マッキンゼーは、50のエージェントAIビルドと、それらが最も失敗する場所を調査し、AIエンジニアにとって不可欠な6つの重要な要素に要約しました。 1. エージェントの問題ではなく、ワークフローの問題です。「印象的な」エージェントを構築することにこだわらないでください。楽しいおもちゃではなく、システム全体について考えてください。 2. エージェントが必ずしも答えであるとは限りません。 すべてのワークフローにマルチエージェントシステムが必要なわけではありません。分散が少なく予測可能なタスクはルールやMLで処理するのが最適ですが、LLMは複雑さを増します。エージェントにとっての大きなメリットは、分散性が高く、厄介なプロセス(複雑な財務情報の抽出など)にあります 3. 「AIスロップ」を避ける。(共通) 従業員の育成と同様に、エージェントの長期的な育成に焦点を当てます。印象的なデモは忘れてください。ベンチマークを倍増させます。エージェントには、定期的に改善できるように、明確な職務内容、オンボーディング、フィードバックを与える必要があります。 4. 結果だけでなく、すべてのステップを追跡します。 可視性を持たずにエージェントをスケールアップすることは、サイレントエラーを要求します。ワークフローのすべての段階を監視することを検討してください。このようにして、チームはエラーを早期に検出し、ロジックを迅速に改良し、完全な故障を回避できます。間違いが発生した場合 (そして間違いが発生する予定)、どこで問題が発生したのか、そしてその理由を追跡できます。これをスキップしないでください。 5. 可能な場合は薬剤を再利用します。 多くの企業は、タスクごとに 1 回限りのエージェントを構築するのに時間を無駄にしています。より賢い方法は、他のワークフローで再利用できるモジュール式エージェントコンポーネント(取り込み、抽出、検証、分析)を作成することです。検証済みのツールとプロンプトを一元化することで、冗長な作業の30〜50%が削減されますが、この数字は冗談ではありません。 6. 人間は依然として不可欠ですが、新しい役割を担っています。 エージェントは解析、自動化、スケーリングを行うことができます。しかし、人間は判断力、エッジケースの処理、創造的な問題解決を提供します。未来はエージェント対人間ではなく、エージェント+人間です。 これらは、スタートアップや既存の企業が大規模に犯す間違いです。彼らは評判とリソースに多大な損害を与えます。これでこれを回避する方法がわかりました。

研究関係者は皆、Natureに掲載されたこの新しいDeepSeek論文に正気を失っています。これは荒らしではなく、実際に新しい論文を発表しました。

エージェントタスク用にモデルを事前トレーニングしてみませんか? まあ、彼らはそうしました。そしてそれはうまくいきました。 彼らは、事前トレーニングの後とトレーニング後の前に中間ステップを導入しました。彼らはエージェントのアクションデータを合成し、AgentFounder-30B モデルは 10 のベンチマークで新しい SOTA を設定します。 また、SFT は、このエージェント継続的事前トレーニング ステップ後の損失も大幅に小さくなります。 なぜこれが機能するのでしょうか? 汎用基礎モデルには通常、エージェントの帰納バイアスがなく、バードンをトレーニング後に置くためです。 トレーニング前の段階で多段階の推論とツールの使用を導入すると、特に短期間のエージェントタスクと長期期間のエージェントタスクを組み合わせて行う場合、トレーニング後の方法が容易になります。 では、エージェントでビジネスを運営したり、あらゆる規模でエージェントを構築したりする場合、これは何を意味するのでしょうか? 低コストでデータを合成し、基礎モデルをさらに事前学習させてから、事後学習を行うことができます。