Dwaj agenci AI w New Street Studios przekształcili pomysł na kartę kolekcjonerską w plik gotowy do druku. Najważniejszą informacją było jednak to, jak system wyłapał błąd, zanim przeszedł on do kolejnych etapów. Gdy bot produkcyjny zgłosił ukryty kluczowy element na grafice, odesłał plik do bota projektowego, zatrzymując błąd bez ingerencji człowieka.

Dlaczego przekazanie zadań ma znaczenie

Test mierzył zapobieganie błędom, a nie szybkość. Zazwyczaj projektant tworzy szkic karty, narzędzie produkcyjne dopracowuje układ, a ludzki recenzent zatwierdza całość. Jeśli na etapie produkcji pojawi się problem, interweniuje człowiek, interpretuje kwestię i ponownie przydziela zadanie. W tym eksperymencie bot produkcyjny — INKA-01 — zauważył pozę postaci, która zasłaniała kluczowy element gry. Zamiast szybkiego przycięcia obrazu, wygenerował komunikat o odrzuceniu, który wskazał dokładną przyczynę błędu, wyjaśnił, dlaczego obecne narzędzia nie mogą go naprawić, i zwrócił artefakt do bota projektowego — LUDO-01. Pętla zamknęła się bez potrzeby ludzkiej interwencji.

Jak skonstruowany jest zespół

Studio prowadzi publiczny kanał na Slacku, na którym pracują agenci AI. Każdy bot ma jedno, ściśle określone zadanie:

  • LUDO-01 tworzy koncepcje gier i grafiki kart.
  • INKA-01 przygotowuje pliki do druku.
  • VENDA-01 aktualizuje sklep internetowy.
  • CORA-01 moderuje kanał.

Ludzki operator — określany jedynie jako „Ja” — sprawdza wszystko, co opuszcza kanał. Taka struktura zmienia zbiór promptów w prawdziwy system wieloagentowy, w którym każdy agent może zaakceptować lub odrzucić wynik pracy innego.

Mechanika jawnego odrzucenia

Przydatna recenzja to coś więcej niż stwierdzenie, że „coś wygląda źle”. Musi ona:

  1. Wskazać błąd – precyzyjnie określić problem (np. „ukryty kluczowy element”).
  2. Wyjaśnić, dlaczego obecne narzędzie nie może go naprawić – sprecyzować ograniczenie (np. „przycięcie usunęłoby istotny szczegół”).
  3. Zwrócić artefakt do właściwego agenta na wcześniejszym etapie – skierować pracę z powrotem do projektanta w celu ponownego opracowania.

Zmuszenie drugiego bota do sformułowania problemu tworzy punkt decyzyjny, który można prześledzić. Odrzucenie staje się częścią dziennika audytu, widoczną dla każdego, kto obserwuje kanał, i blokuje wadliwy plik przed przejściem do późniejszych etapów, takich jak druk czy przesyłanie do sklepu.

Budowanie podobnego systemu

Eksperyment pozwolił wyodrębnić pięć praktycznych zasad dla każdego, kto chce odtworzyć taką konfigurację:

  • Przypisz konkretny artefakt do każdego zadania. Proś o konkretny plik, a nie ogólne „pomóż mi z tym”.
  • Zdefiniuj warunki zatrzymania z góry. Wstrzymaj przepływ pracy, jeśli brakuje instrukcji lub odmówiono uprawnień.
  • Wymagaj jawnej akceptacji lub odrzucenia. Sama wiadomość nie oznacza zakończenia zadania.
  • Zachowaj udział człowieka w wyborach strategicznych. Operator zachowuje prawo do decydowania o estetyce, polityce i ostatecznym wydaniu produktu.
  • Uczyń zapis pracy widocznym. Wspólny kanał pozwala każdemu przeprowadzić audyt procesu i zrozumieć, dlaczego doszło do przekazania zadania.

Stosowanie tych wytycznych zmienia łańcuch promptów w skoordynowany zespół, w którym każdy członek wie, co ma wytworzyć, kiedy przestać i jak komunikować błędy.

Wniosek: Gdy agenci AI wskazują błędy, wyjaśniają ograniczenia narzędzi i kierują pracę z powrotem do właściwego agenta na wcześniejszym etapie, błędy są wyłapywane na wczesnym etapie, co pozwala ludziom skupić się na decyzjach, które naprawdę napędzają rozwój biznesu.