NVIDIA bude první společností v hodnotě 10 bilionů dolarů

Nejlepší AI Agent hraje tam, kde model funguje dobře, ale kde je stále velká mezera mezi modelem a pracovním postupem. Zde můžete vytvořit skutečný příkop s lepším porozuměním doméně, datům, použití nástrojů, kontextu a přizpůsobenému UX. Mnoho příležitostí zde.

Pravděpodobně panují příliš velké obavy, že modely umělé inteligence při zlepšování pohltí aplikační vrstvu. Aby AI Agenti fungovali, bude většina podniků potřebovat most mezi AI a jejich specifickými pracovními postupy. Ukazuje se, že poslední míle k tomu, aby AI Agenti fungovali v reálných, vysoce proměnlivých a nepřátelských prostředích, je šíleně těžká. A čím dál tím víc je to ta nejcennější část celého procesu. Tento most mezi modely umělé inteligence a podnikovými pracovními postupy bude představovat velké množství softwaru, který bude možné připojit k různým systémům, stahovat správná podniková data, správně zacházet se zabezpečením a oprávněními a mít hlubokou úroveň kontextu spojenou s případem použití. Pak přidáte zákaznickou podporu přizpůsobenou danému případu použití, SLA, doložky o odpovědnosti, prodejní pohyby na míru, sladěná partnerství pro danou kategorii a tak dále. Požadovaný seznam je zcela nekonečný. Každá jednotlivá vertikální, a dokonce i kritická horizontální kategorie, bude vyžadovat hluboké množství odborných znalostí, aby byli AI Agenti efektivní. Velkou příležitostí v současné době je identifikovat, kde jsou tyto mezery nejširší (mezi modelem a pracovním postupem), a vyplnit je vhodným softwarem a odbornými znalostmi. A i když se modely zlepšují – což dříve představovalo riziko kanibalizace – zaměření hráči mohou zákazníkům nabídnout ještě větší hodnotu a případy použití. Pokud jste šli po správné tržní příležitosti, neexistuje téměř žádný scénář, kde by vylepšování modelu bylo při vytváření AI agentů špatná věc.

V současné době existuje tolik příležitostí k tomu, aby se AI Agenti stali pro podniky skutečnými. Modely obsahují šílené schopnosti, ale dostat je doprostřed podnikového pracovního postupu vyžaduje značné lešení, porozumění doméně a kontextové inženýrství. Tohle je ta hra.

Vytváření agentů umělé inteligence je cvičením ve vyvažování deterministických a nedeterministických pracovních postupů. Příliš málo agenta bez otěží a vy nemáte prospěch z inteligence modelu. Příliš mnoho a budete mít bezpečnostní problémy nebo nahodilé výsledky. To je důvod, proč SaaS + Agenti zůstanou.

Pokud vytváříte AI agenty, musíte najít optimální úroveň práce pro automatizaci, abyste dosáhli maximální efektivity a velikosti TAM. Příliš úzký a agenti budou fungovat, ale TAM je malý. Příliš obecné a agenti ještě nebudou fungovat, ale TAM je velký. Musím najít to správné místo.

Kontextové inženýrství je v současné době stále důležitější součástí pro vytváření efektivních agentů umělé inteligence v podniku. To bude nakonec dlouhý pól ve stanu pro přijetí AI Agentů ve většině organizací. Potřebujeme AI agenty, kteří dokážou hluboce porozumět kontextu obchodního procesu, na který jsou vázáni. To znamená přístup k nejdůležitějším datům pro daný pracovní postup, použití vhodných nástrojů ve správný okamžik, správné cíle a pokyny a pochopení domény, ve které se nacházejí. Některé z velkých otevřených položek pro každého, kdo buduje podnikové agenty, jsou: * Úzcí vs. obecní zástupci. Čím menší je úloha, tím snazší je poskytnout AI agentům správný kontext, aby byli úspěšní. Čím menší je však úkol, tím menší bude hodnota. Nalezení optimální velikosti úlohy pro generování hodnoty bude důležitým faktorem pro příštích několik let. * Získání dat do systému připraveného pro agenty. Podniková data jsou často roztříštěna mezi desítky nebo stovky systémů, z nichž mnohé nejsou připraveny na svět umělé inteligence. Většina společností bude stále muset modernizovat svá datová prostředí, aby plně využila výhod AI Agentů. * Přístup ke *správným* datům pro daný úkol je prvořadý. I když máte data v moderním prostředí, je důležité dokonale sladit řízení přístupu s tím, k čemu bude agent umělé inteligence potřebovat přístup. Dále bude hodně záležet na tom, na čem dělat RAG vs. jen na obecném vyhledávání vs. co plně vložit do kontextového okna. * Volba toho, co by mělo být deterministické vs. nedeterministické. Pokud budete od modelů požadovat příliš mnoho, pravděpodobně zaznamenáte určitý pokles kvality. Pokud však necháte model dělat příliš málo, pak dramaticky nedostatečně využíváme to, co je s umělou inteligencí možné. To je samozřejmě pohyblivý cíl, protože samotné modely se zlepšují zrychlujícím se tempem. * Na správném uživatelském rozhraní pro pochopení kontextu AI Agentů hluboce záleží. Polovina problému s tím, jak dostat kontext k agentům, vůbec nevypadá jako problém umělé inteligence. Vše je o tom, kde se agenti objeví v pracovním postupu a jak s nimi uživatel interaguje, aby jim poskytl kontext nezbytný k provedení úkolu. Závod o příštích několik let v oblasti umělé inteligence v podnicích spočívá v tom, kdo nejlépe poskytne správný kontext pro daný pracovní postup. To určí vítěze a poražené v závodě o umělou inteligenci.

Je neuvěřitelné, kolik příležitostí pro AI Agenty existuje, které jsou mnohem větší než jejich trhy před AI. TAM na trhu editorů kódu činil v roce 2020 několik miliard dolarů. Kódovací agenti AI by mohli být v příštích 5-10 letech trhem za 50-100 miliard USD+. To lze provést pro mnoho prostorů.

Ve světě agentů umělé inteligence velikost trhu pro SaaS roste, nikoli se zmenšuje. Nejenže stále potřebujete systémy záznamů pro správu podnikových dat a pracovních postupů, ale AI Agenti vytvářejí pro tyto nástroje zcela nové hodnotové nabídky. Nyní přinášíte práci zákazníkovi.

Zde je nový agent ChatGPT, který pročesává tržní a strategická data uložená v Boxu a vytváří powerpointovou prezentaci. Schopnost AI agentů připojit se k datům odkudkoli, používat počítač a automatizovat práci na pozadí bude úžasná.