Как AI-агенты учатся работать вместе — и при чём тут ваша команда
Когда несколько AI-агентов решают задачу вместе, происходит что-то удивительное: иногда их совместный результат превышает сумму индивидуальных возможностей. Точно так же, как в лучших человеческих командах.
Что открыл Ридл
Кристоф Ридл — один из ведущих исследователей коллективного интеллекта — в 2025 году опубликовал работу, в которой применил информационно-теоретический подход к мультиагентным LLM-системам (системы из нескольких больших языковых моделей, работающих совместно).
Его группа создала эксперимент: несколько AI-агентов играли в кооперативную игру без прямой коммуникации между собой — только через минимальную обратную связь. Вопрос: возникнет ли координация «сама по себе»?
Ответ: да, но не всегда. В контрольной группе агенты демонстрировали временную синхронизацию, но без осмысленной координации — как толпа, которая случайно идёт в одну сторону. Но когда агентам давали роли и инструкцию «подумай, что могут делать другие» — возникала настоящая эмерджентность (emergent coordination): агенты начинали дополнять друг друга, распределять функции и достигать результатов, невозможных для каждого по отдельности.
Ключевая цитата из статьи: «Паттерны взаимодействия, которые мы наблюдаем, зеркально повторяют принципы коллективного интеллекта в человеческих группах: эффективность требует и согласованности целей, и взаимодополняющих вкладов участников.»
Параллельно, другая группа исследователей опубликовала работу «From Emergent Collaboration to Structured Collective Intelligence», где аргументируют: следующий рубеж масштабирования AI — не более крупные модели, а «общества моделей, организованные как структурированный коллективный интеллект». Не один гигантский мозг, а много специализированных агентов, работающих вместе.
«Это про AI, а не про людей. Мне-то что?»
Справедливый вопрос. Ответ: законы координации универсальны. Ридл показал прямо — те же факторы, которые делают человеческие команды эффективными (роли, общая цель, учёт действий других), работают и для AI-агентов. Без этих факторов AI-агенты работают как дисфункциональная команда. Для руководителя два вывода: если сотрудники «вроде все на месте, а результата нет» — дело в отсутствии координирующей структуры. И AI-агенты для команды должны быть организованы по тем же принципам.
Проверьте сами
Понимает ли каждый участник вашей следующей встречи, что делают другие? Есть ли «ментальная модель» действий коллег? Или каждый делает своё, надеясь, что кто-то соберёт вместе?
Как этот принцип работает в Нео-Горыныче
Архитектура Нео-Горыныча построена именно на этом открытии. Мета-агент (Архитектор) создаёт структуру для роя: распределяет роли, обеспечивает общую память, настраивает обратную связь. Рой агентов координируется не по жёстким правилам, а через общий граф знаний — подобно тому, как Ридл показал в эксперименте. Математические модели координации разработаны Евгением Ильиным, CTO проекта.