Fujitsu's zelflerende AI-agents verbeteren zichzelf autonoom

In dit artikel:

Fujitsu heeft recent een zelflerende multi-AI-agentarchitectuur ontwikkeld waarbij meerdere autonome agents als team werken en zichzelf continu bijsturen op basis van bedrijfsresultaten, menselijke feedback en veranderende beleidsregels. De technologie pakt een bekend bedrijfsprobleem aan: conventionele AI volgt instructies maar leert zelden zelfstandig van fouten, waardoor experts constant handmatig prompts, zoekstrategieën en beoordelingscriteria moeten aanpassen. De nieuwe agents analyseren waarom taken slagen of mislukken, extraheren bruikbare kennis en passen operationele instellingen toe; alleen verbeteringen die daadwerkelijk effect laten zien worden doorgevoerd.

Als proef is de methode toegepast op Fujitsu’s bedrijfs-LLM “Takane”. Agents namen de volledige optimalisatiecyclus over — van dataselectie en trainingsinstellingen tot evaluatie — en leverden gemiddeld een nauwkeurigheidswinst van 28 punten ten opzichte van de eerdere versie. Takane werd gespecialiseerd voor sectoren als productie, zorg, financiële dienstverlening en overheid. In de zorg zet het systeem ongestructureerde medische dossiers om in consistente, gestructureerde informatie (diagnoses, ziekteverloop, behandelbeleid).

Een tweede toepassing is geavanceerde documentzoekactie: voor EPD-specificaties van ziekenhuizen en gemeentelijke software helpt de technologie impactanalyses van wetswijzigingen uitvoeren zonder voortdurende interventie van regelgevingsexperts. Fujitsu wil de agents als kerntechnologie integreren in het Kozuchi AI‑platform en ontwikkelt samen met Carnegie Mellon University een lichtere versie voor on‑premise en edge‑omgevingen met beperkte resources.