Dlaczego AI ma trudności z przejęciem niedokończonego zadania

Chociaż agenci AI potrafią rozwiązywać złożone zadania, nowe badanie wskazuje, że mają trudności z kontynuowaniem pracy rozpoczętej przez kogoś innego. Prowadzi to do powielania wysiłków, wolniejszych postępów i wyższych kosztów.

Jednym z najbardziej wyczerpujących, a zarazem niezbędnych elementów pracy z agentami AI i ich interfejsami jest konieczność wprowadzenia AI w bieżącą sytuację na początku niemal każdej wymiany wiadomości.

Choć popularne modele językowe, takie jak ChatGPT, oferują pewien dostęp do trwałej pamięci dostosowanej do użytkownika, jej działanie bywa zawodne. Ostatecznie bezpieczniej jest podjąć wysiłek wyjaśnienia AI kontekstu zadania*, choćby po to, by model nie odgadł błędnego kontekstu na podstawie swojej ukształtowanej podczas treningu przestrzeni latentnej.

Przejmowanie cudzej pracy w praktyce

To wyzwanie jest oczywiście starsze niż AI. Wiele firm już wymaga od pracowników dokumentowania procesów, które tworzą lub usprawniają: częściowo po to, by ułatwić wdrażanie nowych osób, ale, jak można argumentować, również po to, by nie dopuścić do wzrostu siły negocjacyjnej pracowników.

W praktyce jednak często tylko większe i lepiej finansowane organizacje rzeczywiście tworzą, aktualizują i utrzymują dokumentację. Pracownicy, którzy muszą przejąć cudzą pracę, bardzo często otrzymują zamiast tego zadanie detektywistyczne, wymagające żmudnego odtworzenia chronologii prowadzącej do niedokończonej pracy, którą im właśnie powierzono.

Oczywiście znakomita dokumentacja pozwoliłaby zaoszczędzić dni, tygodnie, a nawet miesiące pracy, gdyby tylko jej przygotowanie było finansowo uzasadnione.

Gdy zadania wykonują agenci AI, możliwości rozwiązania tego problemu mogą być większe.

Przekazywanie zadania

Nowe amerykańskie badanie ujmuje ilościowo to obciążenie wynikające z braku dokumentacji i określa je mianem długu przekazania.

Jeśli dług techniczny opisuje sytuację, w której dzisiejsze szybkie, prowizoryczne i tanie rozwiązania techniczne prowadzą w przyszłości do kruchych lub trudnych w utrzymaniu systemów, to dług przekazania określa koszt ponownego odkrycia – odtwarzania na podstawie śladów kolejnych kroków pracownika lub innego podmiotu, który nie może udzielić wskazówek, na przykład po zwolnieniu w atmosferze konfliktu, z braku czasu albo z powodu śmierci. Podmiot może też być niezdolny do udzielenia wskazówek, jak model językowy, który dawno utracił kontekst prowadzący do obecnego stanu pracy.

Nowy artykuł^† – owoc współpracy niezależnych badaczy oraz badaczy związanych z Georgia State University – dotyczy długu przekazania w przypadku agentów programistycznych, które mają kontynuować pracę w bazie kodu od miejsca, w którym przerwała ją inna sesja, osoba lub podmiot.

Jednym z celów jest ustalenie, ile dokumentacji potrzeba, by zmniejszyć dług przekazania, oraz jakie procedury i protokoły można byłoby zalecić jako przyszłą standardową praktykę ograniczającą ten problem.

Kwestie budżetowe

W idealnym świecie można by ustawić rejestrowanie zdarzeń w trybie szczegółowym, verbose i po prostu przekazać nowemu agentowi przejmującemu zadanie dzienniki dotyczące niedokończonej pracy.

Jednak wydobycie użytecznych informacji z tak dużej ilości danych wymagałoby czasu, zużywałoby budżet tokenów i mogłoby napotkać ograniczenia przestrzeni dyskowej. To jest problem budżetowy: przetwarzanie surowych zrzutów danych jest obciążające, natomiast wyselekcjonowane i opracowane dzienniki są mniej mylące, ale wymagają wcześniejszego zaangażowania zasobów.

Specjalnie przygotowane notatki skutecznie wprowadziłyby w sytuację agenta przejmującego zadanie. Wymagałyby jednak jeszcze więcej przygotowań, które mogłyby okazać się zbędne, gdyby logika pracy była ostatecznie oczywista, praca została porzucona albo nigdy już do niej nie wrócono.

