Peter Pang, CREAO:n perustaja ja CTO – Haastattelusarja

Peter Pang, CREAO:n perustaja ja CTO, tuo syvän taustan tekoälytutkimuksesta ja koneoppimisen infrastruktuurista uuteen agenteille perustuvaan tekoälyalueeseen. Ennen CREAO:n perustamista vuonna 2025 Pang työskenteli lähes kuusi vuotta Meta:ssa tutkijana, työskennellen generatiivisen tekoälyn aloitteissa, jotka liittyivät LLaMA-pohjaisiin perusmalleihin, mukaan lukien LLM-agenteille tietojen annotointiin ja synteettisen datan luomiseen. Aikaisemmin hän työskenteli Applen parissa koneoppimisen insinöörinä, keskittyen NLP:hen, siirtymällä oppimiseen, syvään oppimiseen ja ennustavaan järjestelmään, kun taas hänen varhaiset vuotensa Brookhavenin kansallisessa laboratoriossa antoivat hänelle kokemuksen edistyneestä tieteellisestä tutkimuksesta ja kokeellisista järjestelmistä. Hänen kokemuksensa uransa alusta lähtien tekoälytutkimuksesta, laajamittaisesta koneoppimisesta ja autonomisista järjestelmistä muovaa nyt CREAO:n teknistä visiota rakentaa tekoälyagentteja, jotka pystyvät kestävään suorittamiseen, muistiin ja työn automaatioon.

CREAO on tekoälyyn perustuva alusta, joka auttaa yksilöitä ja yrityksiä luomaan autonomisia tekoälyagentteja ja työnkulkuja luonnollisen kielen kautta perinteisen koodauksen sijaan. Yritys määrittelee “Super Agent” -järjestelmänsä pysyvänä tekoälyjärjestelmänä, joka pystyy sekä tuottamaan tuloksia että muuttamaan onnistuneet tehtävät uudelleenkäytettäviksi agenteiksi, jotka voivat toimia jatkuvasti muistin, aikataulutuksen ja integraatioiden kautta ulkoisten työkalujen ja rajapintojen kanssa. CREAO:n alusta tukee useita johtavia tekoälymalleja, kuten OpenAI, Anthropic, Google (GOOGL ) ja muita, korostaa tekoäly ensin -toimintamallia, jossa agentit käsittelevät yhä enemmän operatiivista suorittamista avustajien sijaan. Perustettu Palo Altossa, yritys keskittyy agenteille perustuvien työnkulkujen, koodittoman automaation ja skaalautuvan tekoälyorkestraation kehittämiseen yrityksille ja itsenäisille ammattilaisille.

Olet työskennellyt lähes kuusi vuotta Metassa, työskennellen LLaMA-pohjaisissa perusmalleissa ja agenteille synteettisen datan luomiseksi. Mikä vakuutti sinut siitä, että oli oikea hetki perustaa CREAO, ja mikä ongelma kohtasit, jonka oletettavasti olemassa olevat tekoälyalustat eivät ratkaisseet?

Metassa seurasin, kuinka mallin kyky parani dramaattisesti jokaisen sukupolven myötä. Työskentelin LLaMA:n skaalauksessa. Näin, mitä nämä mallit voivat tehdä kontrolloiduissa olosuhteissa. Kasvava aukko ei ollut siinä, mitä mallit voivat saavuttaa, vaan siinä, mitä ihmiset todella saivat niistä.

Jokainen alusta antoi sinulle samanliisen käyttöliittymän: chat-ikkunan. Kysyt, se vastaa, teet työn. Tekoäly on urakoitsija, joka unohtaa kaiken välillä. Suoritat sen uudelleen huomenna. Järjestelmä ei opi mitään suoritusten välillä. Liiketoimintasi pysyy samana.

Se oli ongelma. Ei mallin älykkyys. Suorittaminen. Kukaan ei ollut rakentamassa järjestelmää, jossa tekoäly voisi viedä tuloksen kaiken ajan keskustelusta suorittamiseen, ylläpitää sitä ja toistaa ilman ihmisen osallistumista.

Fysiikan taustani opetti minua ajattelemaan järjestelminä, ei komponentteina. Brookhavenissa ja Stony Brookin jatko-opinnoissani vietin vuosia rakentamassa kokeellisia putkia, joissa väline, datakeräys ja analyysi olivat toimia, jotta tulokset olisivat merkityksellisiä. Applen parissa työskentelin multimodaalisilla malleilla ja näin saman kaavan: raaka kyky ilman järjestelmää ei kerry.

