Det är tydligt att vi just nu befinner oss på en bana där AI-modeller fortsätter att förbättras i kapacitet inom matematik, resonemang, logik, verktygsanrop och olika domänspecifika uppgifter som kommer att bli bättre i takt med att mer träningsdata fortsätter att genereras. Även om det kommer att debatteras om hur mycket dessa framsteg kommer att visa sig som stora förändringar i de dagliga användningsfall som en konsument har, kommer de att ha en stor inverkan på många kategorier av kunskapsarbete. De kommer stegvis att låsa upp nya användningsfall inom hälso- och sjukvård, juridik, finansiella tjänster, biovetenskap etc., där modeller på ett tillförlitligt sätt kan utföra allt mer kritiska uppgifter. I en podcast med Alex Kantrowitz nyligen hade Dario Amodei ett bra sätt att rama in detta, vilket är att om man förbättrade förmågan hos en AI-modell att gå från att ha en grundexamen i biokemi till att ha en examen i biokemi, skulle en liten andel av konsumentpopulationen märka effekten, men företagsanvändningsfallen för ett företag som Pfizer skulle öka på ett meningsfullt sätt som ett resultat av detta. Vi bör börja förutse att detta är den era som vi befinner oss i med AI. Så, hur börjar detta visa sig i den verkliga världen? Det kommer att visas genom AI-agenter som går efter tillämpade användningsfall. AI-agenter för kodning, juridiskt arbete, medicinska skrivare, dataextraktion, behandling av försäkringsanspråk, penntestning och så vidare. Möjligheten just nu är att bygga AI-agenter för vertikaler och domäner med en djup förståelse för det utrymmet. Det är här som effekten av kontextteknik, en djup förståelse för arbetsflödena, anslutningar till företagsdata och specialiserade användargränssnitt (som gör det möjligt för användare att distribuera, hantera och orkestrera dessa agenter) kommer att börja spela stor roll. Det kommer också att innebära att man bygger upp en distribution som är anpassad till just den vertikalen eller domänen. Det kommer förmodligen att innebära någon form av framåtriktad teknik för att inte bara hjälpa kunderna att implementera agenterna, utan också snabbt lära sig vilka arbetsflöden agenterna är optimerade för och föra tillbaka det till kärnplattformen. I slutändan kommer dessa marknader att vinnas av de aktörer som bäst kan överbrygga dagens företagsprocesser (som ofta är röriga och inte är utformade för automatisering) till en värld där agenter är integrerade i dessa arbetsflöden. Detta är den AI-era vi nu befinner oss i.