Співпраця має бути в центрі багатоагентного AI‑підходу у виробництві. Ось як.

Більшість, якщо не всі, крупних виробників жонглюють безліччю систем у своїх цифрових інфраструктурах. Часто вони всі працюють одночасно на виробничій ділянці: агент передбачувального технічного обслуговування стежить за вібраційними датчиками у пошуках небезпечних шаблонів, агент візуального контролю якості виявляє дефекти продукції, а агент планування координує переналагодження, тоді як агент інвентаризації стежить за закупівлями. Кожен має чітке завдання, але, як правило, ці системи не спілкуються між собою.

Саме ця відсутність співпраці підриває агентний AI у масштабному виробництві. Чи працює агент чи ні — це одне, але інша суттєва проблема для великих виробничих компаній полягає в тому, що вони діють майже в повній ізоляції.

І, хоча кількість великих організацій, що впроваджують AI‑агенти хоча б у одній функції, зросла з 27% до 40% рік за роком, вони зосереджуються на конкретних функціях, таких як ІТ та розробка програмного забезпечення, замість рівномірного розподілу агентів по всій операції як координованої системи. Тим часом, хоча більшість організацій планують впроваджувати автономні агенти, лише близько третини вважає, що їхня інфраструктура готова їх підтримати. Більше того, дослідження 2025 року виявило, що 79% збоїв у багатагентних LLM‑системах пов’язано з проблемами координації та специфікації.

Виробники додають автономних приймачів рішень на цех і виробничу лінію швидше, ніж будують зв’язок між ними. Це посилює проблему координації та співпраці, яка підриває ефективність цих моделей. Зрештою це проявляється в трьох окремих частинах AI‑стеку. Ось де і що мають робити виробники, щоб забезпечити співпрацюючі, добре зв’язані агентні системи.

Найбільші бар’єри співпраці

Перший і, можливо, найбільший бар’єр — це дані, які продовжують залишатися значна перепона для багатьох великих організацій, що прагнуть масштабувати AI. Більшість виробників працюють на десятиліттях накопиченої інфраструктури (і даних, пов’язаних з нею) у вигляді систем MES і ERP, які не мають спільної схеми з іншими потоками даних, такими як комунікація та управління персоналом. Через це агенти мають труднощі у спілкуванні один з одним, якщо взагалі можуть; ізольовані або погано сформатовані дані створюють майже непроникний бар’єр між кількома агентами.

На виробничій ділянці це проявляється так: агент, який моніторить стан і продуктивність машини на одній лінії, не має надійного способу дізнатися, що планує агент планування, розташований на два системи далі, щодо майбутнього переналагодження, хоча обидва рішення та робочі процеси безпосередньо впливають один на одного.

Наступним бар’єром є протокол. Це елемент, якому приділяють недостатньо уваги при розгляді співпраці AI. Агентний AI дуже новий, і до недавнього часу не існувало реального стандарту, за яким агенти, створені на різних платформах, фреймворках чи від різних постачальників, могли б спілкуватися та співпрацювати.

На щастя, це починає змінюватися. Наприклад, протокол Agent2Agent (A2A) від Google, запущений минулого року, стандартизує, як незалежні агенти (можливо, створені на зовсім різних платформах) виявляють можливості один одного та делегують завдання. Важливо, що це спеціально розроблений для доповнення протоколу Model Context Protocol (MCP) від Anthropic, який стандартизує, як кожен агент отримує доступ до інструментів і джерел даних. Спільна мета тут — подолати ізоляцію та забезпечити співпрацю, навіть у багатагентних середовищах, у масштабах.

Нарешті, багато виробників все ще стикаються з питанням людського нагляду. Навіть ідеально координована мережа агентів зазнає невдачі, якщо люди, які її контролюють, не довіряють її рішенням або мають нереалістичні очікування щодо її можливостей. Аналітики з MIT Sloan висловили попередження щодо завищених очікувань і зниження довіри до агентного AI, а також потенційної загрози відчуження людей від AI‑агентів. На виробничій ділянці ці прогалини та бар’єри можуть мати катастрофічні наслідки: людський зв’язок, що з’єднує агентну екосистему, є надзвичайно важливим для безпечної та надійної роботи.

Подолання розриву довіри

Легко сприймати людський аспект як суто культурну проблему, яку можна вирішити додатковими навчальними сесіями. Однак такі зусилля будуть недостатніми, якщо їх не поєднати з довговічними архітектурними рішеннями. Дизайн нагляду має враховувати, коли людське судження повинно поступитися системі, а не просто автоматично відхиляти пропозицію агента через незгоду людини в процесі.

