Multi-Agent Deliberation: симуляция заседания комитета для сложных решений

Обнаружено: LLM генерирует текст линейно — первый аргумент задаёт тон всему ответу. Если модель начала с «цену надо поднять», она ищет подтверждения, игнорируя контраргументы. Это confirmation bias в авторегрессивной генерации. Multi-Agent Deliberation позволяет принимать сложные решения через симуляцию дебатов — несколько AI-агентов с разными ролями анализируют проблему независимо, критикуют логику друг друга и голосуют. Фишка: каждый агент получает те же данные, но через уникальную линзу (CFO фокусируется на рентабельности, Head of Product — на удержании, Customer Success — на удовлетворённости). Когда один агент анализирует микс данных — точность 75%. Когда три агента дебатируют — выявляются дыры в рассуждениях, консенсус учитывает больше факторов.