Nástroje, které budou pro agenty fungovat lépe, budou stále úspěšnější, protože v průběhu času budeme mít 1 000x více agentů než lidí, kteří používají software. Software byl vždy vytvářen pro lidi. Lidé však dělají úkoly krok za krokem, mají také v hlavě spoustu kontextu, který je součástí úkolu, a když je software obtížně použitelný nebo nabízí více protichůdných řešení, mohou se vždy podívat na webinář nebo si promluvit s kolegou, aby zjistili, co je správné. Agenti na druhou stranu mohou zpracovávat mnohem více dat, pracovat paralelně, ale také se budou divoce potýkat s konfliktními nástroji nebo zdroji dat. Takže budeme muset navrhnout software, který bude skutečně dobře fungovat pro agenty, aby byli úspěšní stejně jako my pro lidi. To se stane novou třídou problémů a pravděpodobně povede ke zcela novým kategoriím softwaru v různých částech infra a platformové vrstvy. Super těžký, ale divoce zábavný problém.

Může být snadné podcenit to, co nutně znamená dostat agenty umělé inteligence do rukou většiny znalostních pracovníků. To je vlastně dobrá zpráva, protože to přímo souvisí s možností vytvářet AI agenty právě teď. Toto je obecný oblouk všech nových technologií, kde lidé v technologickém průmyslu přímo vidí plnou sílu a potenciál něčeho a představují si, jak snadno to lze implementovat pro jejich vlastní pracovní postupy. Ale většina světa chce jen snadná a předem připravená řešení problémů. Nechtějí se učit o všech složitostech, jak zajistit, aby něco fungovalo, nebo jak změnit svůj proces, aby zmírnili mezery v nové technologii. To je vždy tržní příležitost pro aplikovaná řešení a umělá inteligence má těchto vlastností na rozdávání. V případě agentů umělé inteligence budou správná řešení ta, která nejlépe spojí kompletní pracovní postup, budou komunikovat s existujícími daty zákazníků, připojí se k různým nástrojům, které používají, pracují napříč platformami napříč svými systémy, mají účelově vytvořená uživatelská rozhraní pro interakci s agenty a tak dále. Na této cestě musí být také poměrně dost řízení změn pro podniky a kohokoli, kdo není raným osvojitelem. To je místo, kde záleží na určité formě předsunutého inženýrství nebo poradenství a kde bude skutečně hluboká spolupráce se zákazníky způsobem relevantním pro jejich doménu kritická. A pokud se obáváte rychlého pokroku modelu, máte to obráceně. Rychlý pokrok modelu je ve skutečnosti velmi dobrá věc. Čím více toho modely umožňují v rámci vašeho agenta AI, tím větší hodnotu můžete zákazníkům ve své konkrétní doméně nabídnout. To je právě teď velká příležitost.

Protikladnou dynamikou k tomu, aby model umělé inteligence dělal všechno, je to, že přinejmenším v podnicích přemostění schopností modelů umělé inteligence do prostředí zákazníka stále vyžaduje obrovské množství dlouhé práce. Mezera mezi agentem umělé inteligence, který pracuje na 90 % nebo 95 % řešení, a 100 % je obvykle asi 10x více práce, než si většina uvědomuje. Získání přístupu k podnikovým datům, připojení k podnikovým pracovním postupům, zajištění správy změn, které zaměstnanci potřebují k přijetí technologie, zvládání regulačních požadavků a požadavků na dodržování předpisů v daném odvětví, to vše vyžaduje určitou míru vysoce specializovaného zaměření v dané oblasti. Ve skutečnosti zde existuje silná analogie s vertikálním SaaS. Člověk by si myslel, že horizontální technologie mohou vyřešit všechny problémy v SaaS. Ale ve skutečnosti existuje nekonečné množství velmi velkých společností, které se zaměřují na jednu doménu, protože tato úroveň specializace je oceňována podnikem. Totéž se pravděpodobně bude odehrávat i s AI Agenty v podnicích. A ve skutečnosti budou tyto domény mnohem větší než tradiční kategorie softwaru, protože TAM není software, je to práce, kterou je třeba udělat. Velmi zábavná debata, ale já se přikláním na druhou stranu.