Autorzy nowej pracy, zatytułowanej Handoff Debt: The Rediscovery Cost When Coding Agents Take Over Interrupted Tasks, rozważyli wszystkie te scenariusze i dostosowali istniejące modele zadań do nowych sposobów mierzenia i ograniczania długu przekazania. Choć praca dotyczy konkretnie agentów programistycznych, może też wskazać użyteczne kierunki dla szerszych zastosowań AI oraz polityki dokumentowania pracy.

Autorzy stwierdzają:

„Dług przekazania powstaje, gdy agent osiąga widoczny postęp, ale pozostawia stan, z którego następcy trudno kontynuować pracę: niewyjaśnione zmiany, pliki robocze, ukryte założenia lub brak dowodów walidacji.

„Miara oparta wyłącznie na ostatecznym rozwiązaniu nie pozwala odróżnić kosztownego ponownego odkrywania od sprawnej kontynuacji.

„Dwaj poprzedzający agenci mogą pozostawić ten sam punkt kontrolny repozytorium, ale koszty kontynuacji dla ich następców mogą być bardzo różne: jeden może od razu kontynuować, a drugi musi wykonać wiele interakcji z narzędziami, by odtworzyć zamiar na podstawie plików roboczych i niepełnej historii poleceń”.

Metoda

Autorzy definiują poprzednika jako poprzedniego agenta (który zainicjował lub ostatnio wykonywał pracę) i następcę jako obecnego agenta, któremu powierzono przejęcie pracy.

Aby zbudować zestaw testowy mierzący koszt przekazywania niedokończonych zadań inżynierii oprogramowania między agentami, 75 zadań z SWE-bench Verified zostało przekształconych w 181 scenariuszy przekazania, z których każdy odpowiadał momentowi przerwania pracy i przekazania jej następcy. Następnie przetestowano trzy różne modele następców w 2 172 próbach przejęcia.

W testach przekazania wykorzystano w różnych kombinacjach następujące rodziny modeli: Qwen, Gemma i Devstral.

W eksperymentach zbadano cztery poziomy dziedziczonych informacji. W najbardziej restrykcyjnym wariancie następca otrzymywał jedynie stan repozytorium, niejako wkraczając w nieudokumentowaną strefę katastrofy. Pozostałe warianty zapewniały coraz pełniejszy kontekst: od zapisów aktywności i historii poleceń po zwięzłe podsumowania tego, czego już próbowano i czego się dowiedziano:

Zamiast skupiać się wyłącznie na tym, czy ostatecznie rozwiązano zadanie, badanie miało mierzyć sam koszt kontynuacji, z uwzględnieniem użycia narzędzi, zużycia tokenów i wysiłku potrzebnego do odtworzenia rozumowania stojącego za wcześniejszą pracą.

Na potrzeby eksperymentów zdefiniowano trzy momenty uruchamiające przekazanie i trzy stany przekazania :

Dane i testy

Aby stworzyć realistyczne scenariusze przekazania, autorzy zbudowali zestaw testowy na podstawie 75 zadań inżynierii oprogramowania z SWE-bench Verified, skupiając się na problemach, których rozwiązanie zajmuje zwykle od 15 minut do 4 godzin.

Zamiast oceniać wyłącznie ukończone zadania, badacze zapisywali wiele pośrednich punktów kontrolnych podczas pracy, tworząc sytuacje, w których jeden agent AI musiał przejąć pracę innego:

Budowa zestawu testowego do oceny przejmowania zadań. Z 75 zadań SWE-bench Verified utworzono 181 punktów przekazania na trzech etapach pracy. Oznaczono je według stanu repozytorium w chwili przejęcia i oceniono w czterech warunkach udostępniania informacji, uzyskując łącznie 2 172 przebiegi przejęcia zadania przez agenta następcę. Źródło

Ponieważ każde zadanie mogło dać kilka punktów przekazania, a każdy punkt testowano przy użyciu czterech form przekazywanych informacji, zestaw testowy szybko się rozrósł. Ostatecznie obejmował 181 odrębnych zadań przekazania i 724 oceny przejęcia na każdy model następcy, czyli 2 172 przebiegi dla trzech testowanych systemów AI.

Do testów programistycznych wykorzystano środowisko typu OpenHands, z działaniami w terminalu, zamrażaniem repozytorium w punktach przekazania, edycją plików oraz oficjalną walidacją SWE-bench.

