Dikey yapay zeka ajanları, belirli bir alanda uzmanlaşmış olmalarına rağmen, insan uzmanların sahip olduğu örtük ve karmaşık alan bilgisini edinmekte zorlanıyor. Bu bilgi, statik sistem istemleri (prompt) veya ham belgelerden bilgi çekme (RAG) gibi mevcut yöntemlerle tam olarak aktarılamıyor. Çünkü insan uzmanlığı sadece olguları ezberlemekten öte, prensipleri, sezgileri ve istisnai durumları derinlemesine anlamayı gerektirir. Bu durum, ajanların güvenilir ve yüksek performanslı görevler gerçekleştirmesini engelliyor.
Mevcut yaklaşımlardan istem mühendisliği, hem alan hem de LLM prompt mühendisliği uzmanlığı gerektirir ve uzmanların bilgilerini önceden listelemesini bekler ki bu, insan uzmanlığının doğasına aykırıdır. İnsanlar, kurallarını ve sezgisel yaklaşımlarını belirli durumlara yanıt olarak uygularlar, önceden listeleyerek değil. Bilgi geri çağırma (RAG) ise "olguları arama" görevleri için uygun olsa da, karmaşık alan bilgisi için yetersiz kalır; çünkü asıl zorluk bilgiyi bulmak değil, doğru bir şekilde muhakeme etmektir.
Makale, bu soruna yenilikçi bir çözüm sunuyor: yapay zeka ajanlarını öğrenci gibi ele almak. İnsan alan uzmanları, interaktif sohbetler aracılığıyla ajanlara bilgi öğretir. Ajan ise bu etkileşimler sırasında alan kurallarını, tanımlarını ve sezgisel yaklaşımlarını sürekli gelişen bir bilgi tabanına damıtır. Bu iş akışı, açık kaynaklı bir prototip olan Socratic ile hayata geçirilmiştir. Bu yaklaşım, ajanların zamanla daha yetkin hale gelmesini sağlayarak, karmaşık dikey görevlerdeki başarı oranlarını artırmayı hedefliyor.
Yapay zeka ajanlarının, insan uzmanlığındaki örtük ve karmaşık bilgiyi öğrenmesini sağlayarak dikey görevlerdeki performanslarını önemli ölçüde artırma potansiyeli taşıyor.