Systemy wieloagentowe · Wyspecjalizowani agenci, jeden system
theBlue.ai buduje dla firm systemy wieloagentowe: kilku wyspecjalizowanych agentów, z których każdy odpowiada za jedną część procesu, a całość koordynuje orkiestrator. Rozdziela on pracę, przekazuje kontekst i oddaje ludziom te decyzje, które powinny należeć do nich. Architektura wynika z Twojego procesu i działa w systemach, które już masz: on-premise, w chmurze lub hybrydowo.
Fakty
W theBlue.ai zrealizowaliśmy od 2016 roku ponad 100 projektów AI i automatyzacji. Dwa z naszych systemów dzielą proces między wyspecjalizowanych agentów koordynowanych przez jeden orkiestrator. Oba opisujemy szczegółowo w case studies poniżej.
Wybrane organizacje, dla których budowaliśmy rozwiązania
Co przejmują agenci
Kilku agentów ma sens wtedy, gdy praca dzieli się na odrębne role lub obszary wiedzy. Każda karta pokazuje jedną taką sytuację i jej źródło.
Konsultant przesyła dokument polityczny lub projekt aktu prawnego i otrzymuje ustrukturyzowane streszczenie, najważniejsze wnioski oraz odpowiedzi na pytania uzupełniające. Analizą dokumentów i researchem zajmują się osobni agenci.
−70% rutynowej pracyRPP Group
Agent redakcyjny pisze plany strategiczne, kluczowe komunikaty i pierwsze wersje tekstów w tonie, jakiego zespół używa w kontaktach z interesariuszami. Agenci kontroli jakości sprawdzają wynik pod kątem wewnętrznych standardów, zanim trafi do klienta.
5 agentów, 1 orkiestratorRPP Group
Obywatele pytają codziennym językiem. Główny agent ustala, których z jedenastu dziedzin dotyczy pytanie, i przekazuje je właściwym agentom. Oblicza terminy pozwoleń, a gdy zapytanie jest niejednoznaczne, dopytuje.
11 agentów dziedzinowychUrząd publiczny, objęty NDA
Zanim ktokolwiek odpowie, zgłoszenie trzeba sklasyfikować, przekierować, opracować i sprawdzić, a praca toczy się w poczcie e-mail, systemie zgłoszeń i dwóch kolejnych systemach. Agenci prowadzą sprawę od pierwszego dokumentu do gotowego wyniku i oddają to, co wymaga decyzji człowieka.
Decyzje zostają przy ludziachTypowy punkt wyjścia
Jak to działa
Orkiestratorczyta zgłoszenie, dzieli pracę
Wyspecjalizowani agencikażdy z jedną rolą
Kontrola jakościagenci sprawdzają agentów
Twój zespółdecyduje i wysyła
Przykład poglądowy. Dane z case study RPP Group.
Architektura
Model ma mniejsze znaczenie niż architektura wokół niego: jak kierowane są zadania, jak przekazywany jest kontekst i kto odpowiada za każdy krok. To proces decyduje, który wzorzec pasuje, a z tego wynika liczba agentów.
Główny agent kieruje każde zadanie do specjalistów. Wysoki poziom kontroli, ale wszystko zależy od orkiestratora.
Nasze dotychczasowe projektyAgenci przekazują sobie pracę bezpośrednio. Większa odporność na awarie, ale trudniejsza obserwacja i debugowanie dla Twojego działu IT.
Koordynacja tam, gdzie liczy się kontrola, bezpośrednie przekazywanie pracy tam, gdzie jest to bezpieczne. Coraz częściej stosowany w firmach.
O tym, czy system sprawdzi się na produkcji, decydują jeszcze dwie warstwy. Pierwsza to pamięć: pamięć robocza dla bieżącego procesu i trwała wiedza o Twojej firmie. Druga to standardowe interfejsy, takie jak Model Context Protocol (MCP), które łączą agentów z Twoimi danymi i narzędziami. Więcej w naszym artykule o architekturze, integracji i governance.
Kontrola
Firmowy system agentowy nie musi być jak najbardziej autonomiczny. Musi działać niezawodnie, przejrzyście i pod kontrolą.
Każdy agent ma określone zadanie, dane, z których może korzystać, i narzędzia, które może wywoływać. Orkiestrator wie, kto odpowiada za każdy krok.
Agenci kontroli jakości weryfikują wyniki pod kątem Twoich wewnętrznych standardów, więc nieścisłość zostaje wychwycona, zanim trafi do klienta.
System oddaje człowiekowi to, co wymaga jego decyzji. Gdzie leżą te punkty, ustalamy w analizie procesu.
Możesz prześledzić, który agent działał i na jakich danych. W RPP Group wszystko działa zgodnie z RODO we własnej infrastrukturze firmy.
Case studies
Dwa systemy, które dzielą proces między wyspecjalizowanych agentów, oraz platforma monitoringu politycznego, razem z którą powstał jeden z nich.
Public affairs · RPP Group
Doświadczeni konsultanci spędzali godziny na analizie dokumentów, porządkowaniu danych i pisaniu szkiców, przez co brakowało im czasu na pracę strategiczną. Teraz tę pracę przejmuje ChatRPP, w tonie firmy i w jej własnej infrastrukturze.
