Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Aaron Levie
administrerende direktør @box - slipp løs kraften i innholdet ditt med AI
AI-agenter er en kraftmultiplikator for de tingene vi allerede er gode på, og de tingene vi ønsker å gjøre mer av.
AI vil selvfølgelig la hvem som helst komme i gang i et nytt felt som de er interessert i, og la dem utvide til tilstøtende rom som ikke var mulig før. Frontend-utvikleren kan bygge sine egne tjenester, backend-ingeniøren kan flytte oppover stabelen, og så videre.
Men konsekvent vil den største avkastningen fra agenter komme til de som allerede har noe eksisterende ekspertise på det aktuelle feltet.
Spesielt for langvarige agenter som kan gå ut og gjøre massevis av arbeid i bakgrunnen, kommer de tilbake med et endelig arbeidsprodukt som må gjennomgås og innlemmes i et stort system.
Ekspertene vil ha fordelen av å vite hva som fungerte, hva som ikke fungerte, hva som skal fikses, hvordan de kan be agenten om å forbedre det som må fikses, og så videre.
Over tid vil dette forbedres og bli lettere utnyttet av nybegynnere, men ekspertene vil igjen kunne dra nytte av de enda nyere funksjonene ytterligere.
Det er ikke åpenbart at dette forsvinner når som helst på kort eller mellomlang sikt, så ikke mist ferdighetene dine.
8 timer siden
AI sletter ikke ekspertise, den forsterker den.
«Vær veldig god på et bestemt felt, og da er AI bare en turbolader av din evne på det feltet.»
Historien viser at det alltid er ekspertene som drar nytte av det først, så sprer verktøyene seg og flere blir eksperter. Dette er Jevons paradoks igjen.
@levie @stevesi @martin_casado
49
Hver forretningsprosess i dag ble iboende skapt rundt begrensningene til knappe ressurser. AI-agenter kvitter seg med knapphet som en flaskehals.
Vinod Khosla har en flott måte å ramme inn dette på - at vi har bygget arbeidsflytene våre rundt ideen om at vi har måttet rasjonere tiden til vårt dyreste talent. Hver prosess, og til og med programvare, er koblet til å optimalisere rundt denne begrensningen av tid og energi.
Tenk deg nå at talenter er tilgjengelige 24/7, på forespørsel, og kan distribueres parallelt i stor skala.
Hvis du oppretter en forretningsprosess, må du finne ut hvordan du vil redesigne den for en verden der du ikke lenger har disse tradisjonelle flaskehalsene. Og som et resultat ville det sannsynligvis se helt annerledes ut.
28. sep., 22:07
Ideen om at vi vil automatisere arbeidet ved å bygge kunstige versjoner av oss selv for å gjøre akkurat de tingene vi tidligere gjorde, i stedet for å redesigne våre gamle arbeidsflyter for å få mest mulig ut av eksisterende automatiseringsteknologi, har en distinkt "mekanisk hest"-smak
158,17K
Grunnen til at AI ikke kommer til å utslette jobber på den måten som noen spår, er at vi konsekvent gjør den feilen å tro at når vi lager noe mer effektivt, trenger du tilsvarende mindre tilbud.
Det viser seg at i et betydelig antall felt betyr bedre produktivitetsnivåer faktisk mer etterspørsel etter den tjenesten. Dette er hele poenget med Jevons paradoks.
Når kostnadene ved å utføre arbeid går ned, øker etterspørselen etter det. Og vanligvis er det langt mer oppdemmet etterspørsel enn vi er klar over.
Når AI driver opp produksjonen på disse feltene, og dermed senker kostnadene per enhet per produksjon, kommer etterspørselen til å øke på uventede måter. Dette gjelder innen helsevesen, kode, juridiske tjenester, markedsføring og massevis av andre områder.
25. sep., 22:29
"AI erstatter ikke radiologer" god artikkel
Forventning: rask fremgang innen bildegjenkjenning AI vil slette radiologijobber (f.eks. som kjent spådd av Geoff Hinton nå for nesten et tiår siden). Virkelighet: radiologi går bra og vokser.
Det er mange imo naive spådommer der ute om den forestående innvirkningen av AI på arbeidsmarkedet. F.eks. for et ~ år siden ble jeg spurt av noen som burde vite bedre om jeg tror det vil være noen programvareingeniører fortsatt i dag. (Spoiler: Jeg tror vi kommer til å klare det). Dette skjer for bredt.
Innlegget går i detalj om hvorfor det ikke er så enkelt, ved å bruke eksemplet med radiologi:
- Referanseindeksene er ikke på langt nær brede nok til å gjenspeile faktiske, reelle scenarier.
- Jobben er mye mer mangefasettert enn bare bildegjenkjenning.
- Implementeringsrealiteter: regulatorisk, forsikring og ansvar, diffusjon og institusjonell treghet.
- Jevons paradoks: hvis radiologer blir fremskyndet via AI som et verktøy, dukker det opp mye mer etterspørsel.
Jeg vil si at radiologi imo ikke var blant de beste eksemplene å plukke på i 2016 - det er for mangefasettert, for høy risiko, for regulert. Når jeg ser etter jobber som vil endre seg mye på grunn av AI på kortere tidsskalaer, vil jeg se andre steder - jobber som ser ut som repetisjon av en utenatoppgave, hver oppgave er relativt uavhengig, lukket (krever ikke for mye kontekst), kort (i tid), tilgivende (kostnadene ved feil er lave), og selvfølgelig automatiserbare som gir nåværende (og digital) kapasitet. Selv da forventer jeg å se AI tatt i bruk som et verktøy i begynnelsen, der jobber endres og refaktoreres (f.eks. mer overvåking eller tilsyn enn manuell utførelse osv.). Kanskje vi kommer til å finne bedre og bredere eksempler på hvordan alt dette utspiller seg i hele bransjen.
For omtrent 6 måneder siden ble jeg også bedt om å stemme om vi vil ha færre eller flere programvareingeniører om 5 år. Trening igjen for leseren.
Hele innlegget (hele The Works in Progress-nyhetsbrevet er ganske bra):
244,75K
Topp
Rangering
Favoritter