Eine Praxis, die wir bei Box im Rahmen unserer AI-First-Strategie umgesetzt haben, ist, dass jede Woche jemand seinen AI-Workflow dem gesamten Unternehmen vorstellt. In der Regel handelt es sich um etwas, das wir niemals vorhergesehen hätten. Es ist gut, zentrale Planung für Technologie mit Dezentralisierung für die Annahme von Anwendungsfällen in Einklang zu bringen.

NVIDIA wird das erste Unternehmen mit einem Wert von 10 Billionen Dollar sein.

Die besten AI-Agenten-Spiele sind die, bei denen das Modell gut abschneidet, aber wo es immer noch eine große Lücke zwischen dem Modell und dem Workflow gibt. Hier können Sie einen echten Wettbewerbsvorteil mit besserem Fachwissen, Daten, Werkzeugnutzung, Kontext und einer maßgeschneiderten Benutzererfahrung aufbauen. Hier gibt es viele Möglichkeiten.

Es gibt wahrscheinlich zu viel Angst, dass KI-Modelle die Anwendungsschicht übernehmen, während sie sich verbessern. Damit KI-Agenten funktionieren, benötigen die meisten Unternehmen eine Brücke zwischen der KI und ihren spezifischen Arbeitsabläufen. Es stellt sich heraus, dass der letzte Schritt, um KI-Agenten in realen, hochvariablen und feindlichen Umgebungen zum Laufen zu bringen, unglaublich schwierig ist. Und zunehmend ist es der wertvollste Teil des gesamten Prozesses. Diese Brücke zwischen KI-Modellen und Unternehmensarbeitsabläufen wird eine große Menge an Software erfordern, um sich mit verschiedenen Systemen zu verbinden, die richtigen Unternehmensdaten zu ziehen, Sicherheit und Berechtigungen ordnungsgemäß zu handhaben und ein tiefes Maß an Kontext, das an den Anwendungsfall gebunden ist, zu haben. Dann fügen Sie den Kundensupport hinzu, der auf den Anwendungsfall zugeschnitten ist, SLAs, Haftungsklauseln, maßgeschneiderte Verkaufsstrategien, abgestimmte Partnerschaften für die Kategorie und so weiter. Die erforderliche Liste ist ziemlich endlos. Jede einzelne Branche und sogar kritische horizontale Kategorien werden ein tiefes Maß an Fachwissen benötigen, um die KI-Agenten effektiv zu machen. Die große Chance besteht derzeit darin, herauszufinden, wo diese Lücken am größten sind (zwischen Modell und Arbeitsablauf) und sie mit der entsprechenden Software und Expertise zu schließen. Und selbst wenn sich die Modelle verbessern - was zuvor das Risiko der Kannibalisierung dargestellt hat - können die fokussierten Akteure einfach noch mehr Wert und Anwendungsfälle für die Kunden anbieten. Es gibt fast kein Szenario, wenn Sie die richtige Marktchance ergriffen haben, in dem Modellverbesserungen eine schlechte Sache sind, wenn Sie KI-Agenten aufbauen.

Es gibt gerade so viele Möglichkeiten, KI-Agenten für Unternehmen real zu machen. Die Modelle bieten unglaubliche Fähigkeiten, aber um sie in den Mittelpunkt eines Unternehmens-Workflows zu bringen, sind erhebliche Strukturen, Fachwissen und Kontextgestaltung erforderlich. Das ist der Plan.

Der Aufbau von KI-Agenten ist eine Übung im Ausbalancieren von deterministischen und nicht-deterministischen Arbeitsabläufen. Zu wenig Freiraum für den Agenten und man profitiert nicht von der Intelligenz des Modells. Zu viel und man erhält Sicherheitsprobleme oder willkürliche Ergebnisse. Deshalb werden SaaS + Agenten bestehen bleiben.

Wenn Sie KI-Agenten entwickeln, müssen Sie das optimale Maß an Arbeit finden, das automatisiert werden kann, um maximale Effektivität und Marktgröße (TAM) zu erreichen. Zu eng gefasst und die Agenten funktionieren, aber der TAM ist klein. Zu allgemein und die Agenten funktionieren noch nicht, aber der TAM ist groß. Sie müssen den idealen Punkt finden.

