ШІ більше не чекає вказівок: агенти навчилися самостійно організовувати роботу

Агенти штучного інтелекту дедалі частіше самостійно визначають, як виконувати поставлені перед ними завдання, без детальних інструкцій від людини. Американський дослідник і доцент Вортонської школи бізнесу Пенсильванського університету Ітан Моллік вважає, що це може змінити уявлення про те, як люди керуватимуть такими системами.

За його спостереженнями, сучасні агенти вже не потребують постійного надання контексту чи покрокового плану: вони можуть самостійно знаходити потрібну інформацію, розробляти послідовність дій і навіть залучати інших агентів до роботи. Моллік називає це проявом «Гіркого уроку» (Bitter Lesson) — принципу, за яким складні людські правила поступово замінюються можливостями потужніших систем машинного навчання.

Агенти не потребують детальних інструкцій

Моллік зазначає, що раніше вважав керування ШІ-агентами складним процесом, який вимагатиме від людей ретельного проєктування робочих процесів. Однак нові моделі дедалі краще самостійно планують необхідні кроки, тому цінність детального людського планування зменшується.

Одним із проявів цієї тенденції Моллік називає персональних ШІ-агентів. Нині лідером в App Store, за його словами, є Muse від Meta — застосунок, який позиціюють як персонального агента, здатного виконувати роботу замість користувача. OpenAI нещодавно випустила конкурентний інструмент Dots, а схожі функції також виконують Grok Bot від SpaceX, Instinct і Gemini Spark. 

Усі ці системи, за словами Молліка, надихаються OpenClaw та подібними до нього системами, які він називає «Clawlikes». Їхня особливість полягає в тому, що ШІ-агент отримує доступ до комп’ютера та облікових записів користувача, зокрема електронної пошти й фінансових документів. Він може аналізувати ці дані та реагувати на них у режимі реального часу, навіть коли людина безпосередньо не стежить за його роботою.

Спілкування з такими агентами також відрізняється від звичайної взаємодії з чат-ботом. Користувач може писати їм через Slack, SMS або WhatsApp, а агент здатен сам ініціювати розмову, причому з деякими системами, зокрема Dots, можна навіть зідзвонитися.

За словами Молліка, один із його агентів самостійно виявив помилку в листі до місцевої адміністрації та підготував виправлення. В іншому випадку Muse помітив, що в нього завершується термін дії авіаційного ваучера, і на його прохання зв’язався з авіакомпанією American щодо його продовження.

«Рої» з тисяч агентів

Найбільше враження на дослідника справило не те, що один агент може виконувати кілька завдань, а можливість одночасної роботи тисяч таких систем. Як приклад він наводить систему, яку OpenAI називає «роєм» — групу агентів, що працюють на базі вдосконаленої моделі.

За словами Молліка, під час роботи над рівняннями Нав’є-Стокса агенти надіслали одне одному близько 2,7 мільйона повідомлень і досягли результату за 88 годин. Координація цієї роботи була відносно простою: OpenAI визначала цілі, кілька груп агентів працювали паралельно, модель Codex передавала між ними найкращі ідеї, а всередині груп агенти самостійно обмінювалися інформацією.

Моллік порівнює це з традиційним управлінням великою командою. Людині було б складно визначати важливість мільйонів повідомлень, координувати тисячі працівників і постійно пояснювати їм, що робити, тоді як «рій» агентів зміг організувати цей процес самостійно.

Дослідник також описав власний експеримент із Codex. Коли він попросив модель запропонувати тему для наступного допису, оцінити ідеї та обрати одну з них, система спочатку залучила трьох агентів. Після того як Моллік окреслив роботу трьох команд — генераторів ідей, дослідників та фокус-групи читачів — кількість агентів зросла до 13, і вони вже самостійно організовували роботу.

Чому агентам простіше координувати роботу

Дослідник пояснює це тим, що значна частина традиційного менеджменту виникла через особливості людської поведінки. Люди мають власні цілі, можуть неохоче ділитися інформацією, прагнути захищати власну сферу впливу, а кількість людей, якими може ефективно керувати один менеджер, обмежена.

Агенти позбавлені більшості таких проблем: вони не прагнуть кар’єрного зростання, не намагаються захищати власну «територію» і не проводять нарад. Водночас Моллік наголошує, що проблеми можуть виникати вже у відносинах між самими агентами та людьми, які ними керують.

Дослідник згадує і про випадок з платформою Hugging Face, коли агенти самоорганізувалися та почали взаємодіяти непередбачуваним чином. Це, на його думку, показує, що автономність таких систем може створювати нові ризики, навіть якщо вони не мають типових проблем людських організацій.

Люди все ще визначають цілі

Моллік застерігає, що здатність агентів самоорганізовуватися не означає, що вони вже можуть виконувати будь-яку роботу. ШІ залишається надто обмеженим, щоб замінити значні обсяги людської праці. Дослідник також не знає, наскільки добре такі системи впораються з тривалою та буденною роботою. 

Крім того, інцидент із Hugging Face показує, що самоорганізовані системи можуть розвиватися в неочікуваних напрямках. Тому Моллік більше не вважає організацію агентів найскладнішим завданням, але наголошує на необхідності спрямовувати їхню роботу.

Раніше дослідник припускав, що компаніям доведеться повністю перебудовувати системи управління для роботи з автономними агентами. Тепер він вважає, що інтеграція таких систем у діяльність компаній може виявитися простішою, оскільки агенти вже можуть працювати в тих самих складних і заплутаних середовищах, що й люди.

На його думку, за умови правильного використання агентів це потенційно може збільшити обсяг роботи, яку виконують люди, а не скоротити його. Коли організаційні процеси дорогі, компанії беруться лише за завдання, для яких мають достатньо працівників, тоді як зниження витрат на координацію може зробити доступними для роботи більше завдань.

Водночас провідні науковці OpenAI, Anthropic, Meta та Microsoft разом з піонерами галузі Джеффрі Гінтоном і Йошуа Бенджіо оприлюднили спільне застереження про загрозу вимирання людства через неконтрольовану автоматизацію розробки ШІ. Дослідники попередили, що здатність моделей до самовдосконалення веде до «вибуху інтелекту», який стискає роки технологічного розвитку до лічених місяців. Побоювання посилюються тим, що лабораторії вже передають створення нових систем самому ШІ — зокрема, Claude веде 26% дослідницької діяльності Anthropic.