Fintech Brex scommette che il futuro dell’intelligenza artificiale aziendale non è una migliore orchestrazione, ma piuttosto meno.
Mentre gli agenti di intelligenza artificiale generativa passano da copiloti a sistemi autonomi, il CTO di Brex James Reggio afferma che i tradizionali sistemi di orchestrazione degli agenti stanno diventando un vincolo piuttosto che un facilitatore. Invece di fare affidamento su un coordinatore centrale o su flussi di lavoro rigidi, Brex ha costruito ciò che chiama “Agent Mesh”: 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 far scomparire effettivamente la Brex”, ha detto Reggio a VentureBeat. “Puntiamo all’automazione totale.”
Brex ha imparato che per i suoi scopi, gli agenti devono lavorare in ruoli ristretti e specifici per essere più modulari, flessibili e controllabili.
Secondo Reggio, l’obiettivo architettonico è quello di consentire a ogni supervisor di un’impresa “di avere un unico punto di contatto all’interno di Brex che gestisca la totalità delle sue responsabilità, che si tratti di gestione della spesa, richiesta di viaggio o approvazione di richieste di limiti di spesa”.
Il viaggio di Brex Assistant
Il settore dei servizi finanziari ha abbracciato da tempo l’intelligenza artificiale e l’apprendimento automatico per gestire le enormi quantità di dati che elabora. Ma quando si tratta di portare modelli e agenti di intelligenza artificiale, il l’industria ha preso una strada più cauta all’inizio. Ora lo hanno fatto anche più società di servizi finanziari, inclusa Brex ha lanciato piattaforme basate sull’intelligenza artificiale E diversi flussi di lavoro degli agenti.
La prima incursione di Brex nell’intelligenza artificiale generativa è avvenuta con il suo Brex Assistant, rilasciato nel 2023, che ha aiutato i clienti advert automatizzare determinate attività finanziarie e di spesa. Fornisce suggerimenti per completare le spese, inserisce automaticamente le informazioni e dà seguito alle spese che violano le politiche.
Reggio riconosce che Brex Assistant funziona, ma non basta. “Penso che, in una certa misura, rimanga una tecnologia di cui non conosciamo del tutto i limiti”, ha affermato. “C’è un gran numero di modelli che devono esistere attorno advert esso e che vengono sviluppati dall’industria man mano che la tecnologia matura e man mano che sempre più aziende costruiscono con essa.”
Brex Assistant utilizza più modelli, incluso Claude di Anthropic e modelli Brex personalizzati, nonché l’API di OpenAI. L’assistente automatizza alcune attività ma è ancora limitato nel modo in cui può essere low-touch.
Reggio ha affermato che Brex Assistant svolge ancora un ruolo importante nel percorso di autonomia dell’azienda, principalmente perché il suo prodotto Agent Mesh confluisce nell’applicazione.
UNgent Mesh per sostituire l’orchestrazione
Il consenso nel settore è che gli ecosistemi multi-agente, in cui gli agenti comunicano per svolgere compiti, richiedono un quadro di orchestrazione che li guidi.
Reggio, invece, ha una visione diversa. “L’infrastruttura di orchestrazione deterministica… è stata una soluzione ai problemi che abbiamo riscontrato due anni fa, ovvero che gli agenti, proprio come i modelli, hanno molte allucinazioni”, ha detto Reggio. “Non sono molto bravi con più strumenti, quindi è necessario dare loro questi gradi di libertà, ma in un sistema più strutturato e rigido. Ma man mano che i modelli migliorano, penso che stia iniziando a frenare la gamma di possibilità che si stanno espandendo.”
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 strumento che definiscono esplicitamente i flussi di lavoro. Secondo Reggio, entrambi i framework sono troppo rigidi e risolvono problemi più comunemente riscontrati nel software program tradizionale che nell’intelligenza artificiale.
La differenza, sostiene Reggio, è strutturale:
-
Orchestrazione tradizionale: flussi di lavoro predefiniti, coordinatore centrale, percorsi deterministici
-
Maglia dell’agente: agenti guidati dagli eventi, specializzati nel ruolo, coordinamento basato sui messaggi
Agent Mesh si basa sull’unione di reti di molti piccoli agenti, ciascuno specializzato in un singolo compito. Gli agenti, utilizzando ancora una volta il combine ibrido di modelli come con il Brex Assistant, comunicano con altri agenti “in linguaggio semplice” tramite un flusso di messaggi condiviso. Un modello di routing determina rapidamente quali strumenti invocare, ha affermato.
Una singola richiesta di rimborso attiva various attività: un controllo di conformità per allinearsi alle politiche di spesa, la convalida del finances, la corrispondenza delle ricevute e quindi l’avvio del pagamento. Sebbene un agente possa certamente essere codificato per fare tutto ciò, questo metodo è “fragile e soggetto a errori” e risponde comunque alle nuove informazioni condivise attraverso un flusso di messaggi.
Reggio ha affermato che l’thought è quella di chiarire tutti questi compiti separati e assegnarli invece advert agenti più piccoli. Ha paragonato l’architettura a una rete Wi-Fi, dove nessun singolo nodo controlla il sistema: l’affidabilità emerge da molti piccoli contributori sovrapposti.
“Fondamentalmente abbiamo trovato un’ottima soluzione con l’thought di incarnare ruoli specifici come agenti sulla migliore piattaforma per gestire responsabilità specifiche, proprio come si potrebbe delegare la contabilità fornitori a un staff rispetto alla gestione delle spese a un altro staff”, ha affermato Reggio.
Brex definisce tre idee fondamentali nell’architettura Agent Mesh:
-
Config, dove risiedono le definizioni di agente, modello, strumenti e abbonamento
-
MessageStream, un registro di ogni messaggio, chiamata allo strumento e transizione di stato
-
Orologio, che garantisce un ordinamento deterministico
Brex ha inoltre integrato valutazioni nel sistema, in cui il LLM funge da giudice e un agente di audit esamina le decisioni di ciascun agente per garantire che rispettino l’accuratezza e le politiche comportamentali.
Successo finora
Brex afferma di aver riscontrato sostanziali miglioramenti in termini di efficienza tra i suoi clienti nel suo ecosistema AI. Brex non ha fornito benchmark di terze parti o dati specifici del cliente per convalidare tali guadagni.
Ma Reggio ha affermato che i clienti aziendali che utilizzano Brex Assistant e i sistemi di machine studying dell’azienda “sono in grado di raggiungere un’automazione del 99%, soprattutto per i clienti che si appoggiano davvero all’intelligenza artificiale”.
Si tratta di un netto miglioramento rispetto alla percentuale di clienti Brex, compresa tra il 60 e il 70%, che period in grado di automatizzare i propri processi di spesa prima del lancio di Brex Assistant.
L’azienda è ancora all’inizio del suo percorso di autonomia, ha detto Reggio. Ma se l’approccio Agent Mesh funziona, il risultato di maggior successo potrebbe essere invisibile: i dipendenti non penseranno più alle spese.
