Оркестровка ИИ-агентов: ключевые тренды в развитии искусственного интеллекта

Когда речь заходит о том, что искусственный интеллект способен ускорить разработку лекарств или привести к массовым сокращениям рабочих мест, зачастую имеются в виду концепции ИИ-агентов. Модели вроде ChatGPT сделали большие языковые модели (LLM) массовым продуктом. Однако для реальных изменений в мире ИИ должен не просто отвечать на вопросы, но и выполнять конкретные действия. Именно здесь на сцену выходят ИИ-агенты, и после периода активного ажиотажа на рынке начинают появляться первые полноценные многоагентные инструменты.

Первые шаги и эволюция ИИ-агентов

Внимание публики привлек OpenClaw — персональный ИИ-помощник, с которым можно было взаимодействовать через телефон. Несмотря на широкий резонанс, OpenClaw столкнулся с серьёзными проблемами в области безопасности. Тем не менее, он продемонстрировал потенциал будущего, и крупные компании, от Nvidia до Tencent, оперативно начали разрабатывать собственные, более надёжные боты на основе открытого исходного кода OpenClaw.

Однако истинная мощь агентов проявляется в их способности работать в команде. Вместо одиночных ботов, выполняющих простые задачи, например, бронирование столика в ресторане через браузер или составление сводки по электронной почте, новые инструменты объединяют несколько агентов. Каждому агенту присваивается своя роль, а их действия координируются для выполнения сложных задач, которые не под силу одному агенту.

Командная работа в действии: примеры из разработки

Например, инструмент Claude Code, представленный компанией Anthropic в прошлом году, позволяет запускать и координировать работу нескольких агентов-программистов одновременно. Сообщалось, что некоторые пользователи задействовали до двух десятков субагентов, работающих над разными частями кодовой базы. Агентам можно присваивать специфические роли: один пишет код, другой его тестирует, третий исправляет ошибки и так далее. Такие инструменты обещают трансформировать роль программистов в менеджеров проектов, позволяя им делегировать и контролировать значительно больше задач, чем они могли бы выполнить самостоятельно.

От кодирования к широким профессиональным задачам

Сфера применения не ограничивается только кодированием. Новейшие многоагентные инструменты предназначены для специалистов, которые не занимаются разработкой программного обеспечения. Настольные приложения, такие как Claude Cowork от Anthropic (который, по заявлениям компании, был создан с использованием Claude Code всего за 10 дней, вместо нескольких месяцев, которые обычно требуются для подобных проектов), а также Codex от OpenAI и Computer от Perplexity, позиционируются как универсальные инструменты повышения продуктивности для офисных работников. Они позволяют поручать специализированные рабочие процессы командам агентов, которые координируют широкий спектр компьютерных офисных задач — от управления входящими письмами и инвентаризацией до обработки жалоб клиентов.

Многоагентные системы также выходят за рамки офисной работы. Инструменты, как Co-Scientist от Google DeepMind, позволяют исследователям использовать команды ИИ-агентов для координации поиска литературы, генерации и проверки гипотез, проектирования экспериментов и многого другого.

Новая «сборочная линия» и потенциальные риски

Многоагентные системы можно сравнить с новыми сборочными линиями. Инновации Генри Форда в прошлом веке произвели революцию в целых отраслях. Теоретически, сети ИИ-агентов могут оказать такое же влияние на интеллектуальный труд, как сборочные линии на промышленное производство.

Однако эта перспектива сопряжена с огромными рисками. Известно, что большие языковые модели могут быть непредсказуемы. Это доставляет неудобства, когда чат-боты ограничены экраном. Но когда они начнут активно взаимодействовать с реальным миром, последствия могут быть катастрофическими. Готово ли общество доверить агентам повсеместную цифровую инфраструктуру — от здравоохранения и финансов до социальных сетей и систем управления вооружениями?

Твитнуть