Naukowcy opracowali DecisionBench - nowy benchmark służący do oceny, jak dobrze agenty AI radzą sobie z delegowaniem zadań w skomplikowanych, długoterminowych projektach. To narzędzie testuje tzw. emergentne zdolności delegacyjne systemów agentic, czyli naturalną skłonność AI do rozsądnego rozdzielania pracy między różne komponenty i moduły. Benchmark ma za zadanie zmierzyć, czy system potrafi autonomicznie decydować, które zadania sam ma wykonać, a które przekazać innym częściom systemu - niezbędną umiejętność dla nowoczesnego oprogramowania agentycznego.
Pojawienie się takiego narzędzia jest znaczące dla branży sztucznej inteligencji, bo dotychczas brakowało sformalizowanego sposobu na testowanie tego konkretnego aspektu zachowania agentów. DecisionBench podejmuje ten problem w kontekście rzeczywistych scenariuszy biznesowych, gdzie systemy AI muszą pracować przez dłuższy czas, zarządzać wieloma równoległy procesami i efektywnie alokować zasoby. To stanowi kolejny krok w kierunku bardziej autonomicznych rozwiązań AI, które bez ciągłego nadzoru człowieka mogą samodzielnie podejmować decyzje dotyczące organizacji pracy.
Rozwój tego benchmarku wskazuje na rosnące zainteresowanie społeczności badawczej problemem autonomicznych systemów agentic zdolnych do pracy w rzeczywistych warunkach. Im lepiej nauczymy AI delegować zadania i zarządzać zasobami, tym bardziej zaawansowane i niezawodne będą systemy wdrażane w przedsiębiorstwach. DecisionBench potencjalnie stanie się standardem, względem którego oceniane będą nowe pokolenia agentów AI, podobnie jak inne benchmarki służą do porównywania zdolności modeli językowych czy wizyjnych.