Вбудуйте прозорість міркувань, що означає постійну видимість і можливість розкрити, чому агент прийняв рішення або позначив пропозицію, а не лише спостерігати результат. І коли оператори не погоджуються, забезпечте чіткий і ефективний шлях ескалації, який закріплює прозорість і простежуваність процесів прийняття рішень.

Відновлення відчуття цілісності

Агенти, подібно до команд, які вони підтримують, потребують більше, ніж лише доступ до вузького, конкретного завдання. Їм потрібне те, що можна назвати відчуттям цілісності; робоча модель того, як їхня частина операції пов’язана з усім іншим. Агент планування, який оптимізує час переналагодження без будь‑якої видимості того, що бачить агент технічного обслуговування щодо старіння обладнання, приймає лише приблизно прийнятне рішення, яке може виявитися неправильним у порівнянні з іншими вимогами робочих процесів.

Саме тут сходяться протокольний шар та проблема відчуття цілісності. Спільний контекст — це практичний спосіб, яким індивідуальне завдання агента прив’язується до реального стану всього заводу. У виробництві існує часткове рішення цієї проблеми у вигляді стандартів, таких як ISA-95, які визначають загальні засоби, якими корпоративні та контрольні системи взаємодіють у межах заводу. Новизна ж тепер полягає у розширенні цієї ідеї спільного операційного словника з інтеграції, зрозумілої людям, до інформації, яку можуть обробляти агенти.

Без цього спільного модельного підґрунтя кожен додатковий впроваджений агент створює нову ізольовану точку мислення та прийняття рішень, яка не входить до єдиного цілісного цілого. Саме так розростання агентів погіршується, а не вирішується, коли масштабування впровадження зростає.

Відстеження правильних метрик для успіху

Ще одна пастка – вимірювати агентний ШІ так само, як моніторять впровадження будь‑якого іншого програмного забезпечення: зосереджуючись на цифрах ефективності та переконуючись, що вони постійно зростають. Для координованих і колаборативних систем з багатьма агентами це не обов’язково корисно і може навіть обернутися протилежним ефектом, коли це стає єдиною метрикою продуктивності.

Перше, що варто перевірити, – це не лише скільки грошей заощаджує агент, а й чи безпечно і надійно він працює згідно з задумом. Переконайтеся, що він діє в межах своїх передбачених обмежень, має передбачувані відмови та дозволяє відповідно втручатися людям і ескалувати проблеми. Лише після того, як це підтверджено, якість має стати у центрі уваги, наприклад, чи вихід агента дійсно правильний і послідовний, а не лише миттєвий.

Це порядок пріоритетів, яким мають дотримуватися виробники. Швидкість, пропускна здатність і економія витрат – це найнижчі пріоритети. Підвищення продуктивності, побудоване на небезпечному або ненадійному агенті, стає ризиком для команд, технологій, виробничих ліній, взаємин і репутації бізнесу.

Тестуйте в малих масштабах, перш ніж переходити до більшого. Один агент, що виконує одне чітко визначене завдання, дозволяє отримати чисте порівняння «до‑і‑після». Однак коли поле зору розширюється, щоб охопити десятки взаємодіючих агентів по всьому заводу, при цьому жоден з них ще не пройшов індивідуальну валідацію, значно складніше визначити, яка частина системи впливає на результат. Складність слід додавати до підходу вимірювання лише з тією ж швидкістю, з якою її додають до розгортання.

Тут співпраця та вимірювання починають співіснувати. Вихід агента буде настільки надійним, наскільки достовірним був контекст, до якого він мав доступ під час дії. Це означає, що згадана вище проблема спільного контексту є фактично передумовою для вимірювання. Виробники, які не забезпечили єдину картину операційної діяльності між системами, не мають надійного способу визначити, чи позитивний або негативний результат відображає рішення агента, чи прогалину в доступі до даних. Метрики, які мають значення, стають зрозумілими, коли послідовність і спільний контекст зафіксовані.

Координація та співпраця в центрі можливостей

Зрештою, структурні переваги великих виробників (масштабні обсяги виробництва, історичні набори даних, стабільність процесів, а також людські та технологічні ресурси) беззаперечні. Однак ці переваги лише посилюються, якщо виробники спочатку вирішать проблему співпраці.

Дивлячись у майбутнє, коли можливості ШІ розвиватимуться до потенційної повної автономії, а системи та виробничі лінії зростатимуть, ця співпраця та координація стануть абсолютною необхідністю. Ставлення до інтероперабельності, протокольних стандартів, спільного контексту, налаштованого людського контролю та відчуття цілісності як архітектурних передумов перед масштабуванням і розгортанням є обов’язковим. Це розділяє виробників, які успішно та безпечно масштабують агентний ШІ, і тих, хто застряг у пілотних проектах.