Prawie wszystko w sposobie, w jaki budujemy produkty oprogramowania dla przedsiębiorstw, zmienia się w tej chwili. Przez lata, gdy budowałeś produkty SaaS, cały twój fokus projektowy koncentrował się na tym, jak użytkownik będzie wchodził w interakcję z systemem, aby wykonać swoje zadanie, samodzielnie lub współpracując. Teraz wiele z podstawowych wyzwań projektowych dotyczy bardziej tego, jak użytkownik będzie współpracował z agentami AI, aby wykonać to zadanie. To przekształca pytania w to, jak użytkownik ustawi, wdroży, zorganizuje lub dostarczy kontekst agentom AI, aby wykonali pracę, a następnie przeglądali i włączali ich pracę później. Czy dzieje się to w istniejącym interfejsie użytkownika? Czy robisz to przez czat? Czy to przez listę zadań lub kolejkę? Czy przez kreator przepływu pracy? Czy opisujesz to jako agenta, czy po prostu jako konkretny wynik, którego chce klient? Możesz zobaczyć wczesne różnice, które się pojawiają, tylko w przestrzeni kodowania AI, gdzie toczy się debata między IDE, terminalem, interfejsem webowym, a po prostu używaniem Slacka. W każdym przypadku jedno wydaje się jasne: w wielu aspektach oprogramowanie staje się prostsze dla użytkownika. Pokontrolki, przełączniki, dźwignie i komponenty potrzebne do wykonywania zadań są mniej konieczne w świecie agentów AI. API do tych możliwości wciąż mają znaczenie dla agentów AI (więc nie znikają), ale są głównie wykorzystywane w tle. A kiedy w końcu pojawiają się dla użytkownika, jest to bardziej dla zaawansowanych przypadków użycia, obsługi wyjątków lub procesu przeglądu, w przeciwieństwie do powszechnej aktywności. Jesteśmy w najciekawszym okresie projektowania oprogramowania, w jakim kiedykolwiek byliśmy. Musimy projektować zarówno dla użytkowników, jak i dla autonomicznych agentów w tym samym czasie. I jesteśmy dopiero na początku tego, jak to wygląda.

Inteligencja dla agentów AI w każdej dziedzinie czeka obecnie w najlepszych modelach AI, gotowa do wykorzystania. Odpowiednie zrozumienie dziedziny, wywoływanie narzędzi, inżynieria kontekstu i UX odblokują tak wiele przypadków użycia. Wtedy rynki po prostu rosną, gdy modele się poprawiają.

Wiele z najlepszych zastosowań agentów AI znajduje się w obszarach, w których dążysz do automatyzacji całego procesu roboczego, ale jest wiele wartości w automatyzacji poszczególnych zadań lub fragmentów pracy po drodze. Możesz teraz stworzyć ogromną wartość, ale potem całkowity rynek (TAM) po prostu rośnie, gdy modele stają się lepsze.

Jedną z praktyk, które wdrożyliśmy, przechodząc na podejście AI-first w Box, jest to, że co tydzień ktoś prezentuje swój proces pracy z AI całej firmie. Zwykle jest to coś, czego nigdy byśmy nie przewidzieli. Dobrze jest zrównoważyć centralne planowanie technologii z decentralizacją w zakresie przyjęcia przypadków użycia.

NVIDIA będzie pierwszą firmą wartą 10 bilionów dolarów

Najlepsze zastosowania agentów AI to te, w których model działa dobrze, ale wciąż istnieje duża luka między modelem a przepływem pracy. To tutaj możesz zbudować prawdziwą przewagę dzięki lepszemu zrozumieniu dziedziny, danym, wykorzystaniu narzędzi, kontekstowi i dostosowanemu UX. Jest tu wiele możliwości.

Prawdopodobnie istnieje zbyt wiele obaw, że modele AI zdominują warstwę aplikacji w miarę ich rozwoju. Aby agenci AI mogli działać, większość przedsiębiorstw będzie potrzebować mostu między AI a ich specyficznymi przepływami pracy. Okazuje się, że ostatni etap sprawienia, by agenci AI działali w rzeczywistych, wysoce zmiennych i wrogich środowiskach, jest niesamowicie trudny. I coraz bardziej staje się to najcenniejszą częścią całego procesu. Ten most między modelami AI a przepływami pracy w przedsiębiorstwie będzie wymagał dużej ilości oprogramowania do połączenia z różnymi systemami, pozyskiwania odpowiednich danych przedsiębiorstwa, właściwego zarządzania bezpieczeństwem i uprawnieniami oraz posiadania głębokiego kontekstu związanego z przypadkiem użycia. Następnie dodajemy wsparcie klienta dostosowane do przypadku użycia, SLA, klauzule odpowiedzialności, dostosowane strategie sprzedaży, zharmonizowane partnerstwa w danej kategorii i tak dalej. Lista wymagań jest praktycznie nieskończona. Każda pojedyncza branża, a nawet krytyczna kategoria horyzontalna, będzie wymagać głębokiej wiedzy, aby agenci AI byli skuteczni. Wielką szansą w tej chwili jest zidentyfikowanie, gdzie te luki są najszersze (między modelem a przepływem pracy) i wypełnienie ich odpowiednim oprogramowaniem i ekspertyzą. A nawet w miarę poprawy modeli - co wcześniej stwarzało ryzyko kanibalizacji - skoncentrowani gracze mogą po prostu oferować jeszcze większą wartość i przypadki użycia dla klientów. Prawie nie ma scenariusza, jeśli celujesz w odpowiednią okazję rynkową, w którym poprawa modeli jest złym rozwiązaniem przy budowaniu agentów AI.

Obecnie istnieje tak wiele możliwości, aby uczynić agentów AI rzeczywistością dla przedsiębiorstw. Modele mają niesamowite możliwości, ale wprowadzenie ich do środka przepływu pracy w przedsiębiorstwie wymaga znacznego wsparcia, zrozumienia dziedziny i inżynierii kontekstu. To jest plan.

Budowanie agentów AI to ćwiczenie w równoważeniu deterministycznych i niedeterministycznych przepływów pracy. Zbyt mało swobody dla agenta i nie korzystasz z inteligencji modelu. Zbyt dużo i napotkasz problemy z bezpieczeństwem lub chaotyczne wyniki. Dlatego SaaS + Agenci będą nadal istnieć.

Jeśli budujesz agentów AI, musisz znaleźć optymalny poziom pracy do zautomatyzowania, aby osiągnąć maksymalną efektywność i wielkość TAM. Zbyt wąsko i agenci będą działać, ale TAM jest mały. Zbyt ogólnie i agenci jeszcze nie będą działać, ale TAM jest duży. Musisz znaleźć złoty środek.