Selektywna specjalizacja: jak tworzyć agentów, którzy sprawdzają się w produkcji

Stworzenie agenta na poziomie dema nigdy nie było szybsze. Połącz sprawny model, daj mu kilka narzędzi, a po jednym popołudniu masz rozwiązanie, które umawia spotkania, tworzy szkice odpowiedzi albo generuje raporty na żądanie. Problem zaczyna się później. VP ds. CX, szef operacyjny, lider platformy — ktokolwiek odpowiada za działanie tego agenta na skalę przedsiębiorstwa — napotyka ścianę. To, co działało w demo, staje się wolne i nieprzewidywalne, gdy pojawia się prawdziwy wolumen i realna stawka. Rzadko zawodzi platforma pod spodem. Problemem jest architektura nad nią.

Wąskie gardło: jeden agent robi wszystko

Naturalnym odruchem po sukcesie pierwszego agenta jest dać mu więcej. Więcej narzędzi. Więcej kontekstu. Szerszy zakres odpowiedzialności. Skoro dobrze poradził sobie z jednym zadaniem, na pewno poradzi sobie z dziesięcioma.

Ten odruch tworzy wąskie gardło. Gdy jeden agent odpowiada za planowanie, wykonanie, pamiętanie i analizę w szerokim zakresie, kilka rzeczy psuje się naraz.

Podejmowanie decyzji staje się wolniejsze i trudniejsze do kontrolowania, bo każdy krok rywalizuje teraz o miejsce w jednym oknie kontekstowym i jednym przebiegu rozumowania. Wybór narzędzi staje się mniej niezawodny, bo dokładność zwykle spada wraz ze wzrostem liczby dostępnych narzędzi. System staje się też kruchy, ponieważ drobne nieporozumienie na pierwszym etapie pozostaje niewychwycone. Bez granic między odpowiedzialnościami wczesny błąd po cichu zatruwa wszystko, co dzieje się później.

Wyobraź sobie jednego agenta głosowego stworzonego do kompleksowej obsługi przychodzących zgłoszeń ubezpieczeniowych. W trakcie jednej rozmowy musi zweryfikować tożsamość dzwoniącego, pobrać właściwą polisę, sprawdzić zakres ochrony, zinterpretować zgłoszenie, oszacować prawdopodobną wypłatę, zapisać interakcję i zdecydować, czy przekazać sprawę człowiekowi. W demo, przy współpracującym rozmówcy i czystym połączeniu, radzi sobie ze wszystkim bez problemu. W produkcji nazwisko rozmówcy zostaje źle usłyszane już na pierwszym etapie z powodu zakłóceń na połączeniu komórkowym. Agent nigdy się po tym nie podnosi. Pobiera niewłaściwą polisę, z przekonaniem analizuje ochronę, której rozmówca nie ma, i podaje kwotę wypłaty dla planu, którego ten nigdy nie kupił. Między usłyszeniem nazwiska a działaniem nie było żadnej kontroli, więc jeden błąd transkrypcji stał się błędną obietnicą złożoną klientowi na głos.

W regulowanej branży to nie tylko złe doświadczenie — to zdarzenie związane ze zgodnością z przepisami i odpowiedzialnością prawną. To jeden z powodów, dla których możliwość ubezpieczenia agenta staje się warunkiem wdrożenia produkcyjnego, oraz dla których stworzyliśmy ElevenAgents jako pierwszą platformę Conversational AI kwalifikującą się do ubezpieczenia AI za pośrednictwem AIUC.

Zwróć uwagę, co naprawdę zawiodło. Agent nie był słaby w rozmowie. Problemem było to, że sam dźwigał każdą odpowiedzialność, bez punktu kontrolnego między zrozumieniem czegoś a działaniem. Rozwiązaniem nie jest mniejsza ambicja ani mniej aktywny agent. Jest nim struktura.

Warto to doprecyzować. To nie jest głównie ograniczenie samych modeli. Mocniejszy model podnosi możliwości, ale nie usuwa problemu strukturalnego. To problem projektowania systemu.