Zobacz projekt
Administracja · polski urząd (objęty NDA)
Poprzedni chatbot wymagał od obywateli wyboru kategorii, zanim mogli zadać pytanie, a większość nie wiedziała, która pasuje. Teraz wyspecjalizowani agenci z wyszukiwaniem sami kierują każde pytanie dalej i dopasowują codzienny język do dokumentacji technicznej.
Zobacz projekt
Public affairs · Policy-Insider.AI
Analitycy public affairs ręcznie śledzili miliony dokumentów politycznych z wielu krajów i w wielu językach. Zbudowaliśmy warstwę AI, która monitoruje, analizuje i powiadamia, od pierwszego prototypu po wprowadzenie produktu na rynek.
Zobacz projektJak zacząć
Zaczynamy od procesu w takiej postaci, w jakiej naprawdę przebiega: od jego rozgałęzień, wyjątków i punktów decyzji człowieka. Dopiero wtedy wiadomo, gdzie potrzebny jest agent, gdzie wystarczy zwykłe oprogramowanie, a gdzie odpowiedzialność pozostaje po stronie człowieka.
Powiedz nam, który proces angażuje najwięcej ról, stanowisk lub systemów. W ciągu jednego dnia roboczego wrócimy do Ciebie ze wstępną oceną i propozycją 30-minutowej rozmowy o zakresie.
Opisz swój procesMapujemy przebiegi pracy wraz z wyjątkami, sprawdzamy zaangażowane systemy i uprawnienia oraz proponujemy architekturę z rolami poszczególnych agentów, zakresem, harmonogramem i kosztami. Samodzielne zlecenie, bez zobowiązania do dalszej współpracy.
Zobacz, jak pracujemyFAQ
System wieloagentowy dzieli proces między kilku wyspecjalizowanych agentów AI, z których każdy odpowiada za jeden rodzaj zadań, np. analizę dokumentów, research, redakcję lub kontrolę jakości. Orkiestrator kieruje pracę między nimi, przekazuje kontekst i oddaje decyzje ludziom. theBlue.ai buduje takie systemy w istniejącej infrastrukturze IT firmy: on-premise, w chmurze lub hybrydowo.
Gdy praca dzieli się na odrębne role lub obszary wiedzy. Zaprojektowany przez nas chatbot dla obywateli obejmuje jedenaście dziedzin, każdą z własnym agentem, bo żaden pojedynczy agent nie obsłużyłby niezawodnie ich wszystkich. Gdy jedno jasno określone zadanie przechodzi przez kilka systemów, lepszym wyborem jest pojedynczy agent; zob. Agenci AI. Liczba agentów nie jest celem. Wynika z procesu.
Za pośrednictwem orkiestratora. Czyta on zgłoszenie, decyduje, których specjalistów zaangażować, i kieruje do nich zadania. Kontekst jest przekazywany między krokami, wyniki pośrednie są walidowane, a wyjątki trafiają do człowieka. W ChatRPP główny agent orkiestrujący kieruje każde zapytanie do analizy dokumentów, tworzenia treści, planowania strategicznego lub researchu politycznego.
Takiej, jakiej wymaga proces. W naszych dotychczasowych systemach jeden orkiestrator koordynuje wyspecjalizowanych agentów, co daje wysoki poziom kontroli. Struktury peer-to-peer są bardziej odporne na awarie, ale trudniej je obserwować, a modele hybrydowe łączą oba podejścia i są coraz częściej stosowane w firmach. Wybór zapada w analizie procesu.
Każdy agent dostaje jedną określoną rolę, a wraz z nią dane, z których może korzystać, i narzędzia, które może wywoływać. Agenci kontroli jakości sprawdzają wyniki pozostałych, punkty decyzji człowieka są ustalone z góry i zawsze da się prześledzić, który agent działał i na jakich danych. Zasady nadzoru (governance) są częścią architektury od pierwszej linii kodu.
Do systemów, których już używasz, zarówno standardowych, jak i własnych: ERP i CRM, repozytoriów dokumentów, wewnętrznej wiedzy i zewnętrznych źródeł danych, zawsze przez ich interfejs. ChatRPP odpowiada na podstawie dokumentów wewnętrznych i zewnętrznych danych politycznych. W chatbocie dla obywateli eksperci dziedzinowi sami utrzymują bazę wiedzy w edytowalnych listach, bez udziału programisty.
Tak. ChatRPP przetwarza poufne dokumenty polityczne zgodnie z RODO we własnej infrastrukturze RPP Group, więc materiały nigdy nie opuszczają kontrolowanego środowiska firmy. theBlue.ai wdraża systemy on-premise, w chmurze lub hybrydowo, zależnie od Twoich wymagań bezpieczeństwa.
Rzadko na logice modelu, prawie zawsze na danych rozproszonych po wielu systemach. System wieloagentowy jest tak dobry, jak dane, do których ma dostęp, dlatego właściwą pracą inżynierską jest integracja z systemami, które te dane przechowują. Z tego powodu w analizie procesu mapujemy przepływy danych i interfejsy, zanim cokolwiek zbudujemy.
Analiza procesu ma stałą cenę od 3000 € i kończy się propozycją architektury, która określa role poszczególnych agentów, zakres, harmonogram i koszty. Budowę wyceniamy według kamieni milowych, a pierwsze działające komponenty pojawiają się zwykle po sześciu do ośmiu tygodniach.
Opisz proces, a w ciągu jednego dnia roboczego wrócimy do Ciebie ze wstępną oceną i propozycją 30-minutowej rozmowy o zakresie.