Das Kontext-Engineering ist zunehmend die kritischste Komponente für den Aufbau effektiver KI-Agenten in Unternehmen. Dies wird letztendlich der lange Pfahl im Zelt für die Akzeptanz von KI-Agenten in den meisten Organisationen sein. Wir benötigen KI-Agenten, die den Kontext des Geschäftsprozesses, mit dem sie verbunden sind, tiefgehend verstehen können. Das bedeutet, auf die wichtigsten Daten für diesen Arbeitsablauf zuzugreifen, die geeigneten Werkzeuge im richtigen Moment zu verwenden, angemessene Ziele und Anweisungen zu haben und das Fachgebiet, in dem sie sich befinden, zu verstehen. Einige der großen offenen Punkte für jeden, der Unternehmensagenten aufbaut, sind: * Engagierte vs. allgemeine Agenten. Je kleiner die Aufgabe, desto einfacher ist es, den KI-Agenten den richtigen Kontext zu geben, um erfolgreich zu sein. Aber je kleiner die Aufgabe, desto weniger Wert wird es geben. Die optimale Aufgabengröße für die Wertschöpfung zu finden, wird in den nächsten Jahren ein wichtiger Faktor sein. * Daten in ein agentenbereites System zu bringen. Unternehmensdaten sind oft zwischen Dutzenden oder Hunderten von Systemen fragmentiert, von denen viele nicht auf eine Welt der KI vorbereitet sind. Die meisten Unternehmen müssen ihre Datenumgebungen modernisieren, um den vollen Nutzen aus KI-Agenten zu ziehen. * Auf die *richtigen* Daten für die Aufgabe zuzugreifen, ist von größter Bedeutung. Selbst wenn Sie Daten in einer modernen Umgebung haben, ist es entscheidend, die Zugriffssteuerungen perfekt auf das abzustimmen, was der KI-Agent benötigen wird. Darüber hinaus wird es für jede Aufgabe von großer Bedeutung sein, zu entscheiden, was RAG sein sollte, was nur eine allgemeine Suche ist und was vollständig in das Kontextfenster aufgenommen werden sollte. * Zu wählen, was deterministisch vs. nicht-deterministisch sein sollte. Wenn Sie zu viel von den Modellen verlangen, werden Sie wahrscheinlich einen Qualitätsverlust feststellen. Wenn Sie jedoch das Modell zu wenig machen lassen, nutzen Sie das, was mit KI möglich ist, dramatisch unter. Dies ist natürlich ein sich bewegendes Ziel, da sich die Modelle selbst in einem beschleunigten Tempo verbessern. * Die richtige Benutzeroberfläche, um den KI-Agenten Kontext zu geben, ist von großer Bedeutung. Die Hälfte des Problems, den Agenten Kontext zu geben, sieht überhaupt nicht nach einem KI-Problem aus. Es geht darum, wo die Agenten im Arbeitsablauf erscheinen und wie der Benutzer mit ihnen interagiert, um ihnen den notwendigen Kontext zu geben, um die Aufgabe zu erledigen. Der Wettlauf in den nächsten Jahren in der KI im Unternehmen besteht darin, zu sehen, wer am besten den richtigen Kontext für jeden gegebenen Arbeitsablauf liefern kann. Dies wird die Gewinner und Verlierer im KI-Wettlauf bestimmen.

Es ist verrückt, wie viele Möglichkeiten für KI-Agenten es gibt, die viel größer sind als ihre Märkte vor der KI. Der TAM des Marktes für Code-Editoren betrug 2020 einige Milliarden Dollar. KI-Coding-Agenten könnten in den nächsten 5-10 Jahren ein Markt von 50-100 Milliarden Dollar oder mehr sein. Das kann man für viele Bereiche tun.

In einer Welt von KI-Agenten wächst die Marktgröße für SaaS, anstatt zu schrumpfen. Sie benötigen nicht nur weiterhin Systeme zur Aufzeichnung, um Unternehmensdaten und Arbeitsabläufe zu verwalten, sondern KI-Agenten schaffen völlig neue Wertversprechen für diese Werkzeuge. Sie bringen die Arbeit jetzt zum Kunden.