Kun Kai ja minä aloimme puhumaan CREAO:sta, teesi oli spesifinen: teollisuus ei tarvitse toista chatbottia. Se tarvitsee suljetun silmukan – tekoäly, joka rakentaa työkaluja, suorittaa työtä ja parantaa ajan myötä.

CREAO kuvailee itsensä alustaksi, jossa tekoäly voi sekä rakentaa työkaluja että suorittaa työtä autonomisesti. Miten määrittelet eron “suljetun silmukan” tekoälyjärjestelmän ja markkinoilla olevan aalto tekoälyavustimien välillä?

Avustaja istuu vieressäsi. Sinä ajat, se ehdottaa. Jos menet nukkumaan, avustaja ei tee mitään.

Suljettu silmukka suorittaa koko syklin: havainnointi, toiminta, oppiminen, parantaminen. Ihminen määrittelee tuloksen. Järjestelmä käsittelee suorittamisen, ylläpidon ja toistamisen.

CREAO:ssa ajattelemme tätä kuin valjassysteemiä. Yksittäinen agentti voi luoda sähköpostin, priorisoida virheen tai tiivistää raportin. Mutta yksittäinen agentti ei kerry. Se suorittaa, tuottaa tuloksen ja lopettaa. Valjassysteemi kietoutuu agenteiden ympärille ja muuttaa ne yhden kerran työkaluista itseparantavaksi moottoriksi. Se seuraa silmukkaa: Yhteys, Tarkastus, Ratkaisut, Rakennus, Itseparantaminen. Järjestelmä liittyy oikeisiin data-lähteisiisi – reposi, virhelokisi, mainos tileisi. Se arvioi nykytilaa. Se ehdottaa korjauksia. Agentteja rakennetaan suorittamaan nämä korjaukset. Tulokset syötetään takaisin. Uusi tarkastussyklus alkaa. Silmukka kiristyy.

Se on rakenteellisesti erilainen kuin “Minulla on agentti, joka tekee X”. Tämä on järjestelmä, joka löytää, mitä X pitäisi olla, rakentaa X, mittailee X ja kehittää X ilman, että sinun tarvitsee sanoa sille.

Useimmat avustajat ovat tekoälyavusteisia. Suljettu silmukka on tekoälyohjattu. Se on jakolinja.

Vuoropuhelusi “harness-insinöörisyydestä” ja tekoäly ensin -organisaatioista aiheutti suuren huomion verkkoyhteisössä. Mitä yllätti sinua eniten reaktioista sille, että 99 % CREAO:n tuotantokoodia on nyt tekoälykirjoitettua?

Viesti sai 1,8 miljoonaa näyttökertaa. Kirjoitin sen dokumentaatioksi tiimillemme – tietue siitä, miten uudelleenjärjestimme ja mitä opimme. En odottanut, että se saisi noin suuren vaikutuksen.

Se, mikä yllätti minua, oli reaktioiden jako. Toisessa leirissä sanottiin, että tämä on vastuuton, ettei voida luottaa tekoälykirjoittamaan koodiin tuotannossa. Toisessa leirissä sanottiin: “Me näemme täsmälleen samaa asiaa, ja kukaan ei puhu siitä”.

Tämä toinen ryhmä kertoi minulle jotain tärkeää. Teollisuudessa on joukko tiimejä, jotka ovat hiljaisesti kulkemassa tämän muutoksen läpi. Toimittaja, johon puhuin, kertoi minulle, että hän oli puhunut noin viidelle ihmiselle tästä aiheesta. Hän sanoi, että olemme edennyt pidemmälle kuin kukaan: “En usko, että kukaan on uudelleenrakentanut koko työnkulkuaan samalla tavalla kuin me”.

