TL;DR: Dati i prezzi attuali degli LLM, dovresti sempre progettare i tuoi workflow AI per incorporare più agenti, per affinare, controllare la qualità e costruire sugli output degli altri.
Di recente ho guardato un video affascinante di Andrew Ng. Ne vale la pena.
Il messaggio centrale è—non guardare alle AI come strumenti singoli che devono compiere un processo in un solo passaggio. Considera le AI come agenti fallibili e imperfetti che interagiscono tra loro per migliorare le proprie capacità e produrre risultati migliori.
Sai, un po’ come i team di esseri umani. Dopotutto, non inoltreresti l’analisi del panorama competitivo di uno stagista direttamente al tuo CEO, giusto?
Vediamo cosa significa…
Ecco un esempio reale. Ho usato Gemini per questo scopo, ma la stessa logica si applica a qualsiasi LLM.
Prompt: Sei un insegnante di liceo. Spiega a uno studente cos’è il flusso turbolento, in un breve paragrafo.
Risposta: Immagina un fiume invece di scorrere liscio come in una giornata calma, vortica e fa mulinelli in tutte le direzioni. Questo è il flusso turbolento! È quando un fluido, come l’acqua o l’aria, diventa caotico e si mescola invece di scorrere in strati ordinati. Questo succede perché il movimento del fluido diventa troppo forte e supera la “viscosità” che normalmente mantiene le cose lisce. Il fumo che sale da un falò o il vento che soffia tra gli alberi sono buoni esempi di turbolenza.
Ok, non male, a parte la grammatica della prima frase. Sono un ingegnere chimico (beh, lo ero, fino alla mia esperienza in un laboratorio chimico, ma questa è una storia per un altro giorno), e questo è ragionevolmente accurato.
Ora, chiediamo a un altro agente AI di migliorarlo.
Prompt: Sei un supervisore di liceo. Come miglioreresti questa definizione di “turbolenza” che uno dei tuoi insegnanti ha dato?
Risposta: Immagina un fiume. Invece di scorrere liscio come in una giornata calma, vortica e fa mulinelli in tutte le direzioni. Questo è il flusso turbolento! Succede quando un fluido, come l’acqua o l’aria, diventa caotico e si mescola invece di scorrere in strati ordinati. Questo succede perché il movimento del fluido diventa troppo forte e supera la sua viscosità, la resistenza che normalmente mantiene le cose lisce. Il fumo che sale da un falò o il vento che soffia tra gli alberi sono buoni esempi di turbolenza.
Questo è meglio. Non ci sono problemi grammaticali, e introduce il concetto di viscosità.
Questo è il concetto centrale dietro un workflow agentico. Invece di far fare tutto il lavoro pesante a un LLM in un solo passaggio, puoi—e dovresti—impiegare un team di agenti LLM, ognuno che rivede, critica e affina gli output del passaggio precedente.
Puoi anche andare oltre.
Prompt: Sei un supervisore di liceo. Come valuteresti il seguente testo per chiarezza? Per favore dagli un punteggio da 1 a 10.
La risposta è 9/10, con una raccomandazione di discutere il numero di Reynolds e il suo ruolo nella previsione della turbolenza, per un pubblico avanzato. Questa sarebbe un’informazione utile per un supervisore umano.
Quindi cosa dovrei fare?
-
Pensa in termini di pipeline. Quando interagisci con AI e agenti AI, pensa in termini di pipeline. Per esempio, fai riassumere un testo a un agente, a un altro criticare il riassunto per accuratezza e concisione, e a un terzo integrare le modifiche.
-
Imposta le giuste personas. Assicurati sempre di impostare le giuste personas. “Sei un professionista di competitive intelligence; riassumi questo testo”; “Sei un dirigente aziendale: che critiche hai su questo testo”
-
Usa filtri di qualità. Pensa, quando appropriato, a filtri di qualità. Crea workflow iterativi, dove gli agenti si danno feedback a vicenda—controllando regolarmente l’accuratezza—fino a quando le metriche di qualità sono soddisfatte.
Pubblicato originariamente su LinkedIn nell’aprile 2024.