Resumen: Si bien la IA Agentic ha avanzado en la automatización de tareas individuales, la gestión de flujos de trabajo complejos de múltiples agentes sigue siendo un problema desafiante. Este artículo presenta una visión de investigación para sistemas de agente autónomos que orquestan la colaboración dentro de los equipos dinámicos de Human-AI. Proponemos al agente del gerente autónomo como un desafío central: un agente que descompone objetivos complejos en los gráficos de tareas, asigna tareas a los trabajadores humanos y de IA, monitorea el progreso, se adapta a las condiciones cambiantes y mantiene la comunicación transparente de las partes interesadas. Formalizamos la gestión del flujo de trabajo como un juego estocástico parcialmente observable e identificamos cuatro desafíos fundamentales: (1) razonamiento compositivo para la descomposición jerárquica, (2) optimización de objetivos múltiples bajo preferencias de cambio, (3) coordinación y planificación en equipos ad hoc, y (4) gobernanza y cumplimiento por el diseño. Para avanzar en esta agenda, lanzamos MA-GYM, un marco de simulación y evaluación de código abierto para la orquestación de flujo de trabajo de múltiples agentes. Al evaluar los agentes gerentes basados en GPT-5 en 20 flujos de trabajo, encontramos que luchan por optimizar conjuntamente para completar objetivos, adherencia a la restricción y tiempo de ejecución del flujo de trabajo, lo que subraya la gestión del flujo de trabajo como un problema abierto difícil. Concluimos con las implicaciones organizacionales y éticas de los sistemas de gestión autónomos.
Publicado Originalme en export.arxiv.org El 5 de octubre de 2025.
Ver Fuente Original
