Многие из лучших игр с ИИ-агентами находятся в областях, где вы стремитесь автоматизировать весь рабочий процесс, но есть много ценности в автоматизации отдельных задач или частей работы на этом пути. Вы можете создать огромное количество ценности сейчас, но затем общий адресуемый рынок (TAM) просто растет по мере улучшения моделей.

Одна из практик, которую мы внедрили, переходя на AI-first в Box, заключается в том, что каждую неделю кто-то демонстрирует свой AI-рабочий процесс всей компании. Обычно это что-то, что мы никогда бы не предсказали. Хорошо сбалансировать централизованное планирование технологий и децентрализацию для принятия случаев использования.

NVIDIA станет первой компанией стоимостью 10 триллионов долларов

Лучшие игры с ИИ-агентами — это те, где модель работает хорошо, но при этом существует значительный разрыв между моделью и рабочим процессом. Здесь вы можете создать настоящую защиту с помощью лучшего понимания предметной области, данных, использования инструментов, контекста и индивидуального пользовательского опыта. Здесь много возможностей.

Скорее всего, существует слишком много страха, что модели ИИ поглотят уровень приложений по мере их улучшения. Для работы ИИ-агентов большинству предприятий потребуется мост между ИИ и их конкретными рабочими процессами. Оказывается, последний этап создания работающих ИИ-агентов в реальных, высоко переменных и враждебных условиях невероятно сложен. И все больше это становится самой ценной частью всего процесса. Этот мост между моделями ИИ и рабочими процессами предприятий будет представлять собой значительное количество программного обеспечения для подключения к различным системам, извлекая правильные данные предприятия, правильно обрабатывая безопасность и разрешения, а также имея глубокий уровень контекста, связанного с конкретным случаем использования. Затем добавьте в поддержку клиентов, адаптированную к конкретному случаю использования, SLA, положения о ответственности, адаптированные продажи, согласованные партнерства для категории и так далее. Список необходимых вещей практически бесконечен. Каждая отдельная вертикаль, а также даже критически важная горизонтальная категория потребует глубоких знаний, чтобы сделать ИИ-агентов эффективными. Большая возможность сейчас заключается в том, чтобы определить, где эти пробелы самые широкие (между моделью и рабочим процессом), и заполнить их соответствующим программным обеспечением и экспертизой. И даже по мере улучшения моделей — что ранее представляло риск каннибализации — целенаправленные игроки могут предложить еще больше ценности и случаев использования для клиентов. Практически нет сценария, если вы выбрали правильную рыночную возможность, где улучшения модели являются плохой вещью при создании ИИ-агентов.

Сейчас существует так много возможностей для реализации ИИ-агентов в предприятиях. Модели обладают невероятными возможностями, но чтобы интегрировать их в рабочие процессы предприятия, требуется значительная подготовка, понимание предметной области и проектирование контекста. Это и есть стратегия.

Создание ИИ-агентов — это упражнение в балансировке детерминированных и недетерминированных рабочих процессов. Слишком мало свободы для агента, и вы не получите выгоды от интеллекта модели. Слишком много — и вы столкнетесь с проблемами безопасности или случайными результатами. Вот почему SaaS + Агенты останутся.

Если вы создаете ИИ-агентов, вам нужно найти оптимальный уровень автоматизации работы для максимальной эффективности и размера общего адресного рынка (TAM). Слишком узкая область, и агенты будут работать, но TAM будет мал. Слишком общая область, и агенты еще не будут работать, но TAM будет большим. Нужно найти золотую середину.

Инженерия контекста становится все более критически важным компонентом для создания эффективных AI-агентов в предприятиях в настоящее время. В конечном итоге это станет основным препятствием для принятия AI-агентов в большинстве организаций. Нам нужны AI-агенты, которые могут глубоко понимать контекст бизнес-процесса, к которому они привязаны. Это означает доступ к наиболее важным данным для этого рабочего процесса, использование соответствующих инструментов в нужный момент, наличие правильных целей и инструкций, а также понимание области, в которой они находятся. Некоторые из основных открытых вопросов для всех, кто создает корпоративные агенты: * Узкие против Общих агентов. Чем меньше задача, тем легче дать AI-агентам правильный контекст для успешного выполнения. Но чем меньше задача, тем меньше будет ценность. Найти оптимальный размер задачи для генерации ценности станет важным фактором в ближайшие несколько лет. * Перенос данных в систему, готовую к агентам. Корпоративные данные часто фрагментированы между десятками или сотнями систем, многие из которых не подготовлены к миру AI. Большинству компаний все еще нужно модернизировать свои данные, чтобы получить полную выгоду от AI-агентов. * Доступ к *правильным* данным для задачи имеет первостепенное значение. Даже когда у вас есть данные в современном окружении, критически важно, чтобы контроль доступа был идеально согласован с тем, к чему AI-агенту потребуется доступ. Более того, решение о том, что делать с RAG, а что просто искать в общем порядке, а что полностью помещать в контекстное окно, будет иметь огромное значение для каждой задачи. * Выбор того, что должно быть детерминированным, а что - недетерминированным. Если вы требуете слишком много от моделей, вы, вероятно, увидите снижение качества. Однако, если вы заставите модель делать слишком мало, вы резко недоиспользуете то, что возможно с AI. Это, конечно, движущаяся цель, потому что сами модели улучшаются с ускоряющейся скоростью. * Правильный пользовательский интерфейс для глубокого получения контекста AI-агентов имеет большое значение. Половина проблемы получения контекста для агентов вовсе не выглядит как проблема AI. Все дело в том, где агенты появляются в рабочем процессе и как пользователь взаимодействует с ними, чтобы предоставить им необходимый контекст для выполнения задачи. Соревнование в ближайшие несколько лет в AI в корпоративном секторе заключается в том, кто лучше всего сможет предоставить правильный контекст для любого рабочего процесса. Это определит победителей и проигравших в гонке AI.

Удивительно, сколько возможностей для AI-агентов существует, которые намного больше их рынков до появления ИИ. Общий адресуемый рынок (TAM) рынка редакторов кода составлял несколько миллиардов долларов в 2020 году. AI-кодирующие агенты могут стать рынком стоимостью 50-100 миллиардов долларов и более в следующие 5-10 лет. Вы можете сделать это для многих областей.