Agenci sami układają schemat organizacji. Człowiek nadal wyznacza cel

W tekście The Dot and the Swarm Ethan Mollick koryguje własne założenie: sądził, że ludzie będą musieli starannie budować i prowadzić grupy agentów AI. Jego zdaniem nowsze systemy coraz częściej same planują, delegują i dzielą role.

Tysiące agentów obsłużyły miliony przekazań bez ludzkiego dyspozytora

Mollick opiera argument na kilku obserwacjach. W przypadku osobistych agentów, takich jak Muse i Dots, najważniejsze jest to, ile zbierania kontekstu, planowania i dalszej kontroli znika z listy obowiązków użytkownika. Agent śledzi połączone konta, przygotowuje kolejne kroki i odzywa się, gdy trafia na problem albo potrzebuje zgody.

Największy przykład dotyczy projektu OpenAI wokół problemu istnienia i gładkości równań Naviera i Stokesa. Według opisu tysiące agentów pracowały przez 88 godzin i wymieniły około 2,7 miliona wiadomości. W chwili publikacji wynik nie miał formalnej akceptacji Clay Mathematics Institute, więc pozostaje twierdzeniem i interpretacją uczestników, a nie zamkniętym werdyktem matematycznym.

Wartość zarządzania przesuwa się z przydzielania pracy na definiowanie wyniku

Dla zespołów produktowych i engineering ważniejsza od efektownej liczby jest konsekwencja organizacyjna. Gdy model potrafi tworzyć agentów pomocniczych, rozdzielać między nich research i przekierowywać wysiłek w trakcie pracy, ręcznie zbudowany multi-agent workflow szybko się starzeje. Trwalszą wartością są dobrze określony cel, sprawdzalny wynik i granice, których system nie może przekroczyć.

Podobny kierunek pokazuje badanie SwarmWorld. W populacjach od 50 do 200 początkowo identycznych agentów bez wcześniejszego przydziału wyłaniały się role odkrywców, budowniczych i opiekunów. Wspólne środowisko nie wygrywało jednak w każdej metryce. Niezależne poszukiwanie pozostawało konkurencyjne przy tworzeniu najlepszego pojedynczego artefaktu.

Samoorganizacja obniża koszt koordynacji, lecz nie zdejmuje odpowiedzialności

To, że agenci potrafią się skoordynować, nie oznacza, że wybiorą właściwy cel. System może sprawnie podążać w złym kierunku, rozpowszechnić błędne założenie albo używać wspólnego środowiska w sposób niewidoczny dla zwykłego monitoringu rozmów. Im mniej człowiek prowadzi poszczególne kroki, tym ważniejsze stają się sandbox, budżety, uprawnienia i niezależna kontrola wyniku.

Mollick łączy też osobistych agentów, eksperymenty badawcze i wyjątkowe incydenty. To użyteczny obraz trendu, lecz nie dowód, że autonomiczny zespół przez wiele tygodni niezawodnie wykona codzienną pracę firmy bez nadzoru.

O opłacalności zdecydują wyniki sprawdzane poza samym rojem

Pierwszym użytecznym sygnałem nie będzie liczba uruchomionych agentów. Będzie nim odsetek zadań, dla których zespół z góry określi test, limit kosztów i punkt ludzkiej akceptacji, a system osiągnie lepszy wynik niż prostsza konfiguracja z jednym agentem.

Firmy powinny też obserwować ślady we wspólnym środowisku: zmiany plików, baz danych, kolejek i uprawnień. Jeżeli agenci koordynują się przez artefakty zamiast wiadomości, audyt chatów pokazuje tylko część organizacji, która naprawdę powstała.

Werdykt Lilith

Gdy rój sam rozdziela zmiany, człowiek przestaje być kierownikiem przy tablicy. Ma zamknąć niebezpieczne drzwi i zdecydować, co naprawdę znaczy gotowe.