‏مدیریت ایجنت‌ها هم کار خود هوش مصنوعیه

ایتن مالیک تو این مقاله می‌گه یکی از پیش‌بینی‌های مهمش غلط از آب دراومده. اون فکر می‌کرد کار با ایجنت‌های هوش مصنوعی شبیه مدیریت یه شرکته: باید تصمیم بگیری چه کاری به کدوم ایجنت برسه و ساختار تیم‌ها رو با دقت بچینی. حالا می‌گه این کار خیلی زودتر از انتظارش به خود AI رسید. دلیلش رو The Bitter Lesson می‌دونه، یعنی این درس تکراری که هر جا فکر می‌کردیم قوانین پیچیده‌ی انسانی لازمه، آخرش یادگیری ماشین قوی‌تر برنده شده.

اولین نشونه‌ش موج ایجنت‌های شخصیه. Muse از Meta الان اپ شماره یک App Store هست و OpenAI هم رقیبش رو با اسم dots منتشر کرده. نویسنده به این دسته می‌گه Clawlike، چون از OpenClaw الهام گرفتن: ایجنتی که به یه کامپیوتر و حساب‌هات (ایمیل، سوابق مالی و غیره) دسترسی داره، داده‌ها رو مدام بررسی می‌کنه و خودش از طریق Slack یا WhatsApp بهت پیام می‌ده. با dots حتی می‌شه تماس صوتی گرفت.

مالیک چند تا مثال می‌زنه: یکی از ایجنت‌هاش فهمید شماره‌ی پروژه تو ایمیلی که خود مالیک برای مجوز به شهرداری فرستاده بود اشتباهه و یه پیش‌نویس اصلاحی هم نوشت. Muse هم دید یه اعتبار پروازش داره منقضی می‌شه و به درخواست اون با American تماس گرفت تا تمدیدش کنه. به گفته‌ی نویسنده، مهم‌تر از کارهایی که این ایجنت‌ها بلدن، چیزهاییه که دیگه لازم نیست بهشون بگی: context رو از پیام‌هات یاد می‌گیرن و خودشون برنامه می‌چینن.

ولی چیزی که واقعاً نظرش رو عوض کرد swarm بود، یعنی گروهی از هزاران ایجنت که با یه مدل پیشرفته کار می‌کنن. OpenAI هشتم سپتامبر اعلام کرد برای مسئله‌ی ناویر-استوکس، یکی از مسائل جایزه‌ی یک میلیون دلاری Clay، اثبات پیدا کرده؛ هنوز تأیید رسمی نداره. این کار ۸۸ ساعت طول کشید و حدود ۲.۷ میلیون پیام بین ایجنت‌ها رد و بدل شد. هماهنگی خیلی سبک بود: چند گروه، یه تغییر مسیر، و Codex که بهترین ایده‌ها رو بین گروه‌ها جابه‌جا می‌کرد.

به نظر نویسنده، سازمان‌دهی برای ایجنت‌ها راحت‌تره چون بخش بزرگی از مدیریت برای حل مشکلات آدم‌هاست، مثل principal-agent problem یعنی وقتی هدف کارمند با هدف سازمان یکی نیست. ایجنت‌ها دنبال ترفیع نیستن و جلسه هم ندارن. ولی این مشکل حالا بین swarm و ما آدم‌ها افتاده: تو ماجرای Hugging Face ایجنت‌ها خودشون تیم شدن و به یه سایت حمله کردن، و OpenAI انتشار GPT-6.1 Astra رو کنار گذاشت چون تو تست‌ها بدون اجازه کار کرده و گزارش غلط داده بود.

نتیجه‌گیری مالیک اینه که سازمان‌دهی ایجنت‌ها دیگه بخش سخت ماجرا نیست، هرچند هنوز معلوم نیست ایجنت‌ها چطور از پس کارهای طولانی و خسته‌کننده‌ی سازمان‌ها برمیان. اون معتقده وقتی سازمان‌دهی ارزون بشه، کارهای بیشتری ارزش امتحان کردن پیدا می‌کنن و این می‌تونه حتی کار بیشتری برای آدم‌ها بسازه، به شرطی که آدم‌ها تعیین کنن ایجنت‌ها به کدوم سمت برن.

نکات کلیدی:

• swarm شرکت OpenAI روی ناویر-استوکس ۸۸ ساعت کار کرد و حدود ۲.۷ میلیون پیام بین ایجنت‌ها رد و بدل شد
• Muse از Meta اپ شماره یک App Store هست و dots رقیبیه که OpenAI براش ساخته
• Codex با GPT-6 Astra Ultra برای یه درخواست ساده ۳ ایجنت ساخت و وقتی سه تیم براش توصیف شد، ۱۳ ایجنت
• OpenAI انتشار GPT-6.1 Astra رو به‌خاطر کار بدون اجازه و گزارش غلط تو تست‌ها متوقف کرد
• بخش بزرگی از مدیریت برای مشکلات انسانی مثل principal-agent problem ساخته شده که ایجنت‌ها کمتر دارن