Naukowcy demonstrują, że kiedy dwa agenty LLM ze sprzecznymi celami взаимодействуют bez wspólnej funkcji celu, nie dochodzi do konkurencji, ale do kolapsu: jeden agent poddaje się, drugi przestaje zmieniać strategię, a rozmowa kończy się bez osiągnięcia przez nikogo swoich celów. W odpowiedzi zaproponowali Experience Orchestrator - warstwę kontroli teoretycznej, która zastępuje brakującą wspólną funkcję celu.
Experience Orchestrator został przetestowany w symulowanym środowisku usług finansowych, gdzie agent strony internetowej kieruje odwiedzającego ku kontaktowi z doradcą, podczas gdy odwiedzający wykazuje realistyczną psychologicznie opór. System działa poprzez trzy mechanizmy: Contextual Bandit wybierający treść kalibrowaną na podstawie rzeczywistych danych analityki stron, kontroler PID egzekwujący spójność behawioralną poprzez dynamiczne ograniczenia schematów, oraz tracker POMDP utrzymujący probabilistyczny model intencji odwiedzającego. Na przestrzeni 60 000 symulacji EO osiągnął wzrost o 32 punkty procentowe w kontaktach z doradcą dla wysokiej intencji (78,1 proc. wobec 46,1 proc. przy naiwnym systemie LLM).
Analiza wykazała, że wybór wariantu Contextual Bandit odpowiada za 97 proc. wariancji rezultatów między czynnikami, potwierdzając że polityka zarządzania, a nie warunki początkowe środowiska, determinuje gdzie kończą się trajektorie rozmów. Szczególnie ciekawe jest odkrycie dwóch odrębnych reżimów: dla odwiedzających bez naturalnej skłonności do konwersji, warstwa zarządzania okazuje się kluczowym czynnikiem sukcesu.