4. Мультиагентные системы не заменят одноагентные приложения
Переход на мультиагентные системы не обесценит прежние инвестиции в одноагентные приложения. Например, если ваша компания уже создала чат-бота GenAI для отдела кадров и еще одного — для обслуживания клиентов, вы сможете продолжать их использовать. Аналогичным образом, любые инвестиции, сделанные любой заинтересованной стороной, могут быть защищены и усилены.
«ИИ может помочь оптимизировать или создать компромисс для сбора данных — в частности, в тех случаях, когда допустимо или необходимо использовать спутник, беспилотник или индивидуальный сбор проб. Это сложное пространство с множеством точек зрения. Многоагентная модель может обеспечить контроль каждой заинтересованной стороны над своими рассуждениями и потребностями», — говорит Иветт Кануфф, партнер JC2 Ventures.
В качестве реального примера он приводит использование ИИ при рекультивации земель для горнодобывающих, нефтяных и газовых компаний.
«Это сложное пространство с множеством аспектов и заинтересованных сторон. Газовая компания захочет сосредоточиться на соблюдении требований по рекультивации земель, а также на засеве и лесовосстановлении нарушенного участка. Государство, возможно, захочет сосредоточиться на среде обитания животных и экосистеме в целом. Есть и более долгосрочные соображения, такие как состояние почвы, миграция животных и популяционные тенденции. Каждая из этих областей может потребовать собственного обоснования, планирования и результатов. Для подобной ситуации с участием многих заинтересованных сторон мультиагентная архитектура — идеальный вариант», — добавляет Кануфф.
5. Ранние последователи уже внедряют мультиагентную архитектуру
Мультиагентные системы не только существуют в первичных формах, но и уже внедряются первопроходцами, которые стремятся к более крупным системным проектам.
«В ближайшие
Быстрое распространение технологии объясняется не только тем, что инструменты GenAI начали набирать обороты.
«Мультиагентный подход обеспечивает повышенную точность, экономическую эффективность, масштабируемость и улучшенные возможности рассуждений, позволяя предприятиям решать более сложные задачи», — добавляет Гадхиа.
6. GenAI можно использовать в качестве оркестратора мультиагентов
Эта концепция относительно проста: используйте GenAI в качестве пользовательского интерфейса и системного оркестратора, чтобы все ИИ-агенты работали вместе — или не работали — в очень гибких рамках.
«Это создает мощную экосистему», — говорит Райан Розетт, исполнительный директор и основатель Credibly, кредитной платформы для малого бизнеса на базе GenAI, предлагающий рассмотреть пример андеррайтинга — процесса, включающего множество сложных этапов. Вот как такая экосистема может работать в реальном мире: «В архитектуре корпоративного ИИ следующей волны оркестровка может быть построена таким образом, что каждому агенту будет поручено искать, извлекать, интерпретировать и анализировать информацию для определенного этапа процесса андеррайтинга. Затем эти результаты передаются оркестратору, который анализирует полученные данные, оценивает коллективную обратную связь и определяет последующие действия. Оркестратор может отклонить результаты, провести дополнительные исследования или перейти к следующему шагу».
7. Мультиагенты лучше вписываются в существующие бизнес-процессы
Ключевым преимуществом использования мультиагентных систем является то, что они не разрушают бизнес. Более того, они естественным образом вписываются в существующие структуру и процессы бизнеса.
«Что действительно интересно в мультиагентных системах, так это то, как они естественно вписываются в уже существующие бизнес-процессы. Подобно тому, как в компаниях существуют различные отделы или команды, выполняющие определенные задачи, мультиагентный ИИ имитирует эту систему — но делает это быстрее, точнее и с меньшим надзором. Он не нарушает существующий порядок вещей, а, наоборот, улучшает его, решая задачи в рамках установленной схемы», — поясняет Джайот Сингх, основатель и генеральный директор RTS Labs, консалтинговой компании в области технологий и инжиниринга.
8. Мультиагентные системы уже внедряются
Когда GenAI только появился на рынке, компании не вполне понимали, что с ним делать. Сценариев использования было мало, и они редко давали ожидаемые результаты. Но с мультиагентными системами дело обстоит иначе, потому что никто не рассматривает их как универсальный инструмент.
«Примером может служить Agentforce от Salesforce, который расширяет существующий генеративный ИИ Copilot и Prompt Builder от разговорного инструмента в CRM до автоматизированного бота, который может выполнять такие задачи, как обработка сценариев обслуживания, помощь в обучении торговых представителей с использованием рекомендаций, а также предоставляет организациям возможность создавать пользовательские боты (агенты) на основе ИИ», — говорит Хармон.
9. Многие ИИ-агенты могут помочь обуздать галлюцинации ИИ
Не заблуждайтесь, GenAI будет продолжать галлюцинировать. Этот недостаток присущ его творческой природе и общей человеческой мимикрии. Можно придать этой истине немного драматизма: чтобы убить галлюцинации, нужно убить галлюцинатора, то есть GenAI. Однако мультиагенты представляют собой убедительный способ обуздать его плохое поведение.
«Вы сокращаете количество галлюцинаций ИИ за счет использования сфокусированного, а не широкопрофильного ИИ, вы уменьшаете сложность за счет той же сфокусированности и простоты отдельных возможностей ИИ в своей специализированной области, вы, по сути, создаете команду, через которую вы можете дойти до уровня ИИ-менеджера для принятия решения или создания отчета», — объясняет Марк Молинье, технический директор Cohesity в регионе EMEA.
10. Мультиагенты уже порождают цифровую ИИ-экономику
Цифровая экономика уже получает турбо-ускорение от автономных ИИ-агентов. Настолько, что некоторые уже думают и говорят об этом как о «цифровой ИИ-экономике».
«К 2030 г. мы можем увидеть цифровую ИИ-экономику, которая по своей стоимости превзойдет экономику США, — говорит Шри Сатиш Амбати, генеральный директор и соучредитель компании H2O.ai. — Мультиагентные архитектуры с открытым исходным кодом станут основой, особенно по мере того, как предприятия будут переходить от изолированных инструментов ИИ к системам ИИ, действующим автономно и совместно. Способность агентов учиться на неудачах и договариваться с другими агентами позволит предприятиям как никогда ранее раскрывать ценности в различных отраслях. ИИ-трансформация не грядет, она уже началась, и мультиагентные системы — это следующий логический шаг».
