Uit de laatste post van Karpathy: "LLM-apps zullen teams van hen organiseren, verfijnen en daadwerkelijk animeren tot uitgeruste professionals in specifieke sectoren door privédata, sensoren en actuatoren en feedbackloops te leveren." Dit is precies juist. In een wereld van AI-agenten is er een veel dikkere laag boven de LLM dan aanvankelijk werd waargenomen. De kritiek op de dunne wrapper werkte enigszins in een wereld waar mensen tokens herverpakten met een licht aangepaste interface of systeemprompt, wat grotendeels alles was wat mogelijk was 2 jaar geleden. Maar AI-agenten zullen tools, eigendomsdata, zeer domeinspecifieke systeemprompts, gespecialiseerde interfaces voor de menselijke-in-de-lus delen van de workflows, geavanceerde contextengineering om om te gaan met de beperkingen van de contextvensters, en meer combineren. De overgrote meerderheid hiervan zal beter presteren wanneer ze zijn afgestemd op een specifieke sector, functie of type taak. Bovendien is er om echte adoptie in de onderneming te krijgen, meestal een hoge mate van systeemintegratie en verandermanagement nodig om de workflowveranderingen en adoptie te stimuleren. Dit is waarom bedrijven (of tenminste producten) die zich richten op specifieke kansen vaak nodig zullen zijn om deze workflows daadwerkelijk aan te drijven. Er zijn hier veel kansen in het komende jaar.