多重 AI Agent 系統由多個人工智慧（AI）Agent 組成，該 Agent 可自主行動，但也協同合作以了解使用者輸入、制定決策和執行工作細項，以達成共同目標。

多重 AI Agent 系統可解決複雜、多步驟、大規模的問題，讓團隊專注於更有價值的工作。

業務中的多重 AI Agent 系統範例如下：

• 客戶服務：AI Agent 可協同合作，在技術支援通訊中追蹤客戶問題、建議修復、升級解決方案，以及調整計費或核發退款。
• 供應鏈：代表不同供應商的 Agent 可即時協同合作，根據需求預測庫存需求、分配資源和調整作業。
• 安全性和詐欺偵測：AI Agent 可監控詐騙活動、評估風險，並調整組織的行動以減少威脅。

了解多重 AI Agent 系統

多重 AI Agent 系統的功能不僅只是將工作流程自動化，在一定程度上還應歸功於 AI Agent，這基本上是生成式 AI 的新先驅。AI Agent 的能力遠不僅限於簡易的聊天機器人功能，還將推動 AI copilot 的發展。想像一個人獨立行動的情況：一個人只能擁有有限的專業知識，且獨立作業時，只能完成有限的工作。AI Agent 也是如此，協同合作相較於獨立作業，能完成更多工作。

人力資源是多重 AI Agent 系統的一個實際範例，AI Agent 可透過篩選、排序和推薦應徵者以自動支援招募程序。

另一個例子是在整個供應鏈中，AI Agent 可自主評估機器停機時間造成的影響、重新排程受影響的訂單、重新分配庫存，並規劃和排程維護。

• AI：AI Agent 核心運算能力
• AI Agent：智慧 Agent 的子集可透過專業化、自動決策制定和任務執行，讓自己的代理商更進一步
• 大型語言模型（LLM）：以大量資料訓練的 AI 系統，讓 AI Agent 能了解人類語言並以對話方式回應，內容包括回答問題、產生文字並根據所學習的內容制定其他決策。
• 協調：AI Agent 之間的資訊交換
• 環境：AI 可發揮作用的實體、數位和模擬空間

多重 AI Agent 系統如何運作？

多重 AI Agent 系統在個別 Agent 之間分配任務和溝通，每個 Agent 都能發揮專長，並在共享環境中共同實現目標並從中學習。這種任務劃分功能是多重 AI Agent 系統能夠解決複雜問題的關鍵。

主要多重 AI Agent 系統架構

多重 AI Agent 系統通常以集中式或分散式網路的形式運作。

• 在 集中式 網路中，單一伺服器可控制 AI Agent 的互動和資訊。這個指揮官 Agent（在人類的語境下即為專案經理）具有對整個流程和系統進行推理的能力，可簡化通訊並標準化資訊。使用集中式多重 AI Agent 系統的主要缺點是可能造成單點故障。
• 在 分散式 網路中，AI Agent 會控制自己與其他 Agent 的直接互動，而非由單一伺服器（以下簡稱「專案經理」）進行控制。專門的 AI Agent 對於想達成的事項，有共同的理解和共同的責任。分散式多重 AI Agent 系統雖然比集中式網路更強大且可擴充，但使用該系統的主要缺點是需要進行更複雜的協調工作。

多重 AI Agent 系統和單一 AI Agent 有何差異？

多重 AI Agent 系統和單一 AI Agent 系統之間有以下差異：

• 單一 AI Agent 可在自身環境中自動工作，以執行需完成工作細項。此類 Agent 使用 LLM 了解使用者輸入、設計工作流程，並調用工具以執行規劃的工作流程。
• 在多重 AI Agent 系統中，多個 AI Agent 可與彼此流暢、反覆互動，且可將個別屬性和專業知識整合在一起，不僅可達成任務，還能進行學習。多重 AI Agent 系統可具有數千個獨立 Agent