Model myślowy: działy, nie CEO decydujący o wszystkim

Pomyśl, jak rośnie firma. Jeśli CEO osobiście podejmuje każdą decyzję w obszarze inżynierii, marketingu i HR, firma staje w miejscu. Nie rozwiążesz tego, zatrudniając mądrzejszego CEO. Rozwiązaniem jest stworzenie wyspecjalizowanych zespołów z jasno określonym zakresem działania.

Ta sama logika dotyczy systemów AI. Zamiast jednego ogromnego agenta możesz podzielić system na wyspecjalizowanych agentów o ograniczonym zakresie odpowiedzialności. Jeden pobiera dane. Drugi pisze kod. Kolejny tylko sprawdza fakty. Każdy ma węższy zakres, dzięki czemu jego decyzje są tańsze, szybsze i łatwiejsze do zaufania.

Nie wymaga to specjalistycznej infrastruktury. Nasza platforma, ElevenAgents, już oferuje elementy potrzebne do tego: agenta konwersacyjnego w centrum, wywołania narzędzi do wyszukiwania i aktualizacji danych, przekazywanie spraw między agentami przy zmianie zakresu, pobieranie wiedzy dla oparcia na faktach oraz workflow, które łączą te elementy. Dobre wdrożenie polega głównie na celowym używaniu tych podstawowych mechanizmów zamiast upychania każdej odpowiedzialności w jednym prompcie i liczenia, że wszystko zadziała.

Na tym polega siła architektury wieloagentowej — i w przypadku właściwego typu pracy jest ona realna. Uczyńmy to konkretnym na przykładzie centrum kontaktowego. Załóżmy, że chcesz ocenić pod kątem jakości dziesięć tysięcy wczorajszych rozmów z pomocą techniczną. Pracę można łatwo podzielić: jeden agent sprawdza, czy konsultant przestrzegał skryptu zgodności, drugi ocenia empatię i ton, kolejny oznacza rozmowy, które należało eskalować, a jeszcze inny wyodrębnia powód kontaktu klienta. Żadna z tych ocen nie zależy od pozostałych, więc wszystkie mogą działać równolegle na tej samej transkrypcji. To dokładnie rodzaj zadania, w którym systemy wieloagentowe dają najwięcej. Części są niezależne, praca opiera się głównie na odczycie, a umieszczenie każdej oceny w osobnym kontekście faktycznie zwiększa jej trafność.

Uczciwe kompromisy

System wieloagentowy nie jest darmową wygraną. Każdy lider techniczny oceniający tę architekturę sprawdzi — i powinien sprawdzić — koszty koordynacji, zanim się na nią zdecyduje. Najważniejsze zastrzeżenie jest takie.

Najczęstszy tryb awarii to fragmentacja kontekstu. Gdy dzielisz zadanie między agentów, którzy nie współdzielą pełnego kontekstu, każdy działa na częściowym obrazie, a ich decyzje mogą być sprzeczne w sposób, którego koordynator nie potrafi pogodzić.

Ta sama pułapka pojawia się w rozmowach na żywo. Wyobraź sobie rozmowę windykacyjną podzieloną między agenta negocjacyjnego i agenta zgodności, którzy nie współdzielą stanu. Agent negocjacyjny, chcąc pomóc, oferuje klientowi sześciomiesięczny plan spłaty. Agent zgodności, który nie widział tej oferty, odrzuciłby ją, ponieważ region klienta ogranicza takie plany do trzech miesięcy. Każdy agent zachował się rozsądnie w ramach własnego wycinka. Razem złożyli zobowiązanie, którego firma nie może dotrzymać, prawdziwej osobie i w czasie rzeczywistym. Problemem nie był słaby model ani warstwa głosowa. Były nim dwa wąskie spojrzenia, które nigdy się nie spotkały.

Rozwiązaniem nie jest więcej agentów. Trzeba zachować spójność rozmowy i pozwolić agentowi sprawdzić regułę zgodności jako narzędzie, zanim podejmie zobowiązanie, aby reguła i oferta spotkały się, zanim cokolwiek zostanie powiedziane na głos. To wybór projektowy, a dobra platforma ułatwia podjęcie właściwego.

