McKinsey zbadał 50 konstrukcji agentów AI i zidentyfikował, gdzie najczęściej zawodzą, redukując to do 6 kluczowych czynników — niezbędnych dla inżynierów AI: 1. Nie chodzi o agenta, chodzi o przepływ pracy. nie obsesjonuj się budowaniem "imponujących" agentów. myśl o całym systemie, a nie o zabawkach. 2. Agenci nie zawsze są odpowiedzią. Nie każdy przepływ pracy wymaga systemu wieloagentowego. Zadania o niskiej zmienności i przewidywalne najlepiej obsługiwać za pomocą reguł lub ML, LLM wprowadzają złożoność. Duże korzyści dla agentów pojawiają się w procesach o wysokiej zmienności i chaotycznych (np. wydobywanie złożonych informacji finansowych). 3. Unikaj "AI Slop". (powszechne) Skup się na długoterminowym rozwoju agentów, tak jak z rozwojem pracownika. Zapomnij o imponujących pokazach. Skup się na benchmarkach. Agentom należy nadać jasne opisy stanowisk, wprowadzić ich do pracy i zapewnić feedback, aby regularnie się poprawiali. 4. Śledź każdy krok, nie tylko wyniki. Skalowanie agentów bez widoczności to prośba o ciche awarie. Pomyśl o monitorowaniu każdego etapu przepływu pracy. W ten sposób zespoły wcześnie wykrywają błędy, szybko udoskonalają logikę i unikają całkowitych awarii. Kiedy zdarzają się błędy (a zdarzą się), możesz śledzić, gdzie poszło coś nie tak i dlaczego. Nie pomijaj tego. 5. Wykorzystuj agentów ponownie, kiedy możesz. Wiele firm marnuje czas na budowanie jednorazowych agentów do każdego zadania. Mądrzejszym rozwiązaniem jest tworzenie modułowych komponentów agentów (przyjmowanie, wydobywanie, weryfikacja, analiza), które można wykorzystać w innych przepływach pracy. Centralizacja zweryfikowanych narzędzi i podpowiedzi zmniejsza o 30–50% zbędną pracę, ta liczba nie jest żartem. 6. Ludzie pozostają niezbędni, ale w nowych rolach. Agenci mogą analizować, automatyzować i skalować. Ale ludzie zapewniają osąd, obsługę przypadków brzegowych i kreatywne rozwiązywanie problemów. Przyszłość to nie agent kontra człowiek, ale agent + człowiek. To są błędy, które popełniają startupy i ustalone firmy na dużą skalę. Powodują ogromne szkody dla reputacji i zasobów. A teraz wiesz, jak ich unikać.