協同合作是每個企業都在使用的策略，能使團隊的作用大於個別作業的總成果，策略中包含專案管理、開發團隊會議和論壇等內容。與獨立行動相比，協同合作能讓 AI Agent 達成更多目標，例如，避免錯過專業領域外的機會。透過相互交流，AI Agent 的作用更像是人類團隊，並可填補其他方面的不足。

兩種系統的之間的差異類似於，一位專家在團隊中像車輪上的齒輪般，發揮自己的專長，而另一個專家組成的團隊則透過即時協調以取得成功。

單一 AI Agent 系統與多重 AI Agent 系統之間的關鍵區別，在於後者在解決該問題時，能理解問題的複雜性和有效解決問題。

想像一下，一位專案經理將個別專家（例如軟體工程師、設計師、產品經理等）集結與一個團隊中，透過協同合作來完成更大的目標。多重 AI Agent 系統就如同專案經理或專案計劃，可藉由專家團隊執行更多工作。根據 AI Agent 的專長為其分配任務時，可協助 LLM 確定重點任務的優先順序，從而提供更好的效能。

在多重 AI Agent 系統中使用專門的 AI Agent 還能為開發人員提供可遵循的架構，使其將任務細分更容易編程的子任務。最後，許多使用多重 AI Agent 系統的團隊可能會發現，系統的效能超越單一 AI Agent 系統，進而推動新的創新及提升開發人員生產力。

選擇多重 AI Agent 系統的時機

一般而言，任何已使用 AI Agent 的組織皆可實現多重 AI Agent 系統的效益。選擇單一 AI Agent 系統和多重 AI Agent 系統，取決於組織或專案的特定需求；實現目標的關鍵在於訓練、維護和處理輸出，這是發展人類團隊所需的任務是相同的。

• 當任務 簡單 且 明確 時，單一 AI Agent 系統便是理想的選擇。
• 若任務複雜，且需要跨多個學科的專業知識，則多重 AI Agent 系統為理想系統。

實際多重 AI Agent 系統的範例

得益於多重 AI Agent 系統的彈性和適應力，該系統幾乎適用於所有產業。

• 自動化生產線：透過預測性維護 AI Agent 減少停機時間，這些 AI Agent 可稽核設備並與其他 Agent 溝通以排程必要的維修
• 智慧電網：使用一個 Agent 監控天氣系統，並使用另一個 Agent 來預測能源需求，以最佳化能源分配
• 自動駕駛車輛：使用 AI Agent 控制相機系統，與螢幕顯示 Agent 協同合作來引導駕駛員，進而提升安全性
• 病患醫療保健與協調：使用代表不同醫療保健專業人員的 Agent，加速診斷和介入，以設計全方位的治療計劃
• 供應鏈管理：使用單一 AI Agent 快速因應變化，監控銷售趨勢並與其他 Agent 溝通以調整重新排序層次
• 運輸系統：使用一個 Agent 監控交通狀況，並與另一個 Agent 共享，以最佳化公共交通路線，從而改善導航效果

多重 AI Agent 系統在技術與 AI 領域的應用效益

針對複雜任務（例如撰寫代碼），多重 AI Agent 系統會分配工作給各個 Agent，而每個 Agent 分別代表軟體工程師、產品經理、設計師、品質保證工程師和任務所需的其他角色。各 AI Agent 會執行其任務，且整體多重 AI Agent 系統會協調集體工作，並讓各 Agent 協同合作、推理下一步和後續步驟，最終達成整體目標。

雖然單一 AI Agent 本身具有強大功能，不過作為多重 AI Agent 系統的一部份時，單一 AI Agent 可提供更佳的準確性、可擴展性和彈性。多重 AI Agent 系統可讓員工以專注於更高價值、更具策略性的工作，而不是花時間監督人工、重複性和勞力密集的工作流程。

多重 AI Agent 系統的整體效益包含：

• 協同合作：運用 AI Agent 團隊的集體智慧，了解並解決日益複雜的問題。
• 效能：讓更多的專業 AI Agent 在其環境中互動和學習，可比獨立作業的單一 Agent 更快完成更多任務。
• 效率：多重 AI Agent 系統設計模式為開發人員提供架構，說明如何將複雜任務細分為更容易編碼的子任務。

