A Manus AAI 2025 márciusi bemutatása után a felhasználók számos problémával szembesültek, mint például a megbízhatóság, a költségek és a tokenfelhasználás átláthatósága. Ezek a kezdeti nehézségek késleltették a szélesebb körű megbeszéléseket a platformról, de mára elindult a stabilizáció folyamata.
Az előadó szerint az AI-ügynökök és konkrétan a Manus megnevezése önmagában is kihívás, hiszen ezek a rendszerek komplex és többcélú technológiák. Ismerteti a MACE nevű új keretrendszert, amely négy dimenzió alapján értékeli az AI-ügynököket: modalitás, autonómia, komplexitás és működési környezet.
Különböző ügynökkategóriák is szóba kerülnek – például szöveggenerátorok, kódoló asszisztensek, munkafolyamat-orchesztrátorok, kutatást szintetizáló rendszerek, autonóm végrehajtó ügynökök és hibrid kollaborációs modellek. Manus kiemelkedik az autonóm végrehajtó kategóriában, mivel képes komplex, többmodalitású munkafolyamatokat összehangolni.
A vállalati méretű alkalmazás nehézségeit is részletezi, mint például a komplex állapotkezelés, memóriamenedzsment, hibakezelés, költségelőrejelzés és a modellkoordináció kihívásai. Ezek megoldásához különösen átlátható folyamatokra és robusztus technikai háttérre van szükség.
A gyakorlatban Manus olyan felhasználási területeken éri meg leginkább, ahol magas az automatizálhatóságból származó megtakarítás: például kutatás, tartalomgyártás, üzleti adatvizualizáció, folyamatdokumentáció vagy technikai prototípusfejlesztés – főként kisebb vállalatok és független szakértők körében.
Az előadó rámutat az ügynökök specializációs irányaira is: egyre inkább az jellemző, hogy egyes AI-ügynökök speciális célokra lesznek optimálisak, nem pedig általános produktivitási feladatokra. Manus példája jól mutatja, hogy a jövőben milyen szerepe lehet a multi-ügynök rendszereknek az automatizálásban, főként specialistáknak szánt eszközként.
