لقد أدى ظهور ChatGPT إلى تعزيز شعبية النماذج اللغوية الكبيرة (LLMs) عبر مختلف الصناعات، بسبب قاعدة معرفتها الضخمة - التي يتم تحديثها بانتظام من بيانات الإنترنت الواسعة - وقدراتها الناشئة التي تتفوق على تلك الموجودة في النماذج الأصغر. ومع ذلك، يبقى تحقيق الذكاء العام الاصطناعي (AGI)، الذي يعرِّفه جارتنر بقدرته على فهم وتطبيق المعرفة عبر مهام متنوعة، هدفًا بعيد المنال. تشمل التحديات الطبيعة التلقائية الارتجاعية للنماذج اللغوية الكبيرة، والتي يمكن أن تؤدي إلى عدم دقة، وقيود على تحديث المعرفة، والقدرات الاستدلالية، والوصول إلى المعلومات في الوقت الفعلي. لمواجهة هذه التحديات، يتم الآن استخدام وكلاء الأذكياء، الذين تطوروا على مدى عقدين من الزمن، بجانب النماذج اللغوية الكبيرة. هؤلاء الوكلاء يعملون كأدوات متعددة الاستخدامات - متكاملة الذاكرة، والاستدلال، والعمل - مما يمكنهم من أداء مهام ديناميكية وأكثر استقلالية. يستخدمون مكونات متنوعة: أدوات للوصول إلى المعلومات الخارجية، وذاكرة لتخزين البيانات، ومفكر لتفكيك المهام المعقدة، وأفعال متكيفة بناءً على التحليل. يتفوق الوكلاء في إدارة المهام المعقدة، مثل الأدوار التمثيلية، حيث يركز الوكلاء المختلفون على أهداف فرعية مميزة. يمكن أن تحسن النهج المتعددة الوكلاء أداء الاسترداد وتقييم الوثائق بما يتجاوز أنظمة الوكيل الواحد.

تُدمج الأطر مثل CrewAI هذه القدرات، مما يسمح بحل المشكلات المتقدمة في مجالات مثل إدارة سير العمل. في السياقات التقليدية مثل معالجة القروض، يمكن لأنظمة الوكيل المتعدد تبسيط سير العمل، بحيث يتعامل كل وكيل مع مهام محددة. ومع ذلك، لا تزال الاستقلالية الكاملة غير ممكنة؛ يظل الإشراف البشري ضروريًا للتحقق في الخطوات الحيوية. تشمل التحديات في نشر الحلول المتعددة الوكلاء التوسع، والتأخير، وتغير الأداء. يمكن أن تخفف الحلول مثل الأطر المستندة إلى الأحداث والنماذج اللغوية الكبيرة المستضافة ذاتيًا من بعض هذه القضايا. بشكل عام، مع استمرار تطوير الوكلاء بجانب النماذج اللغوية الكبيرة، لديهم القدرة على سد الفجوة نحو الذكاء العام الاصطناعي من خلال تعزيز القدرات ومعالجة أنواع بيانات متنوعة.