Одна з практик, яку ми впровадили в Box, полягає в тому, що щотижня хтось демонструє свій робочий процес штучного інтелекту всій компанії. Зазвичай це те, чого ми ніколи б не передбачили. Добре підходить для балансу між централізованим плануванням для технологій та децентралізацією для прийняття варіантів використання.

NVIDIA стане першою компанією з капіталом $10 трильйонів

Найкраща гра AI Agent – це коли модель працює добре, але все ще існує великий розрив між моделлю та робочим процесом. Саме тут ви можете побудувати справжній рів з кращим розумінням домену, даними, використанням інструментів, контекстом та індивідуальним UX. Тут багато можливостей.

Ймовірно, існує занадто багато побоювань, що моделі штучного інтелекту з'їдають шар додатків у міру вдосконалення. Щоб агенти штучного інтелекту працювали, більшості підприємств потрібен міст між штучним інтелектом і їхніми конкретними робочими процесами. Виявляється, остання миля до того, щоб змусити агентів штучного інтелекту працювати в реальних, дуже мінливих і ворожих середовищах, шалено важка. І все частіше це стає найціннішою частиною всього процесу. Цим мостом між моделями штучного інтелекту та корпоративними робочими процесами буде велика кількість програмного забезпечення для підключення до різних систем, отримання потрібних корпоративних даних, належне поводження з безпекою та дозволами, а також глибокий рівень контексту, пов'язаний із варіантом використання. Потім ви додаєте підтримку клієнтів, адаптовану до випадку використання, угоди про рівень обслуговування, положення про відповідальність, індивідуальні пропозиції щодо продажу, узгоджені партнерства для категорії тощо. Необхідний список досить нескінченний. Кожна окрема вертикальна і навіть критична горизонтальна категорія вимагатиме глибоких знань, щоб зробити агентів штучного інтелекту ефективними. Зараз велика можливість полягає в тому, щоб визначити, де ці прогалини найширші (між моделлю та робочим процесом), і заповнити їх за допомогою відповідного програмного забезпечення та досвіду. І навіть у міру вдосконалення моделей - що раніше представляло ризик канібалізації - цілеспрямовані гравці можуть просто запропонувати клієнтам ще більше цінності та варіантів використання. Майже немає сценарію, якщо ви скористалися правильною ринковою можливістю, де вдосконалення моделі є поганим моментом при створенні агентів штучного інтелекту.

Зараз є так багато можливостей для того, щоб зробити AI Agents реальними для підприємств. Моделі мають шалені можливості, але для того, щоб ввести їх у середину корпоративного робочого процесу, потрібні значні рамки, розуміння предметної області та контекст-інжиніринг. Це п'єса.

Створення агентів штучного інтелекту — це вправа на збалансування детермінованих і недетермінованих робочих процесів. Занадто мало свободи дій агента, і ви не отримаєте вигоди від інтелекту моделі. Занадто багато, і ви отримаєте проблеми з безпекою або випадкові результати. Саме тому SaaS + Agents залишаться.

Якщо ви створюєте AI Agents, вам потрібно знайти оптимальний рівень роботи для автоматизації для максимальної ефективності та розміру TAM. Занадто вузький і агенти будуть працювати, але ТАМ маленький. Занадто загальні і агенти поки що не працюватимуть, але ТАМ великий. Доведеться знайти золоту середину.

Контекстна інженерія зараз стає все більш важливим компонентом для створення ефективних агентів штучного інтелекту на підприємстві. Зрештою, це стане довгим стовпом у наметі для впровадження агентів штучного інтелекту в більшості організацій. Нам потрібні агенти зі штучним інтелектом, які можуть глибоко розуміти контекст бізнес-процесу, до якого вони прив'язані. Це означає доступ до найважливіших даних для цього робочого процесу, використання відповідних інструментів у потрібний момент, наявність належних цілей та інструкцій, а також розуміння домену, в якій вони перебувають. Деякі з великих відкритих предметів для будь-яких агентів будівельного підприємства: * Вузькі та загальні агенти. Чим менше завдання, тим простіше надати агентам штучного інтелекту правильний контекст для досягнення успіху. Але чим менше завдання, тим менша буде цінність. Знаходження оптимального обсягу завдання для генерації цінності стане важливим фактором на найближчі кілька років. * Отримання даних у систему, готову до роботи з агентами. Корпоративні дані часто фрагментовані між десятками або сотнями систем, багато з яких не підготовлені до світу штучного інтелекту. Більшості компаній, як і раніше, доведеться модернізувати свої середовища даних, щоб отримати всі переваги AI Agents. * Доступ до *правильних* даних для завдання має першорядне значення. Навіть якщо у вас є дані в сучасному середовищі, критично важливо забезпечити ідеальну відповідність контролю доступу до того, до чого агенту штучного інтелекту потрібен доступ. Крім того, рішення про те, що робити RAG, а не просто загальний пошук, чи що повністю внести в контекстне вікно, матиме велике значення для кожного завдання. * Вибір того, що має бути детермінованим і недетермінованим. Якщо ви вимагаєте від моделей занадто багато, ви, швидше за все, побачите деяке зниження якості. Проте, якщо у вас модель робить занадто мало, то ви різко недовикористовуєте те, що можливо зі штучним інтелектом. Це, звичайно, рухома мішень, тому що самі моделі вдосконалюються з прискореною швидкістю. * Правильний інтерфейс користувача для розуміння контексту AI Agents має глибоке значення. Половина проблеми з донесенням контексту до агентів зовсім не схожа на проблему штучного інтелекту. Вся справа в тому, де агенти відображаються в робочому процесі і як користувач взаємодіє з ними, щоб надати їм контекст, необхідний для виконання завдання. Гонка за найближчими кількома роками в галузі штучного інтелекту на підприємствах полягає в тому, щоб з'ясувати, хто найкраще забезпечить правильний контекст для будь-якого конкретного робочого процесу. Це дозволить визначити переможців і переможених у гонці ШІ.

Дивно, скільки існує можливостей AI Agent, які набагато більші, ніж їхні ринки до штучного інтелекту. TAM на ринку редакторів коду у 2020 році становив кілька мільярдів доларів. Агенти кодування штучного інтелекту можуть стати ринком $50-100 млрд+ у найближчі 5-10 років. Це можна зробити для багатьох приміщень.

У світі агентів штучного інтелекту розмір ринку SaaS зростає, а не скорочується. Мало того, що вам все ще потрібні системи запису для управління корпоративними даними та робочими процесами, так ще й агенти зі штучним інтелектом створюють абсолютно нові ціннісні пропозиції для цих інструментів. Зараз ви доносите роботу до замовника.