Fintech Brex è convinto che il futuro dell’intelligenza artificiale aziendale non sarà una migliore orchestrazione, ma una minore orchestrazione.
Man mano che gli agenti IA produttivi passano da copiloti a sistemi autonomi, i tradizionali quadri normativi degli agenti stanno diventando restrittivi anziché abilitanti, afferma James Reggio, CTO della Brex. Invece di fare affidamento su un coordinatore centrale o su flussi di lavoro rigidi, Brex ha creato quella che chiama una “rete di agenti”: una rete di agenti ristretti e specifici per ruolo che comunicano in un linguaggio semplice e operano in modo indipendente, ma con piena visibilità.
“Il nostro obiettivo è utilizzare l’intelligenza artificiale per garantire l’effettiva eliminazione della Brex”, ha dichiarato Reggio a VentureBeat. “Puntiamo all’automazione totale.”
La Brex imparò che per i suoi scopi gli agenti dovevano lavorare in ruoli ristretti e specifici per essere più modulari, flessibili e controllabili.
Reggio ha affermato che l’obiettivo architettonico è quello di garantire che ogni dirigente di un’organizzazione “abbia un unico punto di contatto all’interno di Brex che gestisca tutte le sue responsabilità, come la gestione della spesa, la richiesta di viaggio o l’approvazione delle richieste di limiti di spesa”.
Viaggio da Brex Assistant
Il settore dei servizi finanziari adotta da tempo l’intelligenza artificiale e l’apprendimento automatico per gestire le grandi quantità di dati che elabora. Ma quando si tratta di introdurre modelli e agenti di intelligenza artificiale, L’industria ha intrapreso un percorso più cauto inizialmente. Sempre più società di servizi finanziari includono ora la Brex Lanciate piattaforme supportate dall’intelligenza artificiale E vari flussi di lavoro dei delegati.
La prima incursione di Brex nell’intelligenza artificiale generativa è stata con Brex Assistant, lanciato nel 2023 e che aiuta i clienti ad automatizzare determinate attività finanziarie e di spesa. Offre suggerimenti per completare le spese, inserisce automaticamente le informazioni e tiene traccia delle spese che violano le politiche.
Reggio ammette che Brex Assistant funziona, ma non basta. “Penso che in una certa misura rimanga una tecnologia di cui non conosciamo appieno i limiti." ha detto. "Man mano che la tecnologia matura e sempre più aziende la utilizzano, ci sono alcuni modelli sviluppati dal settore che devono esistere attorno ad essa."
Brex Assistant utilizza più modelli, tra cui: Claude antropico e modelli Brex personalizzati, nonché l’API di OpenAI. L’assistente automatizza alcune attività, ma è ancora limitato nel numero di tocchi che può eseguire.
Reggio ha affermato che Brex Assistant svolge ancora un ruolo importante nel percorso di autonomia dell’azienda, principalmente perché Agent Mesh sta confluendo nell’app.
UN.gent Mesh per sostituire l’orchestrazione
Il consenso del settore è che gli ecosistemi multi-agente, in cui gli agenti comunicano per eseguire compiti, richiedono un quadro di orchestrazione che li guidi.
Reggio ha un approccio diverso. "L’infrastruttura di orchestrazione deterministica… è stata una soluzione ai problemi che abbiamo riscontrato due anni fa; gli agenti, come i modelli, avevano molte allucinazioni”, ha detto Reggio. “Non sono molto bravi con più strumenti, quindi devi dare loro quei gradi di libertà all’interno di un sistema più strutturato e rigido. “Ma penso che man mano che i modelli migliorano, iniziano a limitare la gamma di possibilità di espansione.”
Le architetture di orchestrazione degli agenti più tradizionali si concentrano su un singolo agente che fa tutto o, più comunemente, su un coordinatore/orchestratore più agenti che definiscono chiaramente i flussi di lavoro. Secondo Reggio, entrambi i framework sono molto rigidi e risolvono problemi più comuni nei software tradizionali rispetto all’intelligenza artificiale.
Secondo Reggio la differenza è strutturale:
-
orchestrazione tradizionale: flussi di lavoro predefiniti, coordinatore centrale, percorsi deterministici
-
Rete di agenti: agenti guidati dagli eventi, con ruoli specifici, coordinamento basato sui messaggi
Agent Mesh si basa sull’assemblaggio di reti di molti agenti più piccoli, ciascuno specializzato in un singolo compito. Gli agenti comunicano in “inglese semplice” tramite un flusso di messaggi condiviso con altri agenti, ancora una volta utilizzando un mix di modelli ibridi come in Brex Assistant. Un modello di percorso determina rapidamente quali veicoli chiamare, ha affermato.
Una singola richiesta di rimborso attiva diverse attività: controllo di conformità per garantire il rispetto delle politiche di spesa, verifica del budget, corrispondenza delle ricevute e quindi avvio del pagamento. Sebbene un agente possa certamente essere codificato per fare tutto questo, questo metodo è “fragile e soggetto a errori” e risponderebbe comunque alle nuove informazioni condivise tramite un flusso di messaggi.
L’idea è quella di chiarire tutti questi compiti separati e assegnarli a rappresentanti più piccoli, ha detto Reggio. Ha paragonato l’architettura a una rete Wi-Fi in cui nessun singolo nodo controlla il sistema; l’affidabilità deriva da molti piccoli contributori sovrapposti.
“Fondamentalmente, ci siamo trovati molto bene con l’idea di incorporare determinati ruoli come agenti sulla migliore piattaforma per gestire determinate responsabilità, proprio come invece di delegare la contabilità fornitori a una squadra, puoi delegare la gestione delle spese a un’altra squadra”, ha detto Reggio.
Brex definisce tre idee chiave nell’architettura Agent Mesh:
-
Configurazione in cui sono attive le definizioni di agente, modello, strumenti e sottoscrizione
-
TextStream registra ogni messaggio, chiamata allo strumento e transizione di stato
-
Orologio che fornisce un ordinamento deterministico
Brex ha anche integrato valutazioni nel sistema, in cui il LLM funge da giudice e un rappresentante di vigilanza esamina le decisioni di ciascun rappresentante per garantire che aderiscano alle politiche di integrità e condotta.
Successo finora
Brex afferma di aver riscontrato significativi miglioramenti in termini di efficienza tra i suoi clienti nell’ecosistema dell’intelligenza artificiale. Brex non ha fornito benchmark di terze parti o dati specifici del cliente per verificare questi guadagni.
Ma Reggio ha affermato che i clienti aziendali che utilizzano Brex Assistant e i sistemi di machine learning dell’azienda “possono raggiungere un’automazione del 99%, soprattutto per i clienti che si appoggiano davvero all’intelligenza artificiale”.
Si tratta di un netto miglioramento, dal 60% al 70% dei clienti Brex che erano in grado di automatizzare i propri processi di spesa prima del lancio di Brex Assistant.
Reggio ha affermato che l’azienda è solo all’inizio del suo percorso di autonomia. Ma se l’approccio Agent Mesh funziona, il risultato di maggior successo potrebbe essere invisibile: i dipendenti non penseranno più alle spese.
