Multi-Agent 火了，但 AI 的組織病還沒人治
多智能體系統的崛起與內部挑戰
過去一年，產業界確實把多智能體系統（Multi-Agent System）往前推了很大一步。透過 harness 的進步與模型能力的升級，任務能拆分、並發能隔離、權限能控制、錯誤能審查、日誌能追蹤，使多智能體系統在工程架構上取得顯著突破。
AI 群體協作中的「組織病」現象
儘管多智能體系統在技術層面取得進展，但其內部仍浮現出類似人類組織的「群體認知病」問題。研究指出，團隊協作的複雜性不僅存在於人類組織中，也同樣出現在 AI Agent 之間。
多智能體系統失敗的系統性分析
- MAST（Multi-Agent System Failure Taxonomy）將多智能體系統的失敗模式系統性地組織起來，類似一本「AI 團隊問題診斷手冊」，幫助理解各種可能出錯的方式。
- 一篇來自伯克利的論文指出，多智能體大語言模型（LLM）系統的失敗原因，反映出團隊協作中潛藏的結構性問題。
- 研究結論顯示，雖然多智能體系統受到廣泛關注與高期望，實際應用中卻普遍面臨失敗，反映出技術與組織設計之間的落差。
專家視角：AI 需要「組織心理學」訓練
專家認為，要讓多智能體系統真正穩定運作，必須建立「機器組織心理學」的訓練基礎，以解決內部協作中的認知偏差、權限衝突與決策失靈等問題。