99 % -luku kuulostaa provokatiiviselta, mutta se on vain seuraus siitä, kun poistetaan ihmisen pullonkaulat yksi kerrallaan. Kun suunnittelet arkkitehtuurin siten, että agentit voivat nähdä koko koodipohjan – yhdistimme kaiken yhteen monorepoon nimenomaan, jotta tekoäly voisi nähdä kaiken – ja CI/CD-putkissasi on kuusi determinististä vaihetta, ja kolme rinnakkaista tekoälyarvioita pyytää laatua, turvallisuutta ja riippuvuuskysymyksiä jokaisessa PR:ssa, ja itsekorjaava silmukka havaitsee virheet, priorisoi ne ja vahvistaa korjaukset automaattisesti, ihmisen rooli siirtyy koodin kirjoittamisesta järjestelmän suunnitteluun, joka määrää, miten agentit kirjoittavat koodin. Koodin määrä seuraa luonnollisesti.

Se, mikä yllätti minua eniten, on, että enemmän CTO:ita ei ole sanonut tätä julkisesti. Luulen, että monet tekevät samaa, mutta pelkäävät mielipidettä.

Artikkelissasi väität, että useimmat yritykset ovat edelleen “tekoälyavusteisia” eivät “tekoäly ensin” -yrityksiä. Mitkä ovat suurimmat väärinkäsitykset, joita johtajatiimit kohtaavat, kun he uskovat, että he jo toimivat tekoälyalkuisina organisaatioina?

Näen tiimejä, jotka väittävät olevansa tekoäly ensin, mutta joilla on edelleen samat sprint-kierrät, samat Jira-laudat, samat viikoittaiset standupit, samat QA-hyväksynnät. He lisäsivät tekoälyn silmukkaan. He eivät suunnitelleet uudelleen silmukkaa.

Suurin väärinkäsitys: “Käytämme tekoälytyökaluja, siksi olemme tekoäly ensin”. Insinööri avaa Cursorin. Tuotejohtaja luonnostelee määrityksiä ChatGPT:llä. QA kokeilee tekoälytestien luomista. Työnkulku pysyy samana. Tehokkuus nousee 10-20 prosenttia. Mitään ei muutu rakenteellisesti. Se on tekoälyavusteista.

Tässä on testi: jos poistat kaikki tekoälytyökalut huomenna, tarvitsisiko prosessisi muuttua, vai vain työkalusi? Jos prosessi pysyy samana, et ole tekoäly ensin.

Toinen väärinkäsitys on, että tekoäly ensin on insinöörien päätös. Jos insinöörit toimittavat ominaisuuksia tunneissa, mutta markkinointi vie viikon julkaisemiseen, markkinointi on pullonkaula. Jos tuotetiimi edelleen pyörittää kuukausittaista suunnittelukierrosta, suunnittelu on pullonkaula. CREAO:ssa työnsin tekoälyalkuiset operatiiviset toiminnot jokaiseen funktioon: julkaisumerkinnät generoitiin muutoshistoriasta, ominaisuusjohdanto-videoita luotiin tekoälyllä, sosiaalisen median orkesterointi ja automaattinen julkaisu, terveydenhuoltoraportit generoitiin tuotantotietokannoista. Insinöörit, tuote, markkinointi ja kasvu toimivat yhdessä tekoälyalkuisessa työnkulussa. Jos yksi funktio toimii agentin nopeudella ja toinen ihmisen nopeudella, ihmisen nopeuden funktio rajoittaa kaikkea.

Kolmas väärinkäsitys on, että tämä siirtymä voi olla asteittainen. Yleinen versio tästä on se, mitä ihmiset kutsuvat “tunnetyyppiseksi koodaukseksi”. Avaa Cursor, anna tekoälylle ohjeita, kunnes jokin toimii, committaa, toista. Se tuottaa prototyyppejä. Tuotantojärjestelmä vaatii vakautta, luotettavuutta ja turvallisuutta. Tarvitset järjestelmän, joka takaa nämä ominaisuudet, kun tekoäly kirjoittaa koodin. Rakennat järjestelmän. Ohjeet ovat korjattavissa.

Kerroit, että oikea läpimurto tapahtui, kun CREAO uudelleenmuotoili koko insinöörien työnkulun tekoälyagenttien ympärille, eikä vain lisännyt tekoälytyökaluja olemassa oleviin prosesseihin. Mikä osa tätä siirtymää oli vaikein operatiivisesti tai kulttuurisesti tiimille?

Molemmat, mutta ne ovat erilaisia haasteita.

