Naukowcy opracowali metodę projektowania zaawansowanego systemu wieloagentowego CAMEL, zdolnego do samodzielnego planowania, oceny pracy i iteracyjnego udoskonalania swoich działań. System łączy funkcje planowania z możliwością korzystania z zewnętrznych narzędzi, przy czym wszystkie komponenty pozostają ze sobą spójnie powiązane, a agenty poddają własną pracę konstruktywnej krytyce i uczą się z popełnionych błędów.
Projektowanie takich rozbudowanych systemów stanowi wciąż otwarte wyzwanie w AI. Tradycyjne podejścia polegają na sztywnym kodowaniu reguł lub prostych odpowiedziach bez głębokich procesów myślowych. CAMEL zmienia tę perspektywę - każdy agent nie tylko wykonuje przydzielone zadania, ale również refleksyjnie je analizuje, waliduje poprawność oraz proponuje ulepszenia. To przypomina działanie zespołu ekspertów, którzy regularnie przywołują się do odpowiedzialności i doskonalą proces pracy na bieżąco.
Praktyczne znaczenie tego podejścia jest spore. System taki może być wdrażany w scenariuszach wymagających wysokiej niezawodności - od zarządzania złożonymi projektami technicznymi po wsparcie decyzji biznesowych. Zdolność do samooptymalizacji oznacza, że system nie wymaga stałej ingerencji człowieka na każdym kroku, a jednocześnie zachowuje przejrzystość działań dzięki wbudowanym mechanizmom weryfikacji i sprzężenia zwrotnego.