Beyond Expectations: AI-agenter og det næste kapitel af arbejdet

AI-agenter eller autonome agenter er i deres tidlige dage. Meget tidligt – bunden af ​​første omgang tidligt. Feltet summer af innovation, fra banebrydende forskning til proof of concepts til praktiske anvendelser – alt sammen antydet AI's enorme potentiale. 

Der er ingen tvivl om, at autonome agenter vil transformere hver enkelt branche, med deres muligheder, der strækker sig ud over blot opgaveautomatisering til at redesigne arbejdsgange, simulere komplekse scenarier og reducere behovet for menneskelig indgriben i forskellige processer. Vi ser på en (nærmere) fremtid, hvor agenter kan køre simuleringer i stor skala, redesigne marketingkampagner eller endda automatisere komplekse R&D-testprocesser.

Boston Consulting Group (BCG) fremhæver det evolutionære spring fra store sprogmodeller (LLM'er) til autonome agenter designet til at udføre opgaver ende-til-ende, overvåge resultater, tilpasse og bruge værktøjer autonomt til at nå mål. De repræsenterer et væsentligt skridt mod ægte kunstig intelligens, der er i stand til uafhængig drift uden kontinuerligt menneskeligt tilsyn. 

Med hensyn til markedsstørrelse, autonom kunstig intelligens og autonome agenter blev vurderet til 4.8 milliarder USD i 2023 og anslås at registrere en CAGR på over 43 % mellem 2023 og 2028 og nå 28.5 milliarder. Det er klart, at vi er på nippet til et paradigmeskifte – en fase fyldt med forventning, begejstring, skepsis og pragmatisk evaluering. Dette skift handler ikke kun om teknologiske fremskridt; det handler om at redefinere selve vores tilgang til arbejde, produktivitet og innovation. Næsten alle investorer, grundlæggere, udviklere og teknologientusiaster forsøger at forstå, hvilken indvirkning denne teknologi vil have på, hvordan vi arbejder i vores levetid og derefter, og vurdere implikationerne for deres operationer og strategiske mål. 

Men lige nu mangler vi evnen til fuldt ud at forstå omfanget af det masseskift, dette vil forårsage. Det eneste, vi kan gøre, er at spekulere. Denne artikel er netop det - min spekulation om den udfoldede dynamik af autonome agenter og dens implikationer for stiftere, investorer og den bredere økonomi. Jeg vil fortælle om, hvordan vi hos Forum Ventures tænker på og investerer i rummet, samt yder et markedskort med de virksomheder, vi mener, leder efterforskningen. 

Hvor vi er i dag

På trods af de betydelige fremskridt inden for forskning og proof of concepts, forsøger vi alle stadig at finde ud af, hvordan vi kan udnytte AI-agenternes fulde muligheder. Indtil videre er der et sammenfald af tre tendenser:

1. Fremskridt i AI-færdigheder og effektivitet, udvider grænserne for, hvad der er muligt. 
2. De faldende omkostninger ved handlingsfunktioner, såsom ChatGPT 4.0, for eksempel, gør brugen af ​​AI-agenter mere tilgængelig for flere mennesker og forårsager bredere adoption og den overordnede omfavnelse af denne teknologi.
3. Demokratiseringen af ​​adgang til AI, open source eller ej, gør det muligt for en bredere vifte af enheder at udforske og implementere AI-løsninger og derved accelerere innovationstempoet.

Som med enhver ny teknologi, især en så stor transformation som denne, er der en række udfordringer, der er i færd med at blive løst. Her er de to øverste:

1. Sikkerhed og nøjagtighed

Der er et stigende fokus på at udvikle den nødvendige infrastruktur for at sikre sikker og etisk udrulning af AI-agenter. For mange brancher og virksomheder er der ikke plads til fejl. Hvis en LLM har en hallucinationsrate på bare 0.1 %, kan den aldrig stoles på i nogen kritisk proces, og denne fejlrate skal være endnu lavere for en 10-trins eller 100-trins proces. At løse dette er altafgørende for udbredt adoption, og mange virksomheder venter, før de omfavner LLM'er, enten som en del af deres teknologiske stak eller som en helt ny måde at operere på. 

