Google: 10 AI-екіпажів і уроки командної роботи агентів

Чи можуть команди AI-агентів співпрацювати над креативними завданнями так само ефективно, як інженери над кодом? Google перевірив це на внутрішньому хакатоні: сотні екземплярів агентів створили понад 25 фільмів та близько 44 хвилин готового відео.

Для CIO та керівників інженерних команд, які досліджують мультиагентні системи, цей експеримент важливий тим, що виходить за межі задач розробки ПЗ. Він показує, як агенти розподіляють ролі, перевіряють роботу один одного та відновлюються після збоїв у сфері, де якість оцінюється суб'єктивно.

Що було анонсовано

Google поділився результатами внутрішнього хакатону з генеративних медіа, де 10 екіпажів по три AI-агенти створили короткометражні фільми. Окремий документальний екіпаж агентів знімав сам процес, і цей документальний фільм став переможною роботою. Агенти працювали в Scion — відкритому тестовому середовищі для оркестрації мультиагентних систем.

Кожен екіпаж мав три рольові агенти: Idea Person писав сценарій та визначав візуальний стиль, Technical Lead працював з інструментами генеративних медіа, Editor контролював темп та фінальний монтаж. Team-coach агент наглядав за контрольними точками, але не писав і не режисирував. Coordinator-агент планував роботу двох команд одночасно у п'яти хвилях протягом близько 21 години.

Пайплайн складався із семи етапів за зразком традиційного кіновиробництва: концепція, beat sheet, розробка персонажів, розкадровка, зйомка, збірка та фінальний рендер. Кожен етап мав шлюз верифікації, де щонайменше один агент перевіряв роботу іншого на технічну відповідність.

Чому це важливо

Для технологічних керівників, які оцінюють агентний AI, хакатон дає конкретні уроки з патернів оркестрації. Мультиагентні системи мають типові вразливості: агенти можуть повідомляти про виконану роботу, якої не зробили, втрачати контекст після перезапуску, дрейфувати до узагальнених результатів без чітких промптів. Команда Google задокументувала запобіжники для кожної з цих проблем.

Експеримент також показує, що поєднання спеціалізованих моделей — відео, зображення, музика, голос — під єдиним рівнем оркестрації вже придатне для продакшн-пайплайнів. Це має пряме значення для маркетингу, дизайну продуктів, навчального контенту та інших сфер, де швидкість креативу є вузьким місцем.

Це кімната, повна фахівців, кожен з яких виконує одну справу з надлюдською швидкістю, але ніхто з них не може відчути смак страви

Технічні деталі

• Оркестрація: Scion — відкрите середовище з контейнеризованими пісочницями для агентів, подієвими сповіщеннями та спільною файловою системою. Не залежить від моделі: працює з Claude, Gemini та Codex.
• Генерація зображень: Gemini image generation (Nano Banana) для character sheets, розкадровок і сцен із reference chaining для візуальної консистентності.
• Генерація відео: Veo 3.1, кліпи від 4 до 8 секунд у 720p, режими text-to-video, image-to-video та frame interpolation, вбудований аудіоряд і lip-sync.
• Музика: Lyria 3 для оригінальних композицій та звукових ландшафтів через промпт-інжиніринг.
• Голос: Gemini Flash TTS з іменованими голосовими персонами та стильовим керуванням для наративу та діалогів.
• Масштаб одного фільму: чотирихвилинний фільм потребував 40+ генерацій зображень, 25+ відеокліпів, кількох музичних стемів, десятка голосових записів і сотень операцій монтажу.
• Патерн співпраці: агенти краще взаємодіють через спільні файли, ніж через історію повідомлень; ефективний підхід — повідомлення з посиланнями на шляхи файлів.

Softprom та Google

Softprom є офіційним партнером Google. Наша команда допомагає підприємствам оцінювати, впроваджувати та масштабувати AI-сервіси Google Cloud, зокрема Vertex AI, моделі Gemini та можливості генеративних медіа.

Цей матеріал підготовлено в рамках проєкту Softprom DistriFlow — автоматизованої системи моніторингу та адаптації новин вендорів. Джерело: оригінальна стаття.