Jednou z nejtěžších prací na světě je teď určit, co by měly vysoké školy učit. Svět na vás křičí ze všech stran, že každá práce se navždy změní, a vy musíte připravit všechny své studenty na to. Tak co dělat? Můj odhad — a poznámka, že jsem školu opustil, takže jsem poslední, kdo by se měl vyjadřovat — je, že pravděpodobně chceme, aby 75 % učebních osnov bylo o základech konkrétního oboru a 25 % o aplikovaných AI dovednostech v této oblasti (s těmito čísly si můžete trochu pohrát). U těch 75 % se naučíte všechny stejné základní principy informatiky, strojírenství, psychologie a podobně, které všichni znali před AI. Ale to všechno by mělo být také urychleno díky AI, takže pravděpodobně zkomprimujeme ekvivalent magisterských titulů plus do každého bakalářského programu. V tomto případě pravděpodobně chceme učit a testovat základy, i když v reálném světě se zabýváte pouze abstrakcemi způsobenými AI, protože jediný způsob, jak lidé tyto nástroje budou efektivně používat, je pochopit, jak agentovi říct, co chcete dělat, jak poznat, kdy se vymyká kontrole, jak opravit, co nefunguje, a tak dále. Pokud neznáte základy, žádné abstrakce vás nezachrání. Zbývajících 25 % pak jde na aplikované způsoby práce s AI ve vašem konkrétním oboru. Pokud studujete informatiku, používáte AI k vytvoření co nejšílenějšího funkčního softwaru. Pokud jste v médiích, produkujete celý film, který vypadá jako trhák. Pokud jste v marketingu, zjíždíte, jak dělat end-to-end marketingové kampaně s moderním stackem. Tato kombinace by podle mě udělala studenty extrémně silnými, když by přišli do skutečného světa. Ve skutečnosti by pravděpodobně věděli mnohem více o tom, jak v oboru fungovat moderním způsobem, než stávající zaměstnanci, což z nich dělá velmi atraktivní kandidáty. Jen taková myšlenka!

Je zásadní rozdíl mezi tím, když vezmete existující proces a aplikujete na něj AI agenty, nebo když se proces začne od nuly navrhovat pro AI agenty. Rozdíl, který uvidíme, se prohloubí mezi týmy a firmami, které budou schopny dělat to druhé místo jen to první. Teoreticky by bylo ideální, kdyby všechny přínosy AI přišly "zdarma", ale existují jak jasná omezení AI (jako správné nastavení kontextu), tak jasné výhody (například možnost spouštět kód a běžet paralelně), že samotné pracovní postupy musí být přepracovány tak, aby plně využily tuto technologii. Jedním z největších důsledků, které se dostanou do popředí, je, že agenti, kteří dokážou psát a spouštět kód a komunikovat s jakýmkoli API, povedou k tomu, že agenti budou v podstatě expertními inženýry aplikovanými na váš obchodní proces. Takže do jisté míry je jedním z největších způsobů, jak přepracovat workflow, položit si otázku: co byste dělali, kdybyste měli nekonečné množství schopných inženýrů, kteří by pro tento proces psali software. Co kdyby ti inženýři napsali kód, který propojí vaše různé zdroje dat, prohledávají jakékoli množství nestrukturovaných dat, automatizují vaše opakované úkoly, propojují různé systémy specifické pro váš proces a podobně. Ne každý proces má tuto výhodu, ale každý den děláme spoustu úkolů v marketingu, financích, provozu a dokonce i prodeji, kde by programátor s nekonečným psaním kódu a přístupem k API dokázal něco udělat mnohem rychleji nebo vytvořit mnohem více výstupů. Týmy, které začnou takto přemýšlet, začnou fungovat úplně jinak.

Jemnou dynamikou dnes, která se pravděpodobně v budoucnu ukáže jako zásadní, je, že AI agenti budou v budoucnu automaticky obstarávat významnou část technologií pro vás a vaši firmu. U firem, které mají platné standardy pro konkrétní technologii nebo kde je silná preference, se na to makléř spoléhá. I tak agent postupně dává najevo, že narazí na problémy s existující technologií. Ale u všech nových pracovních postupů nebo softwaru, což bude v budoucnu většina softwaru, bude agent obvykle řídit to, co se použije. To má zásadní dopady na platformy, protože pokud vás agent nemůže snadno nastavit a nemáte použitelná API pro každou klíčovou funkci, jste pro agenta prakticky mrtví. Postupem času agenti nemilosrdně upřednostňují, co používají, podle toho, co je nejjednodušší, nejúčinnější, nejlevnější nebo podle jiných parametrů, které jim dáš. Teoreticky to lidé dělali vždycky, ale agenti zde budou mnohem utilitářštější než kdy ostatní. Divoké důsledky.