Una pratica che abbiamo implementato per adottare un approccio AI-first in Box è che ogni settimana qualcuno dimostra il proprio flusso di lavoro AI a tutta l'azienda. Di solito è qualcosa che non avremmo mai previsto. È utile bilanciare la pianificazione centrale per la tecnologia e la decentralizzazione per l'adozione dei casi d'uso.

NVIDIA sarà la prima azienda da 10 trilioni di dollari

I migliori giochi con agenti AI sono quelli in cui il modello si comporta bene, ma dove c'è ancora un grande divario tra il modello e il flusso di lavoro. Qui puoi costruire un vero vantaggio competitivo con una migliore comprensione del dominio, dati, utilizzo degli strumenti, contesto e un'esperienza utente su misura. Ci sono molte opportunità qui.

C'è probabilmente troppa paura che i modelli di intelligenza artificiale mangino il livello delle app man mano che migliorano. Per far funzionare gli Agenti AI, la maggior parte delle imprese avrà bisogno di un ponte tra l'AI e i loro flussi di lavoro specifici. Si scopre che l'ultimo miglio per far funzionare gli Agenti AI in ambienti reali, altamente variabili e ostili, è incredibilmente difficile. E sempre più, è la parte più preziosa dell'intero processo. Quel ponte tra i modelli di AI e i flussi di lavoro aziendali sarà una grande quantità di software per connettersi a diversi sistemi, raccogliendo i dati aziendali giusti, gestendo correttamente la sicurezza e i permessi, e avendo un livello profondo di contesto legato al caso d'uso. Poi si aggiunge il supporto clienti su misura per il caso d'uso, SLA, clausole di responsabilità, modalità di vendita personalizzate, partnership allineate per la categoria, e così via. La lista richiesta è piuttosto infinita. Ogni singolo settore, e persino categorie orizzontali critiche, richiederà una profonda quantità di competenze per rendere efficaci gli Agenti AI. La grande opportunità in questo momento è identificare dove queste lacune sono più ampie (tra il modello e il flusso di lavoro) e colmarle con il software e le competenze appropriate. E, anche se i modelli migliorano - il che ha precedentemente presentato il rischio di cannibalizzazione - i giocatori focalizzati possono semplicemente offrire ancora più valore e casi d'uso ai clienti. Non c'è quasi nessuno scenario, se hai puntato alla giusta opportunità di mercato, in cui i miglioramenti del modello siano una cosa negativa quando si costruiscono Agenti AI.

Ci sono così tante opportunità in questo momento per rendere gli agenti AI reali per le imprese. I modelli offrono capacità incredibili, ma per integrarli nel flusso di lavoro di un'impresa è necessaria una notevole struttura di supporto, comprensione del dominio e ingegneria del contesto. Questo è il piano.

Costruire agenti AI è un esercizio di bilanciamento tra flussi di lavoro deterministici e non deterministici. Troppo poco margine di manovra per l'agente e non si beneficia dell'intelligenza del modello. Troppo e si avranno problemi di sicurezza o risultati casuali. Ecco perché SaaS + Agenti rimarrà.

Se stai costruendo agenti AI, devi trovare il livello ottimale di lavoro da automatizzare per massimizzare l'efficacia e la dimensione del mercato totale (TAM). Se è troppo ristretto, gli agenti funzioneranno ma il TAM sarà piccolo. Se è troppo generale, gli agenti non funzioneranno ancora, ma il TAM sarà grande. Devi trovare il punto dolce.

L'ingegneria del contesto è sempre più il componente critico per costruire agenti AI efficaci nelle imprese in questo momento. Questo sarà, in ultima analisi, il fattore determinante per l'adozione degli agenti AI nella maggior parte delle organizzazioni. Abbiamo bisogno di agenti AI che possano comprendere profondamente il contesto del processo aziendale a cui sono legati. Ciò significa accedere ai dati più importanti per quel flusso di lavoro, utilizzare gli strumenti appropriati al momento giusto, avere obiettivi e istruzioni adeguati e comprendere il dominio in cui si trovano. Alcuni dei principali punti aperti per chiunque stia costruendo agenti aziendali sono: * Agenti ristretti vs. generali. Più piccolo è il compito, più facile è fornire agli agenti AI il contesto giusto per avere successo. Ma più piccolo è il compito, meno valore ci sarà. Trovare la dimensione ottimale del compito per la generazione di valore sarà un fattore importante per i prossimi anni. * Portare i dati in un sistema pronto per gli agenti. I dati aziendali sono spesso frammentati tra decine o centinaia di sistemi, molti dei quali non sono preparati per un mondo di AI. La maggior parte delle aziende dovrà ancora modernizzare i propri ambienti di dati per ottenere il massimo beneficio dagli agenti AI. * Accedere ai dati *giusti* per il compito è fondamentale. Anche quando hai dati in un ambiente moderno, allineare perfettamente i controlli di accesso a ciò di cui l'agente AI avrà bisogno è critico. Inoltre, decidere cosa fare con RAG rispetto a una ricerca generale rispetto a cosa inserire completamente nella finestra di contesto avrà un grande impatto per ogni compito. * Scegliere cosa dovrebbe essere deterministico rispetto a non deterministico. Se richiedi troppo dai modelli, è probabile che tu veda una diminuzione della qualità. Tuttavia, se fai fare troppo poco al modello, stai sottoutilizzando drammaticamente ciò che è possibile con l'AI. Questo, ovviamente, è un obiettivo in movimento perché i modelli stessi stanno migliorando a un ritmo accelerato. * L'interfaccia utente giusta per fornire il contesto agli agenti AI è fondamentale. Metà del problema per fornire contesto agli agenti non sembra affatto un problema di AI. Si tratta di dove gli agenti si presentano nel flusso di lavoro e di come l'utente interagisce con loro per fornire il contesto necessario per svolgere il compito. La corsa per i prossimi anni nell'AI nelle imprese è vedere chi riesce meglio a fornire il contesto giusto per qualsiasi flusso di lavoro. Questo determinerà i vincitori e i perdenti nella corsa all'AI.

È incredibile quante opportunità ci siano per gli agenti AI che sono molto più grandi dei loro mercati pre-AI. Il TAM del mercato degli editor di codice era di alcuni miliardi di dollari nel 2020. Gli agenti di codifica AI potrebbero rappresentare un mercato di oltre 50-100 miliardi di dollari nei prossimi 5-10 anni. Puoi fare questo in molti settori.

In un mondo di Agenti AI, la dimensione del mercato per il SaaS cresce invece di ridursi. Non solo hai ancora bisogno di sistemi di registrazione per gestire i dati aziendali e i flussi di lavoro, ma gli Agenti AI creano proposte di valore completamente nuove per questi strumenti. Ora stai portando il lavoro al cliente.