Operatiivisesti vaikein päätös oli yhdistää koodipohja. Vanha arkkitehtuurimme oli hajautunut useille itsenäisille järjestelmille. Yksittäinen muutos saattoi vaatia koskettavaksi kolmea tai neljää repositoriot. Ihmisen insinöörin näkökulmasta hallittavissa. Tekoälyagentin näkökulmasta epäselvä. Agentti ei voi nähdä koko kuvaa. Se ei voi päättää risteyksisten järjestelmien vaikutuksista. Se ei voi suorittaa integraatiotestejä paikallisesti.

Vietin yhden viikon suunnittelemassa uutta järjestelmää ja toisen viikon uudelleenarkkitehtuuria koko koodipohjaa agenttien avulla. Se oli rohkea päätös. Jos se epäonnistuisi, meillä olisi rikki monorepo ja rikki monirepo-asettelma. Mutta periaate on selvä: mitä enemmän järjestelmästäsi vedät muotoon, jonka agentti voi tarkastella, vahvistaa ja muuttaa, sitä enemmän voimaa saat. Hajaantunut koodipohja on agenteilta näkymätön. Yhdistetty on luettava.

Kulttuurisesti vaikein osa oli identiteetti. Insinöörit löytävät arvonsa koodista, jonka he kirjoittavat. Kun tekoäly kirjoittaa 99 % koodista, kysymys muuttuu: mitä on minun työni nyt? Se ei ole prosessikysymys. Se on eksistentialistinen.

En väitä, että kaikki olivat onnellisia. Kun lopetin puhumisen ihmisten kanssa joka päivä, koska johtamisajani laski 60 %:sta alle 10 %:iin, jotkut tiimin jäsenet tunsivat epävarmuutta. Mitä tarkoittaa, kun CTO ei puhu minulle? Mitä on minun arvoni tässä uudessa maailmassa? Nämä ovat kohtuullisia huolenaiheita. Jotkut ihmiset viettävät enemmän aikaa pohtimalla, voivatko tekoälyt tehdä heidän työtään, kuin tekemällä itse työtä.

Mutta kerran, kun ihmiset kokivat uuden työnkulun – jossa heidän työnsä siirtyi koodin kirjoittamisesta järjestelmien suunnitteluun, määritysten määrittelyyn ja palautekanavien rakentamiseen – useimmat löysivät sen mielenkiintoisemmaksi. Insinöörit, jotka kamppailivat eniten, olivat niitä, joiden identiteetti oli vahvasti kytköksissä koodin kirjoittamiseen. Nämä, jotka sopeutuivat nopeasti, näkivät itsensä ongelmienratkaisijoina ensin ja koodareina toissijaisesti.

Yksi hämmästyttävimmistä havainnoista artikkelissasi oli, että nuoremmat insinöörit sopeutuivat nopeammin kuin vanhemmat insinöörit tässä uudessa ympäristössä. Miksi luulet, että sopeutumiskyky on tulevaisuudessa tärkeämpää kuin kertynyt tekninen kokemus tekoäly ensin -insinööritiimeissä?

Havainnoin odottamattoman kaavan. Nuoremmat insinöörit, joilla oli vähemmän perinteistä harjoittelua, tunsivat itsensä vahvemmiksi. Heillä oli pääsy työkaluihin, jotka lisäsivät heidän vaikutustaan. He eivät kantaneet vuosikymmeniä vanhoja tapoja, joita heidän olisi pitänyt unohtaa.

Vanhemmat insinöörit, joilla oli vahva perinteinen harjoittelu, kamppailivat eniten. Kahden kuukauden työ voitiin suorittaa yhdessä tunnissa tekoälyllä. Se on vaikea asia hyväksyä vuosien jälkeen, kun on rakennettu harvinaista taitoa.

Syy on rakenteellinen. Vanhan insinöörin asiantuntemus elää mekaanisessa koodin suorittamisessa – navigoimassa monimutkaisissa järjestelmissä, kirjoittamassa optimoituja toteutuksia, suorittamassa perusteellisia arvosteluita. Nämä taidot ovat todellisia ja ne on ansaittu vuosien ajan. Mutta tekoäly ensin -ympäristössä koodin kirjoittamisen mekaaninen taito on se osa, joka automatisoidaan. Se, mikä jää jäljelle ja tulee arvokkaammaksi, on kyky arvioida, kritisoida ja ohjata tekoälyä.

