Fra Karpathys siste innlegg: «LLM-apper vil organisere, finjustere og faktisk animere team av dem til utplasserte fagfolk i spesifikke vertikaler ved å levere private data, sensorer, aktuatorer og tilbakemeldingssløyfer.» Dette er helt riktig. I en verden med AI-agenter finnes det et mye tykkere lag over LLM-en enn man først trodde. Kritikken av tynne innpakninger fungerte delvis i en verden der folk pakket om tokens med et lett tilpasset grensesnitt eller systemprompt, noe som stort sett var alt som var mulig for to år siden. Men AI-agenter vil kombinere verktøy, proprietære data, svært domenespesifikke systemprompter, spesialiserte grensesnitt for menneske-i-loop-delene av arbeidsflytene, avansert kontekstutvikling for å håndtere kontekstvindusbegrensninger, og mer. De aller fleste av disse vil fungere bedre når de tilpasses en bestemt vertikal, jobbfunksjon eller type oppgave. Videre, for å oppnå reell adopsjon i virksomheten, kreves det generelt en stor grad av systemintegrasjon og endringshåndtering for å drive flytendringene og adopsjonen. Dette er grunnen til at selskaper (eller i det minste produkter) som fokuserer på spesifikke muligheter ofte må drive disse arbeidsflytene. Masse muligheter her i året som kommer.