Værktøjer til overvågning af nøjagtighed og sikkerhed gennem observerbarhed og brugertilladelser samt etiske rammer er ved at blive etableret for at fremme en ansvarlig tilgang til AI-integration. Vi har set nogle virksomheder gøre det godt, PrivateAI at være en af ​​dem. De bruger slutninger til at sikre, at virksomheder ikke træner i private data, så de ikke lækker. Vi er også meget begejstrede for nye virksomheder, der kommer på markedet som SafeguardAI – en autonom AI-agent, der sikrer mod hallucinationer, hvilket giver virksomheder mulighed for at implementere generativ AI-brug hurtigere.

Derudover udvikles værktøjer som automatiske evalueringsmetrikker, menneskelige evalueringsrammer og diagnostiske datasæt for at hjælpe med vurdering og forbedring af LLM'ers nøjagtighed. Disse værktøjer hjælper forskere og udviklere med at identificere styrker og svagheder i LLM'er og guide yderligere fremskridt på området.

2. Menneske-AI-interaktion

Udfordringen her er, i hvilket omfang mennesker skal interagere med software, der er autonom. Der er bekymringer om de potentielle risici ved AI-systemer, der fungerer uden tilstrækkelig menneskelig kontrol, dvs. hvor meget autonomi der er for meget. Men vi er også nødt til at finde ud af, hvor meget vi ønsker mennesker i løkken, og hvilket niveau af menneskelig interaktion, der skaber mere sikkerhed, samtidig med at vi begrænser skævheder og mindsker chancen for menneskelige fejl. Vi har endnu ikke gode svar på dette, i nogen form for rimelig skala.

Fra et opportunistisk perspektiv håber jeg, at vi kan definere et nyt paradigme for autonom software til at fungere inden for kontrollen af ​​mennesker på en måde, så den overvåges og observeres, så mennesker kan stoppe potentielt "fatale" ting i at ske som en meget større version af et lynnedbrud i økonomien. Efter min mening vil dem, der kan bygge dette, vinde og levere transformationsmuligheder. 

Skiftet fra opgaveorienterede til målorienterede processer

Der vil ikke være nogen sektor eller arbejdsfelt, der vil forblive uberørt af AI-agenter, og en stor del af de ændringer, der sker, vil ske i den nærmeste fremtid. Efter min mening, oen af ​​de mest dybtgående virkninger, som AI-agenter vil have er skiftet fra opgaveorienterede til målorienterede processer. I dag indtaster du noget i en computer, såsom "skriv mig en op-ed om AI-agenter", og computeren giver noget tilbage til dig, som du derefter handler. Dette er en meget opgaveorienteret prompt og kræver stadig, at brugeren træner agenten i henhold til personens mål og tonefald. Det er dog begrænset til dette, og derfor er output i høj grad bestemt af kvaliteten af ​​træningsinputtet, plus de forudbestemte (og muligvis begrænsede) mål for brugeren, som stadig er stærkt afhængig af menneskelige handlinger. 

AI-agenternes underudnyttede kraft ligger i kraften af ​​målorienteret arbejde. Fremtiden vil ikke længere være en udenads trin for trin procesbeskrivelse eller kompliceret prompt engineering af processer. Virksomheder og ledere bør ændre deres tankegang om, hvordan de bygger og bruger autonome regelbaserede processer, hvorved mål er foreskrevet, og agenter bestemmer den bedste vej frem for at opnå dette resultat (med passende menneskelige indgreb). Et eksempel på dette kunne være, "book mig en begivenhed i New York City med 100 fagfolk, der ønsker at lære om, hvordan AI trænger ind på det amerikanske sundhedsmarked fra en af ​​vores foredragsholdere". I et tilfælde som dette vil AI blive brugt til at operationalisere strategisk tænkning ud over det begrænsede omfang af muligheder, som en simpel opgave kan udføre.

Dette er en helt ny måde at tænke og arbejde på. Der er næsten ingen sæt af mål, vi forfølger i øjeblikket med en computer, der ikke vil blive forfulgt vildt anderledes. Dette vil være en grundlæggende ændring i, hvordan vi orienterer os, og hvordan arbejdet udtænkes og udføres. 

Indtægtsgenerering og markedsdynamik

Efterhånden som AI bliver mere integreret i forretningsmodeller, bliver traditionelle indtægtsgenereringsstrategier reevalueret. For eksempel, lige nu i virksomhedssoftware, køber kunder generelt sæder og brug. På forbrugersiden foretager folk køb i appen. Vores hypotese er, at dette vil ændre sig sådan, at softwarevirksomheder i stigende grad vil være i stand til at sælge resultater frem for værktøjer. Vil folk og virksomheder betale for resultater? For at deres mål skal nås? Vi er ikke sikre endnu. Men vi ser dette som en afspejling af den bredere tendens til værdibaserede engagementer. Der er dog udfordringer med at forudsige rentabilitet og styring af omkostninger, især i betragtning af AI-teknologiernes beregningsintensive karakter. 