Minulla on fysiikan tohtorin tutkinto. Asian, josta olen kiitollinen, on se, että se opetti minulle, miten kyseenalaistaa oletukset, testata argumentteja ja etsiä, mitä puuttuu. Kyky kritisoida tekoälyä on arvokkaampaa kuin kyky tuottaa koodia. Voitko tarkastella arkkitehtuuriehdotusta ja nähdä epäonnistumisen, jonka agentti ei huomannut? Voitko tarkastella generoituja UI:ta ja tietää, että se on väärä ennen kuin käyttäjä kertoo sinulle?

Nuoremmat insinöörit eivät olleet koskaan syventyneet syvään mekaaniseen asiantuntemukseen. He vain oppivat uuden asian.

En tee tuomiota. Kuvaan, mitä havainnoin. Seniorisuus on edelleen etu – syvä arkkitehtuuri, järjestelmän suunnittelun vaisto – mutta vain, jos vanhempi insinööri on valmis toimimaan toisella korkeudella. Tässä siirtymässä sopeutumiskyky on tärkeämpää kuin kertynyt taito.

CREAO rakensi infrastruktuurinsa uudelleen monorepon, automaattisten CI/CD-putkien, tekoälyarviointijärjestelmien ja itsekorjaavien silmukoiden ympärille, jotka integroivat työkaluja kuten CloudWatch, Sentry, Linear ja Claude. Kuinka lähellä olemme tulevaisuudesta, jossa ohjelmistojärjestelmät pääosin ylläpitävät ja korjaavat itseään?

Suoritamme itsekorjaavaa silmukkaa tuotannossa jo nyt. Kerro, mitä se todella tekee.

Jokaisen aamun klo 9.00 UTC suoritamme automaattisen terveyden työnkulun. Claude Sonnet kysyy CloudWatchilta, analysoi virheiden kaavoja kaikissa palveluissa ja luo toiminnallisen terveyden yhteenveto tiimille. Kukaan ei pyytänyt sitä. Tunnin kuluttua virhetriangulaatioyksikkö ryhmittelee tuotantovirheitä CloudWatchista ja Sentrystä, arvioi jokaisen ryhmän yhdeksän vakavuusulottuvuuden mukaan – käyttäjän vaikutus, nopeus, vaikutusalue, liiketoimintakriittisyys ja viisi muuta – ja luo automaattisesti tutkimustiedoston Lineariin näytteiden, vaikuttavien päätepisteiden ja ehdotettujen tutkimuspolkujen kanssa.

Kun insinööri työntää korjauksen, sama putki käsittelee sen. Kolme Clauden arviointikierrosta arvioi PR:ää – koodin laatu, turvallisuus ja riippuvuuskysely. CI vahvistaa kuusiportaisen putken kautta. Jakelu jälkeen triangulaatioyksikkö tarkistaa uudelleen. Jos alkuperäiset virheet ovat ratkaistu, tiketti sulkeutuu automaattisesti.

Lisäksi rakensimme mitä kutsumme Agent Harnessiksi. Kolmen tuomarin paneeli – yksi Anthropic-tuomari, yksi OpenAI-tuomari, yksi Google-tuomari – arvioi jokaisen live-agentin vastauksen. Kun arvosanat laskevat, kuuden työn insinöörien putki muuttaa nämä alhaiset arvosanat Linearin tiketeiksi, luonnos-PR:ksi ja vahvistetuiksi korjauksiksi. Ja suurten muutosten osalta tekoälyohjatut harmaat julkaisut ohjaavat 10 % liikenteestä uuteen varianttiin ja edistävät 20 %, 50 %, 100 %:iin vain, jos arvosanat pidetään.

Meillä ei ole QA-tiimiä. Meillä ei ole staging-ympäristöä. Kukaan ei lue transkriptejä ja arvioi agenttien vastauksia käsin.

Olemme siis lähellä. Lähempänä kuin useimmat ajattelevat rajoitettujen alojen osalta – tunnettuja virhekaavioita, regressioita, konfiguraatioiden siirtymistä. Sanon, että 70-80 % tuotannon ylläpitoa voidaan suorittaa tällä tavalla oikean infrastruktuurin kanssa. Osaa, joka edelleen tarvitsee ihmisiä, ovat epäselvät virheet, joissa arkkitehtuuri itsessään saattaa olla väärä, tai joissa korjaus vaatii liiketoimintapäätöksen ymmärtämistä, jota järjestelmä ei ole koodattu.