建立多重 AI Agent 系統

建立多重 AI Agent 系統時，必須考量組織可用資料的品質和深度。

設計多重 AI Agent 系統

要制定更明智的決策並大規模提高效率，首先要有一個針對企業獨特的資料架構，以及產業的細微差異而量身打造的系統。這可確保組成組織多重 AI Agent 系統的 AI Agent 具有最相關、最可靠且值得信賴的資料。

1. 確定專案需求並選擇最理想的 LLM 以滿足這些需求。多重 AI Agent 系統的最佳 LLM 提供先進的推理、閱讀理解、語言理解和程式碼產生功能。
2. 定義各 AI Agent 的角色和目標。確保各 AI Agent 了解，作為更大目標的一部分，應該做什麼，並為 AI Agent 指派正確的 LLM 和必要的工具。
3. 為各 AI Agent 啟動工作流程。協調 AI Agent，使其正確完成任務，並實現和諧有效的協同合作。啟動工作流程包括建立 AI 環境、定義工任務、啟動 Agent、監控通訊和產生輸出。

建置多重 AI Agent 系統的重要考量

組織部署的每個系統都必須高效且符合倫理，並在既定法規範圍運作，這需要不斷進行評估並建立管理架構。

• 建立使用 AI 的道德規範。

• 確定各 AI Agent 的表現指標。

• 當 AI Agent 和/或任務數量增加時，重新測試系統效能。

• 評估系統從錯誤中復原、適應變化，並交付業務持續性的能力。

• 持續監控並稽核多重 AI Agent 系統，以識別待改善範圍。

管理特定考量

• 執行保護資料隱私、防止偏見並遵守法規和產業標準的標準。
• 對 AI Agent 進行程式設計，以監控其他 Agent 的活動，並是別人和違反道德的行為。
• 維護 AI Agent 決策的透明度以建立信任。
• 建立多重 AI Agent 系統作業的透明度，以符合法規遵循。
• 識別並降低風險以減少錯誤並提高可靠性。

人的監督權

• 在工作流程中使用「人員參與流程」模型，以維持與人類價值的一致性。
• 包含人類接觸點以監控和防止未經許可的自主行動。

多重 AI Agent 系統的挑戰

雖然多重 AI Agent 系統的功能強大，但仍有一些挑戰有待考量。

• AI 仍必須熟練處理複雜的任務、工作流程，以及不容易預先組態或需要完成多個步驟的企業流程。
• 擁有更多 AI Agent 會增加系統的複雜性、設定和所需維護。
• 分散式多重 AI Agent 系統在其 AI Agent 中可能會出現不可預測的行為，這些 Agent 會在真實資訊的基礎上傳遞不正確的資訊。偵測不準確的來源並管理基於錯誤資料的行為可能非常困難。
• 使用 AI 的人類也必須遵循 AI 道德使用的規則和準則。

多重 AI Agent 系統的下一步應用

從提升營運效率，到提供更多服務價值以減少投入，AI Agent 代表工作完成方式的主要轉變。

新興趨勢和預測

隨著 AI 的功能越來越強大、資料管理變的更加嚴格，多重 AI Agent 系統不斷發展以產生越來越準確、適用且適應性強的結果。一些應用情境包括提供虛擬客戶服務來回答常見問題、監控供應鏈和管理庫存、預測市場趨勢和推薦潛在成長機會、更新職缺公告和產生應徵者清單，並透過即時監控交易以追蹤和防止詐欺。

未來的趨勢之一是將多重 AI Agent 系統與日益動態化的機器學習演算法結合，以推進資料分析及應用程式開發。另一個趨勢是運用各個 AI Agent 不斷增強的智慧和功能來提高多重 AI Agent 系統的效率。

AI 和技術的影響

隨著 AI Agent 持續調整和學習，多重 AI Agent 系統將使 AI 更深入地解決各種規模、焦點和產業的組織面臨的複雜問題。這些功能讓 AI 能對企業和社會產生更大的影響。

常見問題