Jedním z kritických bodů, které Karpathy uvedl v podcastu Dwarkesh, byl rozdíl mezi kódovacími agenty AI a zbytkem práce se znalostmi. Je zřejmé, že agenti umělé inteligence v kódování se rozjeli extrémně rychle. Existuje pro to mnoho důvodů, včetně skutečnosti, že značné množství trénovacích dat je již online ve srovnání s jinými doménami, vývojáři rychle zkoušejí nové nástroje a laboratoře mají velkou motivaci to udělat správně. Ale je tu také jemný a základní důvod, který Karpathy pokrývá: doména se skládá téměř výhradně z textu (skvělé pro LLM!) a máme jasné standardizované nástroje, které jsou již v podstatě textovými editory (IDE), kde je téměř veškerá práce obsažena samostatně. Existuje jen málo dalších oblastí, kde agenti umělé inteligence najdou tak zralé území jako je tato. To je částečně důvod, proč bude šíření agentů umělé inteligence trvat déle v jiných prostorách, ale stejně tak je to příležitost před každým, kdo pracuje na agentech znalostních pracovníků. Vstupujeme do nové éry softwaru pro znalostní pracovníky, který umožňuje intuitivní, ale výkonné způsoby interakce s agenty. Někteří ze stávajících stávajících společností budou mít přirozenou pozici pro vytváření těchto řešení, ale spousta míst bude k mání, protože některé se nebudou pohybovat dostatečně rychle. A stejně tak bude mnoho kategorií, kde nebude žádný přirozený zavedený operátor, protože je to poprvé, co je software aplikován na trh. Zvítězí společnosti, které jsou schopny uvést tato řešení na trh, zejména do podniků, které budou vyžadovat řízení změn a reengineering procesů.