Praktinen oivallus: et tarvitse odottaa täydellisyyttä. Jopa osittainen itsekorjaus muuttaa joukkueen dynamiikkaa dramaattisesti.

Olet kuvaillut tulevaisuutta, jossa “yksinhenkilöyritykset” voivat yleistyä, kun tekoälyagentit korvaavat suuret operatiiviset tiimit. Mitkä yritykset tai toimialat tulevat tulemaan tähän muutokseen ensimmäisenä?

Yritykset, joissa operatiivisen ylijäämän suhde ydintoimintaan on suurin.

Uskon, että yksinhenkilöyritykset tulevat yleistymään. Jos yksi arkkitehti agenttien kanssa voi tehdä 100 ihmisen työn, moniin yrityksiin ei tarvita toista työntekijää. Mallin kyky on kello, joka ajaa tämän muutoksen. Olen attribuoitu koko muutokseen CREAO:ssa viimeisten kahden kuukauden aikana. Opus 4.5 ei voinut tehdä sitä, mitä Opus 4.6 tekee. Seuraavat sukupolvet kiihdyttävät tätä edelleen.

Muutos iskee ensin sinne, missä työ on digitaalista, toistettavaa ja palaute silmukat ovat selkeät. Sisällön tuotanto, markkinointioperaatiot, verkkokauppa, kehittäjätyökalut, digitaaliset agentuurit. Jos liiketoimintasi on perustana tietojen muuntaminen ja jakaminen, valjassysteemi voi käsitellä suurimman osan tästä silmukasta.

Näemme sen itse alustallamme. Kuvaamme tiettyjä käyttötapaustamme: yksinäinen perustaja liittää GitHubin, Sentryn ja CloudWatchin. Järjestelmä tarkastaa virhelokit, käyttöönottotaajuuden ja infrastruktuurin terveyden. Tästä tarkastuksesta se rakentaa virheiden priorisointiagentin, ominaisuuden löytöagentin, sisällön generointiputken, infrastruktuurin optimointisilmukan. Jokainen agentti suorittaa, tuottaa tuloksen ja muuttaa tilaa. Seuraavassa syklissä tarkastus näkee erilaisen kuvan. Järjestelmä löytää uudet ratkaisut. Perustaja ei suunnitellut niitä.

CREAO toimii omilla operatiivisilla prosesseillaan samalla tavalla. Yksi agentti korvasi kolmen hengen SEO-työnkulun yhdessä yössä. Toinen suoritti sisällön putken kaksi päivää, ennen kuin kukaan tarkisti tulokset. Tulokset olivat roskaa, ja me tappioimme sen. Molemmat tapahtuivat samassa viikossa. Kutsumme itseämme tulevaisuuden työn kolaritestareiksi.

Toimialat, jotka tulevat tulemaan muutokseen viimeisenä: terveydenhuolto, raskas teollisuus, lakiasiat – kaikkialla, missä työ on fyysistä, voimakkaasti säädeltyä tai vaatii ihmisen arviointia jokaisessa päätöksenteossa. Mutta jopa siellä hallinnolliset kerrokset tulevat kutistumaan.

CREAO on vastikään kerännyt 10 miljoonaa dollaria Prosperity7 Venturesin johdolla, joka on Saudi Aramcon venture-osiosta. Mitkä strategiset mahdollisuudet tämä kumppanuus avaa yritykselle, kun autonomiset tekoälyagentit tulevat yhä enemmän keskittyneiksi yrityksiin?

Prosperity7 hallinnoi 3 miljardin dollarin monialaista rahastoa ja toimii ympäri maailmaa, Silicon Valleyssa, Lähi-idässä ja Aasiassa. He ovat rakentaneet portfolioa, joka kattaa yritys-ai-infrastructuren – Arcee AI, Spirit AI ja muita. Strateginen sopimus ylittää pääoman.

Heidän teesinsä vastasi meidän teesiämme. Kuten Raed Twaily, heidän toimitusjohtaja, on lausunut julkisesti: “Kun tekoälyadopptio kypsyy, fokus siirtyy malleista suorittamiseen. Creao AI on rakentamassa infrastruktuurikerrosta, joka sallii agenteille toimia autonomisesti, luotettavasti ja jatkuvasti.” Se on täsmälleen sitä, mitä uskomme. Tekoälyagenttien markkinan odotetaan olevan 52 miljardia dollaria vuoteen 2030 mennessä. Yritykset, jotka saavat todellista arvoa, eivät ole niitä, joilla on paras malli. Ne ovat niitä, joilla on paras suorittamiskerros.

