É claro que estamos numa trajetória em que os modelos de IA continuam a melhorar em capacidade nas áreas de matemática, raciocínio, lógica, chamadas de ferramentas e várias tarefas específicas de domínio que vão melhorar à medida que mais dados de treinamento continuarem a ser gerados. Embora haja debates sobre quanto esses avanços se manifestarão como mudanças significativas nos casos de uso diários que um consumidor tem, eles *terão* um impacto significativo em muitas categorias de trabalho do conhecimento. Eles desbloquearão incrementalmente novos casos de uso em saúde, jurídico, serviços financeiros, ciências da vida, etc., onde os modelos podem realizar de forma confiável tarefas progressivamente mais críticas. Num podcast recente com Alex Kantrowitz, Dario Amodei teve uma ótima forma de enquadrar isso, que é que se você melhorar a capacidade de um modelo de IA para passar de ter uma graduação em bioquímica para ter um grau de pós-graduação em bioquímica, uma pequena porcentagem da população consumidora notaria o impacto, mas os casos de uso empresarial para uma empresa como a Pfizer aumentariam significativamente como resultado disso. Devemos começar a antecipar que esta é agora a era em que estamos com a IA. Então, como isso começa a se manifestar no mundo real? Isso se manifestará através de agentes de IA buscando casos de uso aplicados. Agentes de IA para codificação, trabalho jurídico, escribas médicos, extração de dados, processamento de reclamações de seguros, testes de penetração, e assim por diante. A oportunidade agora é construir agentes de IA para verticais e domínios com uma compreensão profunda desse espaço. É aqui que o impacto da engenharia de contexto, uma compreensão profunda dos fluxos de trabalho, conexões com dados empresariais e interfaces de usuário especializadas (que permitem aos usuários implantar, gerenciar e orquestrar esses agentes) começará a ser muito relevante. Isso também significará construir uma distribuição que se alinhe a essa vertical ou domínio particular. Provavelmente significará alguma forma de engenharia implantada para não apenas ajudar os clientes a implementar os agentes, mas também aprender rapidamente quais fluxos de trabalho os agentes estão otimizados e trazer isso de volta para a plataforma central. Em última análise, esses mercados serão conquistados pelos players que melhor conseguirem conectar os processos empresariais de hoje (que muitas vezes são confusos e não foram projetados para automação) a um mundo onde os agentes estão integrados a esses fluxos de trabalho. Esta é a era da IA em que estamos agora.