v1st

Предложил бы посмотреть в сторону технологии RAG. В двух словах - берём общецелевую LLM, например доступную llama, загружаем документы, содержащие ответы на потенциальные вопросы, в векторную бд, обучаем модель отвечать с использованием контекста из векторной бд. Отдельно обучать модель тоже можно, но получится намного дороже. Пример такого подхода для русскоязычных документов - https://github.com/mpashkovskiy/ru-rag.
Nvidia недавно выпустила такой комплект для своих карт RTX серий 30 и 40 под Windows 11 - https://github.com/NVIDIA/trt-llm-rag-windowsu

Присоединюсь к коллегам.
Проще всего следовать принципу "одна задача-один исполнитель" и создавать подзадачи для группировки параллельных обработок если нужен контроль по общей задаче и контроль статусов по подзадачам.
Исключение - когда последовательно по задаче должны отработать исполнители в рамках рабочего процесса, тогда подзадачи создавать необязательно, но статусная схема должна отражать рабочий процесс.
Хотя если сильно хочется извращений - технически можно одну группу создать средствами почтового сервера и ей назначать в РМ, однако статусы только кто-то один будет менять в момент очередного обновления.