BeeAI: Taruhan sumber terbuka IBM pada masa depan sistem multiagen

Tiga lebah madu di sarang lebah

Agen AI sangat populer saat ini. Semua program ini yang dapat melakukan tugas atas nama pengguna mereka dianggap sebagai masa depan AI. Dan mereka menjadi bagian sentral dari strategi AI untuk berbagai perusahaan teknologi besar, termasuk Oracle, Microsoft, Salesforce dan, tentu saja, IBM, belum lagi perusahaan raksasa AI seperti OpenAI dan Perplexity.

Menurut CEO Salesforce, Marc Benioff, yang antusiasmenya dilaporkan secara luas oleh media pada bulan Desember lalu, menggunakan agen AI untuk memecahkan masalah dan membuat keputusan bisa menjadi peluang bernilai triliunan dolar.

Antusiasme agen

Telah hadir BeeAI. Tahun lalu, IBM Research merilis Bee Agent Framework, platform sumber terbuka dan no-code sepenuhnya untuk memulai penggunaan agen. Agen AI, yang disebut “bees”, terhubung ke LLM dan dapat mengakses alat untuk menanggapi pertanyaan pengguna dan melakukan tugas. Para agen juga dapat merefleksikan apa yang mereka lakukan dan menemukan pendekatan baru. Sekarang, tim sedang bekerja dan merilis peningkatan pada BeeAI, menambahkan kerangka kerja Python, multiagen, dan peningkatan pengalaman pengembang.

Pembaruan BeeAI mendorong gagasan ekstensi multiagen lebih jauh. Visi yang menyeluruh, menurut Michael (Max) Maximilien, seorang Distinguished Engineer di IBM, “membuat hal sederhana tetap sederhana dan memungkinkan hal rumit.”

“Cara Anda berpikir tentang BeeAI adalah [bahwa] alat ini memperluas model ini di mana Anda tidak selalu hanya memerlukan satu agen untuk menjawab pertanyaan. Anda mungkin membutuhkan beberapa agen.”

Desain 3D bola yang menggelinding di lintasan

Berita + Insight AI terbaru 


Temukan insight dan berita yang dikurasi oleh para pakar tentang AI, cloud, dan lainnya di Buletin Think mingguan. 

Sarang sumber terbuka

Pendekatan agen mencoba meniru bagaimana manusia berinteraksi dan menyelesaikan pekerjaan dalam kehidupan nyata.

Biasanya, tim berkinerja tinggi terdiri dari orang yang sangat berfokus pada tugas tertentu dan juga dapat mengelola dependensi paralel yang sedang dikerjakan oleh anggota tim lain. Agar efektif, pekerja harus melakukan beberapa pekerjaan secara bersamaan, sementara tugas lain memerlukan eksekusi berurutan.

“BeeAI tidak hanya memungkinkan beberapa agen, tetapi juga agen dari implementasi lain,” Maximilien menjelaskan. “Mereka tidak harus merupakan tipe agen yang sama. Gagasannya adalah bahwa mereka dapat berkolaborasi untuk menjawab pertanyaan atau mengeksekusi alur kerja untuk pengguna.”

Ada juga elemen penggunaan kembali dengan multiagensi, kata Maximilien—yaitu, beberapa agen khusus bekerja bersama alih-alih satu agen yang mencoba melakukan semuanya. Salah satu aspek kunci: BeeAI adalah sumber terbuka dan diimplementasikan dalam TypeScript dan Python. Tim di balik Kerangka Kerja Agen Bee dan BeeAI ingin menggabungkan masukan pengguna. “Kami ingin agar platform ini langsung berguna, jadi kami menginginkan input dari orang yang menggunakannya,” katanya.

"Kami memiliki pendapat yang jelas tentang bagaimana seharusnya multiagensi dilakukan, namun kami juga percaya bahwa hal ini paling baik dilakukan secara terbuka," kata Maximilien. "Ini mirip dengan bagaimana pemrograman berkembang dari bahasa prosedural ke bahasa berorientasi objek. Paradigma baru ini berhasil karena banyak bahasa, seperti Java, merangkul keterbukaan sehingga menumbuhkan kreativitas dan kemudahan penggunaan."

Banyak organisasi sudah menjelajahi cara menggunakan kerangka kerja multiagen untuk mencapai skala dan kinerja yang lebih besar—terutama ketika menyangkut pelaksanaan tugas yang lebih kompleks atau spesifik domain.

“Sebagian besar perusahaan perlu menyelesaikan masalah tertentu. Untuk memecahkan masalah dengan AI, mereka perlu membuat solusi agen dan mengodifikasi alur kerja menggunakan LLM dan alat,” kata Maximilien. “Mereka perlu menyelesaikan alur kerja sehari-hari, memberdayakan pengguna, dan meningkatkan operasi mereka.”

Dia meyakini bahwa organisasi tidak hanya memandang AI sebagai cara untuk mengotomatiskan alur kerja, tetapi juga untuk memberdayakan karyawan. Itulah nilai sebenarnya.

"Kami melihat ini sebagai sesuatu yang akan terus berkembang dengan penambahan multiagen karena pengguna individu akan menemukan lebih banyak nilai dalam memecahkan masalah yang lebih kompleks," katanya, mengundang para pengembang untuk menggunakan BeeAI dan mengintegrasikannya ke dalam alat mereka.

Mixture of Experts | 12 Desember, episode 85

Decoding AI: Rangkuman Berita Mingguan

Bergabunglah dengan panel insinyur, peneliti, pemimpin produk, dan sosok kelas dunia lainnya selagi mereka mengupas tuntas tentang AI untuk menghadirkan berita dan insight terbaru seputar AI.

Solusi terkait
IBM® watsonx.ai

Latih, validasi, lakukan tuning, dan terapkan AI generatif, model dasar, dan kemampuan machine learning dengan IBM watsonx.ai, studio perusahaan generasi berikutnya untuk pembangun AI. Bangun aplikasi AI dalam waktu singkat, dengan sedikit data.

Jelajahi watsonx.ai
Solusi kecerdasan buatan (AI)

Manfaatkan AI di bisnis Anda dengan perpaduan antara keahlian AI terdepan di industri dari IBM dan portofolio solusi Anda.

Jelajahi solusi AI
Konsultasi dan layanan kecerdasan buatan (AI)

Layanan IBM Consulting AI membantu merancang ulang cara kerja bisnis dengan AI untuk transformasi.

Jelajahi layanan AI
Ambil langkah selanjutnya

Dapatkan akses ke berbagai kemampuan dalam satu alat untuk seluruh siklus pengembangan AI. Hasilkan solusi AI yang kuat dengan antarmuka ramah pengguna, alur kerja yang efisien, serta akses ke API dan SDK berstandar industri.

Jelajahi watsonx.ai Pesan demo langsung