Dalla pianificazione all’assegnazione dei compiti: se ne occupa l’AI
Anthropic ha aggiunto alla piattaforma di esecuzione per agenti AI «Claude Managed Agents» flussi di lavoro dinamici che distribuiscono le attività tra più agenti. Un agente coordinatore elabora un piano, assegna i compiti agli agenti secondari e integra i risultati. In una singola esecuzione è possibile far operare in parallelo fino a 1.000 agenti.
Un agente AI è un sistema di intelligenza artificiale che svolge attività per raggiungere un obiettivo assegnato. Con questa nuova funzione, invece di affidare tutto a un solo agente, il lavoro viene suddiviso tra un coordinatore e agenti operativi. Alla piattaforma di esecuzione esistente si aggiunge così un meccanismo per far lavorare insieme più sistemi di AI.
Il limite di 1.000 agenti non è l’unico aspetto da considerare. A occuparsi della suddivisione del lavoro e della raccolta dei risultati è l’AI stessa. Tuttavia, il numero di agenti che possono lavorare in parallelo non si traduce automaticamente in una maggiore velocità di elaborazione o in risultati migliori nella stessa misura.
Rilevati 66 bug su 70
Nel test presentato da Anthropic, sono stati inseriti intenzionalmente 70 bug in 116.000 righe di codice, per poi confrontare i risultati del rilevamento. In una singola esecuzione, un agente che lavorava da solo ne ha individuati da 14 a 27; il flusso di lavoro dinamico, invece, ne ha rilevati 66 in modo costante.
In termini di tasso di rilevamento, si tratta di circa il 20-39% per l’agente singolo e di circa il 94% per il flusso di lavoro dinamico. In questo test, la suddivisione del lavoro tra più agenti ha portato a individuare più bug. Tuttavia, nemmeno il risultato di 66 bug significa che siano stati trovati tutti quelli inseriti nel test.
Il risultato riguarda inoltre un compito specifico: il rilevamento di bug nel codice. Non è possibile stabilire se si otterrebbe una differenza analoga in altre attività, come la ricerca o la redazione di documenti. I materiali forniti non indicano neppure quanti agenti siano stati effettivamente usati nel test: sarebbe quindi prematuro interpretare il risultato come frutto dell’impiego di 1.000 agenti.
Per decidere se adottarla conta il costo per risultato, non il numero di agenti
La suddivisione del lavoro comporta anche un aumento del carico di elaborazione dell’AI. Anthropic avverte che il sistema potrebbe consumare molti token e consiglia di iniziare con una configurazione ridotta. I token sono unità di testo o codice elaborate dall’AI e costituiscono un parametro utile per valutare i costi di utilizzo.
Per le aziende, la questione non è quanti agenti AI si possano avviare, ma quanto costi ottenere risultati della qualità necessaria. Anche se il sistema individua più bug, la decisione di adottarlo dipende da quanto aumentano i costi e il lavoro di verifica. Una scelta pragmatica è confrontare, sullo stesso compito, un agente singolo e una configurazione con pochi agenti, misurando il numero di bug rilevati, il tempo impiegato e i costi.
I materiali forniti non riportano il costo totale, il tempo di elaborazione né il consumo di token del test comparativo. Il dato verificabile è la differenza nel numero di bug rilevati; non è stato invece dimostrato il rapporto costo-efficacia.
コメント