Корпорация Fujitsu Limited сообщила о создании саморазвивающейся технологии для команд ИИ‑агентов, которая даёт нескольким агентам возможность совместно решать задачи и одновременно безопасно обучаться — на основе полученных результатов, человеческой обратной связи, а также изменений в правилах и проектных требованиях.
В компании поясняют, что в бизнес‑процессах, где задействованы массивы документов и спецификаций, выбор нужной информации традиционно ложился на плечи эксперта и опирался на его личный опыт. Со стороны систем также требовалось постоянное вмешательство специалистов — чтобы корректировать промпты, методы и критерии поиска, а также операционные правила. При этом самим ИИ‑агентам тяжело анализировать причины собственных ошибок и безопасно учитывать их в дальнейшей работе, из‑за чего промпты и настройки приходится править вручную.
Чтобы решить эту проблему, Fujitsu разработала подход, при котором агенты могут безопасно обучаться, самостоятельно анализируя свой рабочий опыт. Ключевая особенность — агенты не просто складируют сгенерированные рекомендации, а выявляют причины удач и провалов, извлекают полезные закономерности и формируют выводы. Благодаря этому они берут на себя задачи, которые раньше выполняли только эксперты: оперативную корректировку и обновление критериев оценки.
Технология прошла проверку в двух сценариях:
В дальнейшем Fujitsu планирует встроить технологию в собственную ИИ‑платформу и сделать её базовой для внутренней разработки и автономной работы ИИ, заточенного под конкретные бизнес‑задачи. Также её будут продвигать в отраслях, требующих узкой экспертизы и непрерывного совершенствования.
Объединив наработки доцентов Грэма Нойбига и Тима Деттмерса из Университета Карнеги‑Меллона с собственной технологией генеративной реконструкции ИИ, Fujitsu намерена развивать управление саморазвивающимися мультиагентными системами с пониженным потреблением памяти и энергии. Это откроет путь к использованию постоянно обучающихся ИИ‑команд не только в облаках, но и в чувствительных к конфиденциальности локальных и периферийных средах.
В компании поясняют, что в бизнес‑процессах, где задействованы массивы документов и спецификаций, выбор нужной информации традиционно ложился на плечи эксперта и опирался на его личный опыт. Со стороны систем также требовалось постоянное вмешательство специалистов — чтобы корректировать промпты, методы и критерии поиска, а также операционные правила. При этом самим ИИ‑агентам тяжело анализировать причины собственных ошибок и безопасно учитывать их в дальнейшей работе, из‑за чего промпты и настройки приходится править вручную.
Чтобы решить эту проблему, Fujitsu разработала подход, при котором агенты могут безопасно обучаться, самостоятельно анализируя свой рабочий опыт. Ключевая особенность — агенты не просто складируют сгенерированные рекомендации, а выявляют причины удач и провалов, извлекают полезные закономерности и формируют выводы. Благодаря этому они берут на себя задачи, которые раньше выполняли только эксперты: оперативную корректировку и обновление критериев оценки.
Технология прошла проверку в двух сценариях:
- Автоматическое улучшение и развитие отраслевых LLM. Мультиагентная система самостоятельно проходит весь цикл — отбор данных, подбор условий обучения, оценку и доработку — ранее требовавший участия специалистов. Каждый агент формирует предложения по улучшению на основе бизнес‑результатов и итогов оценки, отбирая только реально эффективные. Так Fujitsu автоматически адаптировала свою модель «Takane» для производства, медицины, финансов и госсектора, обновляя её прямо в ходе эксплуатации. Средняя точность выросла на 28 пунктов относительно исходных показателей. В медицине, например, технология позволяет структурированно извлекать данные под конкретные рабочие задачи.
- Поиск проектных спецификаций в крупных корпоративных системах. Подход внедрили в агентный поиск по документации электронной системы медкарт Fujitsu, рассчитанной на средние и крупные больницы.
В дальнейшем Fujitsu планирует встроить технологию в собственную ИИ‑платформу и сделать её базовой для внутренней разработки и автономной работы ИИ, заточенного под конкретные бизнес‑задачи. Также её будут продвигать в отраслях, требующих узкой экспертизы и непрерывного совершенствования.
Объединив наработки доцентов Грэма Нойбига и Тима Деттмерса из Университета Карнеги‑Меллона с собственной технологией генеративной реконструкции ИИ, Fujitsu намерена развивать управление саморазвивающимися мультиагентными системами с пониженным потреблением памяти и энергии. Это откроет путь к использованию постоянно обучающихся ИИ‑команд не только в облаках, но и в чувствительных к конфиденциальности локальных и периферийных средах.
