Subagenter løser komplekse AI-oppgaver mer stabilt

Nye funn viser at AI-agenter, altså dataprogrammer som kan utføre oppgaver, presterer mer stabilt på sammensatte oppgaver når de bruker såkalte subagenter fremfor tradisjonelle «agent skills». Subagenter får egne "tankerom", eller kontekstvinduer, for å løse deloppgaver, i stedet for å overbelaste hovedagentens kontekst med for mye informasjon. Dette reduserer risikoen for at AI-en "glemmer" viktig informasjon, en utfordring som ofte oppstår når modeller skal håndtere lange oppgavesekvenser. For norske virksomheter kan dette bety mer pålitelige AI-verktøy for komplekse arbeidsprosesser, der mange AI-komponenter må samarbeide presist for å unngå feil. Metoden krever riktignok flere tokens for koordinering, men forbedrer stabiliteten betydelig når kunnskapen er strukturert med klare inndata- og utdatakontrakter.