Het is duidelijk dat we momenteel op een traject zitten waarbij AI-modellen blijven verbeteren in capaciteit op het gebied van wiskunde, redeneren, logica, het aanroepen van tools en verschillende domeinspecifieke taken die beter zullen worden naarmate er meer trainingsdata wordt gegenereerd. Hoewel er debatten zullen zijn over in hoeverre deze vooruitgangen zich zullen vertalen naar grote veranderingen in de dagelijkse gebruikstoepassingen van een consument, zullen ze *wel* een grote impact hebben op veel categorieën van kenniswerk. Ze zullen geleidelijk nieuwe gebruikstoepassingen ontgrendelen in de gezondheidszorg, juridische sector, financiële diensten, levenswetenschappen, enzovoort, waar modellen betrouwbaar steeds kritischere taken kunnen uitvoeren. In een recente podcast met Alex Kantrowitz had Dario Amodei een geweldige manier om dit te kaderen, namelijk dat als je de capaciteit van een AI-model zou verbeteren van het hebben van een bachelor in biochemie naar het hebben van een masterdiploma in biochemie, een klein percentage van de consumentenpopulatie de impact zou opmerken, maar de zakelijke gebruikstoepassingen voor een bedrijf als Pfizer aanzienlijk zouden toenemen als gevolg hiervan. We zouden moeten beginnen te anticiperen dat dit nu het tijdperk is waarin we ons bevinden met AI. Dus, hoe begint dit zich te manifesteren in de echte wereld? Het zal zich manifesteren door AI-agenten die zich richten op toegepaste gebruikstoepassingen. AI-agenten voor codering, juridisch werk, medische schrijvers, data-extractie, verwerking van verzekeringsclaims, pen testing, enzovoort. De kans op dit moment is om AI-agenten te bouwen voor verticale markten en domeinen met een diepgaand begrip van dat gebied. Dit is waar de impact van contextengineering, een diepgaand begrip van de workflows, verbindingen met bedrijfsdata en gespecialiseerde gebruikersinterfaces (die gebruikers in staat stellen om deze agenten te implementeren, beheren en orkestreren) enorm belangrijk zal worden. Het zal ook betekenen dat er distributie moet worden opgebouwd die aansluit bij die specifieke verticale markt of domein. Het zal waarschijnlijk een vorm van vooruitgeschoven engineering betekenen om niet alleen klanten te helpen de agenten te implementeren, maar ook snel te leren welke workflows de agenten zijn geoptimaliseerd voor en dat terug te brengen naar het kernplatform. Uiteindelijk zullen deze markten worden gewonnen door de spelers die het beste de huidige bedrijfsprocessen (die vaak rommelig zijn en niet zijn ontworpen voor automatisering) kunnen overbruggen naar een wereld waarin agenten zijn geïntegreerd in deze workflows. Dit is het tijdperk van AI waarin we ons nu bevinden.