Käytännössä 10 miljoonaa dollaria – mikä nostaa meidän yhteensä 25 miljoonaan dollariin kolmen kierroksen aikana alle vuoden – kiihdyttää kolmea asiaa. Ensinnäkin, insinöörien syvyyttä. Laajennamme tiimiä käsittelemään yritysasteisia integraatioita ja agenttien välistä yhteistyötä. Itsekorjaava valjassysteemi, kolmen tuomarin paneeli, tekoälyohjattu julkaisujärjestelmä – näiden on toimittava yritysasteisesti, ei vain 25 hengen tiimille. Toiseksi, maantieteellinen ulottuvuus. Prosperity7:n läsnäolo Lähi-idässä ja Aasiassa avaa markkinoita, joissa autonomisen tekoälyadopptio on kiihtyvämpää kuin useimmat ihmiset Silicon Valleyssä toteavat. Kolmanneksi, instituutionaalinen uskottavuus. Kun pyydätte yrityksiä luottamaan agenteille, jotka suorittavat heidän operatiivista toimintaansa jatkuvasti, tuki on tärkeää.

Keräsimme 25 miljoonaa dollaria alle vuodessa ilman maksullista markkinointia ja 200 000 käyttäjää orgaanisen omaksumisen kautta. Tämä nopeus heijastaa markkinoiden vakuuttumista siitä, että suorittamiskerros on seuraava taistelutantere.

Mitä tulee, mitä CREAO:lle tulevaisuudessa? Onko pitkän aikavälin visio rakentaa parempia tekoälyagentteja vai yrittää uudelleenmääritellä, miten yritykset itsessään toimivat ja operoivat?

Molemmat. Ja ne ovat erottamattomia.

Lähiaikoina menestyksen tarkoittaa suljetun silmukan mallin todistamista suuressa mittakaavassa. Meillä on 200 000 käyttäjää, jotka tulivat luonnollisen omaksumisen kautta siitä, kun lanseerasimme syyskuussa 2025. Toimitamme tuotantoon kolmesta kahdeksaan kertaa päivässä. Meidän itse insinöörimme, markkinointimme ja operatiivinen toimintamme toimivat valjassysteemillä. Seuraava askel on osoittaa, että yritykset kaikissa koissa voivat toimia samalla tavalla.

Paremmat agentit eivät ole lopullinen tavoite. Lopullinen tavoite on valjassysteemi – järjestelmä agenttien ympärillä.

Agentti on työkalu. Valjassysteemi on pyörivä laite. Mitä enemmän se pyörii, sitä tiukemmin se kiristyy. Mitä enemmän dataa se näkee, sitä paremmat ovat sen tarkastukset. Mitä paremmat ovat sen tarkastukset, sitä terävämmät ovat sen ratkaisut. Mitä terävämmät ovat sen ratkaisut, sitä vaikuttavampia ovat sen agentit. Mitä vaikuttavampia ovat sen agentit, sitä enemmän data muuttuu. Ja silmukka jatkuu.

1900-luvun malli yrityksestä on hierarkia ihmisiä, järjestetty osastoittain, joilla on johtajat, prosessit suunniteltu ihmisten läpi. Kun agentit voivat suorittaa luotettavasti useimman operatiivisen työn, tämä malli ei vain tule tehokkaammaksi – se alkaa tulla tarpeettomaksi.

Jokainen perustaja, johon puhun, toimii edelleen perinteisellä tavalla. Jotkut ajattelevat siirtymistä. Hyvin harvat ovat tehneet sen. Työkalut ovat olemassa, jotta mikä tahansa tiimi voisi tehdä tämän. Mitään ei ole salaisessa. Kilpailuetu on päätös suunnitella kaikki uudelleen näiden työkalujen ympärille ja ottaa kustannukset.

Rakensimme agenttialustan. Agentit rakensivat sen uudelleen. Se on suunnitteluperiaatteemme. Valjassysteemi kiristyy päivä päivältä.

Kiitos hienosta haastattelusta. Lukijat, jotka haluavat oppia lisää, voivat vierailla CREAO:ssa.