בעידן שבו משימות עסקיות מורכבות דורשות גמישות רבה, רוב מערכות הרב-סוכנים המבוססות מודלי שפה גדולים (LLM) נשענות על זרימות עבודה מוגדרות מראש. מהנדסים אנושיים מנתחים מצבים אפשריים ומגדירים כללי ניתוב והזרקת הקשרים, אך גישה זו – שמקבילה לעץ החלטות מבוסס חוקים – סובלת משתי מגבלות יסודיות: מאמץ ידני עצום לצפייה בכל מצבי המשימה, וכיסוי חלקי בלבד של מרחב המצבים במשימות מורכבות בעולם האמיתי. חוקרים מקבלת CORAL מציעים פתרון חדשני.
הפרדיגמה החדשה, המכונה Information-Flow-Orchestrated Multi-Agent Paradigm via Agent-to-Agent (A2A) Communication, משתמשת במתזמן זרימת מידע ייעודי שמפקח ללא הרף על התקדמות המשימה. המתזמן תוקף סוכנים אחרים באמצעות ערכת כלים A2A בשפה טבעית, ללא תלות בזרימות עבודה מוגדרות. גישה זו מאפשרת תיאום דינמי והסתגלות למצבים בלתי צפויים, ומשחררת את הצורך בתכנון ידני מקיף.
בבדיקות על ספסל הניסוי הכללי GAIA, תוך שימוש במערכת OWL המבוססת זרימות עבודה כבסיס השוואתי – עם אותם תפקידי סוכנים ומודלים – השיגה הפרדיגמה החדשה דיוק של 63.64% בהגדרת pass@1, לעומת 55.15% של OWL – שיפור של 8.49 נקודות אחוז. צריכת הטוקנים הייתה דומה, ונראה כי הגישה מצטיינת בטיפול במקרי קצה ובניטור משימות גמיש יותר.
משמעות הגישה טמונה ביכולתה להתמודד עם משימות עסקיות מורכבות כמו ניתוח נתונים רב-מקורי או אוטומציה של תהליכים עסקיים, שבהם מצבים בלתי צפויים נפוצים. בהשוואה למתחרים כמו OWL, היא מפחיתה את הזמן לפיתוח ומגבירה את האמינות, מה שרלוונטי במיוחד לחברות ישראליות בתחום ההייטק שמשקיעות ב-AI ארגוני.
למנהלי עסקים בישראל, פרדיגמה זו פותחת אפשרויות חדשות לבניית מערכות AI אוטונומיות שמתאימות עצמן אוטומטית. היא מאפשרת חיסכון במשאבים ומפחיתה סיכונים במשימות קריטיות. הקוד זמין בגיטהאב, מה שמזמין ניסויים מיידיים. האם הגיע הזמן לשדרג את מערכות הרב-סוכנים שלכם?