A la columna d'avui, presento una nova estratègia d'invocació destinada a optimitzar l'ús de la IA multi-agent. A mesura que la IA agentiva, incloent la IA generativa i els grans models de llenguatge (LLMs) que gestionen tasques específiques, continua evolucionant, un nombre creixent d’aquestes IA apareixerà. Per tant, redactar de manera efectiva indicacions per involucrar les IA agentives adequades esdevé crucial. Indicis mal ajustats podrien resultar en engagements innecessaris o no activar IA essencials. Aquesta columna forma part de la meva sèrie contínua a Forbes, que explora els darrers desenvolupaments en IA i les diverses complexitats dins del camp. **Enginyeria d’Indicacions a l’Era de la IA Agentiva** Anteriorment, vaig discutir diverses tècniques d'enginyeria d'indicacions que poden millorar els vostres resultats amb IA generativa, potencialment conduint a oportunitats lucratives. L'augment de la IA agentiva introdueix noves dimensions a l'enginyeria d'indicacions. Considerem planificar unes vacances amb IA generativa: mentre que la planificació inicial pot ser senzilla, la reserva sovint requereix el canvi a llocs web de tercers. Aquí és on entra la IA agentiva, que pot funcionar com un agent de viatges virtual, encarregant-se de la planificació i la reserva mitjançant interaccions en llenguatge natural. **El Valor de les IA Multi-Agent** En lloc de confiar en una sola IA agentiva, utilitzar múltiples agents pot millorar enormement l'eficiència. No obstant això, això també planteja el repte de determinar quins agents invocar. Les seleccions incorrectes poden comportar costos o complicar tasques, mentre que no involucrar els agents adequats podria obstaculitzar el progrés. Proposo dues abordatges principals per a la composició d'indicacions que impliquen IA multi-agent: 1. **Seient del Conductor:** Els usuaris especificen quins agents d'IA activar i en quina seqüència, reduint l'ambigüitat. 2. **Seient del Passatger:** Els usuaris descriuen la tasca general, permetent que l'IA generativa decideixi quins agents involucrar. Hi ha intercanvis amb cada enfocament. El seient del conductor proporciona control a costa de la potencial complexitat, mentre que el seient del passatger ofereix simplicitat però requereix una comunicació clara per evitar vagues. **Exemples en Assistència de Codi** Per il·lustrar-ho, utilitzem un escenari de codificació on hi ha cinc agents d'IA disponibles: 1.

**CodeFixer:** Depura i optimitza codi. 2. **CodeReviewer:** Avalua el codi per millors pràctiques. 3. **BugHunter:** Identifica vulnerabilitats i errors lògics. 4. **PerfAnalyzer:** Avalua el rendiment i suggereix optimitzacions. 5. **DocWriter:** Genera documentació. *Exemple del Seient del Conductor:* Quan es presenta una indicació per arreglar un script de Python, podríem dir: “Invocar CodeFixer, després BugHunter, seguit de PerfAnalyzer. ” L’IA generativa després confirma i executa la seqüència especificada. *Exemple del Seient del Passatger:* Alternativament, podria dir: “Necessito ajuda amb el meu script de Python; si us plau, invoca agents que puguin ajudar. ” L'IA interpreta la meva sol·licitud i selecciona els agents mentre em manté informat sobre les seves accions planejades. Tanmateix, indicacions vagues poden portar a resultats menys efectius. Per exemple, simplement demanar “ajuda amb el meu script de Python” pot no resultar en una implicació útil dels agents a menys que es clarifiqui. **Investigació Emergents en IA Multi-Agent** La investigació dins de la comunitat d'IA avança ràpidament. Un estudi recent va introduir "AgentRec", que es centra en la selecció eficient d’agents basada en indicacions d’usuaris. Les conclusions d'aquest estudi ressalten el potencial de l'IA generativa per millorar la seva capacitat de triar els agents apropiats a partir de dades aprenent. A mesura que adoptem i refinem aquestes tècniques, practicar la invocació d’IA multi-agent serà crucial. Tot i que moltes aplicacions d'IA generativa actualment restringeixen la invocació directa d'agents, el futur promet millores. Recordem les paraules de Lincoln: “El millor de el futur és que arriba només un dia a la vegada, ” que s'aplica al paisatge en evolució de la IA multi-agent.