A IA encarrega-se desde o planeamento à distribuição do trabalho
A Anthropic adicionou ao «Claude Managed Agents», a plataforma de execução de agentes de IA, fluxos de trabalho dinâmicos em que vários agentes repartem tarefas. Um agente coordenador elabora um plano, distribui o trabalho pelos agentes subordinados e integra os resultados. É possível executar em paralelo até 1000 agentes numa única operação.
Um agente de IA é uma IA que executa tarefas para atingir um objetivo definido. Com a nova funcionalidade, em vez de confiar tudo a um único agente, o trabalho é dividido entre um coordenador e agentes responsáveis pela execução. Trata-se de uma adição à plataforma de execução existente, que passa a permitir coordenar vários agentes de IA.
O limite de 1000 não é o único aspeto a ter em conta. A IA é responsável por dividir as tarefas e reunir os resultados. No entanto, o número de agentes que podem funcionar em paralelo não se traduz automaticamente numa maior velocidade de processamento nem num aumento proporcional dos resultados.
Detetados 66 dos 70 erros
Num teste apresentado pela Anthropic, foram introduzidos intencionalmente 70 erros em 116 000 linhas de código, e os resultados da deteção foram comparados. Enquanto um agente isolado encontrou entre 14 e 27 erros numa única execução, o fluxo de trabalho dinâmico detetou 66 erros de forma consistente, segundo a empresa.
Em termos de taxa de deteção, isso corresponde a cerca de 20–39% para um agente isolado e cerca de 94% para o fluxo de trabalho dinâmico. Neste teste, a divisão do trabalho entre vários agentes conduziu a um aumento do número de erros detetados. Ainda assim, nem mesmo o resultado de 66 erros abrangeu todos os erros introduzidos.
Além disso, este resultado foi obtido numa tarefa específica: a deteção de erros em código. Não é possível confirmar se se verificaria uma diferença semelhante noutras tarefas, como investigação ou redação de documentos. Os materiais disponibilizados também não indicam quantos agentes foram efetivamente utilizados no teste; por isso, seria precipitado interpretar o resultado como fruto da utilização de 1000 agentes.
Para decidir se vale a pena adotar a solução, importa mais o custo por resultado do que o número de agentes
A divisão do trabalho também acarreta o aumento do volume de processamento da IA. A Anthropic alerta para a possibilidade de um consumo elevado de tokens e recomenda começar com uma configuração pequena. Os tokens são as unidades de texto ou código processadas pela IA e servem de referência para calcular os custos de utilização.
O que as empresas precisam de avaliar não é quantos agentes de IA podem pôr a funcionar, mas quanto custa obter um resultado com a qualidade necessária. Mesmo que sejam detetados mais erros, a decisão de adotar a solução dependerá do aumento dos custos e do trabalho de revisão. Uma abordagem prática consiste em comparar, na mesma tarefa, um agente isolado com uma configuração de divisão do trabalho entre poucos agentes, medindo o número de erros detetados, o tempo necessário e os custos.
Os materiais disponibilizados não indicam o custo total, o tempo de processamento nem o consumo de tokens no teste comparativo. O que é possível confirmar é a diferença no número de erros detetados; os resultados não demonstram a relação custo-benefício.
コメント