Beslutte hvem og hvad der skal investeres i på det tidligste stadie

Når vi investerer på dette tidlige stadie, er grundlæggeren en af ​​de største væddemål, vi foretager – ser på både grundlægger-markedspasning og grundlæggerpersonlighed. Med AI Agents bliver denne linse endnu vigtigere, fordi med så mange ukendte, vil løsningen, der bygges i dag, sandsynligvis ikke være den, der bygges i morgen, men grundlæggeren vil forblive den samme. Så vi ser ikke kun på grundlægger-marked fit, men også deres tilknytning til problemet, hvordan de ser på problemstillingen anderledes end det eksisterende paradigme, at de er villige til at omfavne det ukendte, og at de har plasticitet og fleksibilitet til at holde trit med et marked, der har så meget fluks. 

Efter grundlæggeren ser vi på markedet, og om der er et stort samlet marked, der kan adresseres, og en troværdig vej til en omsætningsmulighed på $1 mia. Vi er åbne for både legacy markeder som proptech og supply chain, og mere fremadrettede, fleksible markeder som fintech og eCommerce, så længe opstartsløsningen/værktøjet vil levere en trinvis funktionsforbedring i forhold til den gamle måde.

Vores tredje fokus, når vi evaluerer en AI-agentløsning, er, om værktøjet vil være kompatibelt inden for en AI-centreret softwarefremtid. Med andre ord, vil den foreslåede løsning problemfrit integreres med og forbedre, hvordan vi ser det fremtidige softwarelandskab og stakken på dette marked.

Vi kan ikke lave ordentlige omkostningsbaserede forudsigelser endnu. Lige nu er AI-virksomheder grundlæggende mindre rentable end SaaS-virksomheder. Omkostningerne forbundet med behandling og analyse af data i AI-systemer kan hurtigt akkumuleres. Der skal være fremskridt på kort sigt, der forbedrer AI-effektiviteten og reducerer driftsomkostningerne, før vi kan foretage denne type evaluering. Ideelt set er der fremskridt, der afspejler Moore's Law i AI-sektoren, og både strøm- og chipomkostninger reduceres på grund af øgede investeringer. Hvis vi kan finde en balance, hvor AI ikke kun er innovativ, men også økonomisk bæredygtig, så er vi gyldne. Men der er stadig så mange ubekendte, og de fleste af os gætter (gør velovervejede spekulationer, for at sige det pænt).

En 'brave new world' af muligheder

De fleste mennesker betragter introduktionen af ​​ChatGPT som AI's "iPhone-øjeblik". Jeg tror dog ikke, vi er der...endnu. Til dato har disse chat-grænseflader ikke gjort meget mere end at strømline vores nuværende arbejdsgange. Selvom disse værktøjer utvivlsomt har gjort opgaver nemmere at administrere, er vores tilgang fortsat grundlæggende opgaveorienteret. Den bredere vision er at transformere denne dynamik fuldstændigt, hvor AI vil være i stand til at operationalisere strategisk tænkning og udføre komplekst output med endnu mindre input fra mennesker. Det sande iPhone-øjeblik kan derfor være afsløringen af ​​AI-agenter som standard B2B-applikationssæt, hvilket igen vil have en overordnet indflydelse på fremtidens arbejde. 

Om et årti er der ingen tvivl om, at vi kommer til at se tilbage og undre os over ideen om, at vi plejede at arbejde baseret på to-do-lister i stedet for at sætte strategiske mål og lade AI hjælpe os med at gentage og forfine disse mål. Dette skift mod et målorienteret arbejdsmiljø repræsenterer ikke kun en udvikling inden for teknologi, men en transformation i, hvordan vi konceptualiserer og griber vores arbejde an. 

Vejen frem er fyldt med usikkerheder, men potentialet for AI til at revolutionere industrier, forstærke det menneskelige potentiale, drive meningsfulde fremskridt og levere varig værdi er ubestrideligt. Vores forpligtelse er at navigere i disse usikkerheder og identificere, satse på og støtte tidlige AI-initiativer og de geniale hjerner, der bringer deres visioner ud i livet.