This study investigates how different agent architectures - single-agent, multi-agent, and human-in-the-loop - affect control, transparency, and reliability in systems based on large language models (LLMs). The study combines a literature review with an experimental prototype in which the three architectures are implemented and evaluated using a set of structured test cases. 

To enable a systematic comparison, a set of measurable evaluation dimensions is defined, including the number of identified issues, the number of implemented improvements, and the presence of factual errors in generated responses. These dimensions operationalize aspects of control and transparency by capturing how each architecture identifies, processes, and corrects deficiencies in its outputs. 

The results indicate that multi-agent architectures enable more structured internal review and iterative refinement, while human-in-the-loop provides the highest level of control and traceability through explicit human intervention. In contrast, the single-agent architecture is simpler but lacks explicit mechanisms for iterative validation and improvement. 

The study also highlights challenges in evaluating AI-generated responses, as the assessment process is partly interpretative and influenced by task characteristics. The findings suggest that there is no universally optimal architecture; instead, the choice involves trade-offs between efficiency, control, transparency, and system complexity.

Denna studie undersöker hur olika agentarkitekturer - single-agent, multi-agent och human-in-the-loop - påverkar kontroll, transparens och tillförlitlighet i system baserade på stora språkmodeller (LLM). Studien kombinerar en litteraturanalys med ett experiment där tre arkitekturer implementeras och utvärderas genom ett antal strukturerade testfall. 

För att möjliggöra en systematisk jämförelse definieras ett antal mätbara analysdimensioner, såsom antal identifierade brister, antal implementerade förbättringar samt förekomst av faktiska fel i genererade svar. Dessa dimensioner används för att operationalisera kontroll och transparens genom att analysera hur olika arkitekturer identifierar, hanterar och korrigerar brister. 

Resultaten visar att multi-agent-arkitekturer möjliggör mer strukturerad intern granskning och iterativ förbättring, medan human-in-the-loop ger högst grad av kontroll och spårbarhet genom explicit mänsklig involvering. Single-agent-arkitekturen uppvisar en enklare struktur men saknar tydliga mekanismer för iterativ validering och förbättring. 

Studien visar även att utvärdering av AI-genererade svar är utmanande, då den delvis bygger på tolkning och påverkas av uppgiftens karaktär. Resultaten indikerar att valet av arkitektur innebär en avvägning mellan effektivitet, kontroll, transparens och systemkomplexitet.