W praktyce wybór zależy od zadania. Systemy wieloagentowe świetnie sprawdzają się w równoległej pracy opartej głównie na odczycie, gdzie części są naprawdę niezależne — w badaniach, wyszukiwaniu i weryfikacji. Gorzej radzą sobie z pracą ściśle powiązaną, gdzie wszystko musi tworzyć spójną całość, jak pisanie jednego fragmentu kodu. W zadaniach wrażliwych na opóźnienia, takich jak potok głosowy w czasie rzeczywistym, każde dodatkowe przekazanie między agentami wydłuża czas odpowiedzi w ramach napiętego budżetu, więc długie łańcuchy agentów są domyślnie ryzykowne. Tu ważna jest też nasza infrastruktura. ElevenAgents łączy rozpoznawanie mowy, obsługę tur rozmowy i generowanie głosu w jednym stosie, więc bazowe opóźnienie jest już minimalne, zanim dojdzie narzut orkiestracji.

Co naprawdę napędza ROI

Zespoły, które osiągają realny zwrot z agentów, zwykle nie sięgają po jeden najinteligentniejszy model z oczekiwaniem, że udźwignie całą pracę. Świadomie wybierają architekturę: gdzie się specjalizować, gdzie zachować jeden ciągły kontekst i jak agenci mają się koordynować, gdy jest to konieczne.

Innymi słowy, odpowiedzią rzadko jest „jeden ogromny agent” i równie rzadko „podziel wszystko”. To selektywna specjalizacja. Korzyści wynikają z wyznaczenia granic we właściwych miejscach, a nie z liczby agentów ani możliwości każdego z nich. Zachowaj zadanie w jednym agencie, gdy praca jest powiązana, a kontekst musi pozostać ciągły. Podziel je między wyspecjalizowanych agentów, gdy praca jest równoległa, a konteksty można wyraźnie odizolować.

Rekomendacja

W nadchodzącym projekcie nie zaczynaj od wyboru architektury. Najpierw rozpisz pracę.

Wypisz konkretne możliwości, których naprawdę potrzebuje system. Zaznacz, które części są faktycznie niezależne, a które ściśle powiązane. Określ, gdzie odizolowany kontekst jest zaletą, a nie problemem — na przykład przy sprawdzaniu faktów, które chcesz oddzielić od głównego toku rozumowania. Dopiero wtedy zdecyduj, gdzie podzielić odpowiedzialność między osobnych agentów.

Tak wygląda to w produkcyjnej linii przypominającej o spłacie pożyczki. Rozmowa na żywo pozostaje w jednym ciągłym agencie, ponieważ słowa klienta, ton i wymiana zdań są ze sobą ściśle powiązane, a każde dodatkowe przekazanie wprowadza opóźnienie słyszalne dla rozmówcy. Do tego jednego centrum konwersacyjnego dodajesz ograniczonych zakresem specjalistów, którzy nie przerywają rozmowy: wywołanie narzędzia pobierające konto i zaległe saldo, zabezpieczenie zgodności, które agent sprawdza przed złożeniem jakiejkolwiek oferty spłaty, płynne przekazanie sprawy człowiekowi, gdy sytuacja tego wymaga, oraz osobną grupę agentów oceniających, która następnego ranka punktuje nagrania pod kątem jakości i ryzyka.

Rozmowa jest powiązana, więc pozostaje spójna. Wyszukiwanie danych, kontrole i ocena są niezależne, więc mają własne granice. To selektywna specjalizacja, a nie dzielenie dla samego dzielenia, i bezpośrednio odpowiada mechanizmom, które daje ci dobra platforma agentowa.

Zrób to, a zyskasz korzyści specjalizacji bez niepotrzebnego kosztu koordynacji. Przewidywalne działanie, ograniczone skutki awarii i system o złożoności wybranej świadomie, zamiast odkrywanej dopiero w produkcji. Tak używana platforma agentowa nie jest demem, które chwieje się coraz bardziej wraz ze skalowaniem. To infrastruktura, która staje się stabilniejsza, gdy każda część ma jasno określone zadanie. Właśnie po to stworzyliśmy ElevenAgents.