Når to AI-agenter med modsatrettede mål taler sammen over flere runder, ender det ofte i kollaps: den ene giver op, den anden gentager sig selv, og samtalen dør uden at opnå noget. Det viser ny forskning fra et arXiv-paper, der præsenterer en løsning kaldet Experience Orchestrator (EO).
EO er en styringsløsning, der fungerer som en slags trafikregulator for samtalen mellem to LLM-agenter. Den bruger tre mekanismer: en Contextual Bandit, der vælger indhold baseret på data fra rigtige web-analyser, en PID-controller, der sikrer konsistens via dynamiske skema-begrænsninger, og en POMDP-baseret tro-modellering, der holder styr på den besøgendes intentioner.
I 60.000 simuleringer i et finansielt servicescenarie opnåede EO en stigning på 32 procentpoint i høj-intentionel kontakt med rådgiver (78,1% mod 46,1% med en naiv LLM-kontrol). Bemærkelsesværdigt er det, at valget af indholdsvariant stod for 97% af forskellen i resultater – hvilket understreger, at styringspolitikken, ikke miljøet, afgør udfaldet.
For beslutningstagere, der overvejer at implementere multi-agent-systemer i kundeservice, salg eller support, er pointen klar: Uden en styringsløsning risikerer man, at samtalerne går i stå, og at kunderne ikke når deres mål. Men forskningen advarer også: EO er kun testet i simuleringer, og den er ikke kalibreret mod rigtig menneskelig uforudsigelighed. Næste skridt er at validere på live trafik.