W głównym badaniu wszystkie punkty przekazania pochodziły z przebiegów, w których poprzednikiem był Qwen. Zapewniało to stały punkt wyjścia do oceny różnic między kombinacjami agentów i scenariuszami.

Przetestowano pary Qwen → Qwen, Qwen → Gemma oraz Qwen → Devstral.

Surowa historia przyniosła największe ograniczenie wysiłku następcy, zmniejszając liczbę zdarzeń agenta o 57–59%, podczas gdy notatki podsumowujące i notatki ustrukturyzowane zmniejszyły liczbę zdarzeń o 20–46%. Zużycie tokenów wejściowych również spadło we wszystkich trzech podejściach, o 42–63%:

Przy przekazaniu w warunku tylko repozytorium następcy musieli wykonać dodatkowe interakcje, by odtworzyć zamiar poprzednika, wcześniejsze dowody i nieskuteczne podejścia. Surowa historia, notatki podsumowujące i notatki ustrukturyzowane przekazywały część tych informacji bezpośrednio, ograniczając potrzebę ponownego odkrywania, choć za cenę większych promptów początkowych.

Aby sprawdzić, czy korzyści były rzeczywiste, każde przekazanie z bogatszym kontekstem porównano z przekazaniem w warunku tylko repozytorium, rozpoczynającym się w tym samym punkcie. We wszystkich parach modeli bogatszy kontekst konsekwentnie ograniczał pracę, którą musieli wykonać następcy.

Pełne zapisy zdarzeń przyniosły największe redukcje, ale również notatki podsumowujące i ustrukturyzowane zapewniały znaczne oszczędności. Efekt występował w całym zestawie testowym, a nie wynikał z kilku nietypowych przypadków:

Aby potwierdzić, że efekt nie wynikał z kilku nietypowych przypadków, badacze porównali każde przekazanie z przekazaniem w warunku tylko repozytorium, rozpoczynającym się w tym samym punkcie. Redukcje były konsekwentne we wszystkich parach modeli, co wskazuje na znaczący wzorzec korzyści, a nie zaledwie kilka wyjątkowych przykładów.

Najważniejszy wniosek…

Krótko mówiąc^†, autorzy stwierdzili, że kiedy jeden agent AI przekazuje zadanie drugiemu, nawet proste notatki pomagają temu drugiemu sprawniej kontynuować pracę.

Najlepiej sprawdzają się pełne zapisy wydarzeń, ale jakiekolwiek informacje przy przekazaniu są lepsze niż pozostawienie następcy z koniecznością odtworzenia wszystkiego z samego kodu. Powyższe wyniki ilustrują też, że podejście oparte na kompletnym surowym zapisie nieuchronnie wiąże się z wyższym kosztem tokenów.

Podsumowanie

Choć sam artykuł jest skierowany ściśle do badaczy i ma ograniczoną atrakcyjność dla zwykłego czytelnika, nowa praca podejmuje jeden z najciekawszych i najpilniejszych problemów współczesnych interfejsów i protokołów człowiek–AI.

Można mieć nadzieję, że metody opracowane i wnioski uzyskane w takich badaniach dadzą się z czasem zastosować w szerszych kontekstach wykorzystania AI niż tylko programowanie wykonywane przez agentów.

Kolejnym kierunkiem przyszłych badań mogłaby być ocena minimalnego poziomu dokumentacji potrzebnej w danym projekcie na podstawie jego cech i zastosowania. Jednak nawet taka funkcja, która pomagałaby racjonalnie gospodarować czasem i pieniędzmi, sama wymaga czasu i pieniędzy. Trudno więc uniknąć dylematu budżetowego związanego z dokumentowaniem pracy.

* Osobiście w przypadku sesji ChatGPT spowolnionych opóźnieniami i nadmiarem kontekstu zacząłem ostatnio eksportować, z pewnymi trudnościami, czysty plik PDF rozmowy i używać go jako punktu wyjścia do nowej sesji, która staje się „częścią 2”.

^† Nie jest to najbardziej przystępny artykuł, jaki przeczytałem w tym roku. Z tego powodu nie mogę polecić czytelnikowi sięgnięcia po pracę źródłową, choć jej wyniki przedstawione w przystępniejszej formie pozostają interesujące.

Opublikowano po raz pierwszy w środę, 3 czerwca 2026 r.