Randall Newman, CPTO ja Satisfi Labsin yhteisperustaja – Haastattelusarja

Randall Newman, CPTO ja Satisfi Labsin yhteisperustaja, on teknologia- ja tuotejohtaja, jolla on laaja kokemus AI-alustojen, rahoitusteknologian ja korkean suorituskyvyn järjestelmien rakentamisesta. Perustettuaan Satisfi Labsin Newman on toiminut keskeisessä roolissa yrityksen keskustelevaa AI-teknologiaa suunnittelemassa, visualisoimassa ja skaalaamisessa, samalla kun hän valvoi tuotekehitystä, arkkitehtuuria, insinööritiimejä ja strategisia integraatioita. Ennen Satisfi Labsia hän toimi tuotepäällikkönä Satisfi Inc.:ssä ja perusti yhdessä mobiilimarkkinointiyrityksen Right On Mobile. Uransa alkupuolella Newman vietti yli 17 vuotta CIBC World Marketsissa, jossa hänellä oli seniorijohtotehtäviä, jotka kattoivat strategisen riskin, korkean taajuuden kaupankäynnin ja osakearbitiirin, yhdistäen kvantitatiivisen kaupankäyntiosaamisen käytännön teknologian kehittämiseen.

Satisfi Labs on AI-yritys, joka keskittyy erikoistuneiden AI-agenttien käyttöönottoon urheilussa, viihteessä, matkailussa, nähtävyyksissä ja muissa live‑kokemuksia tarjoavissa yrityksissä. Vuonna 2016 perustettu yritys on kehittynyt keskustelevasta AI:sta ja sen Answer Engine -moottorista agenttipohjaiseksi alustaksi, jonka tarkoituksena on auttaa organisaatioita automatisoimaan asiakastuki, lisäämään lippu‑ ja kaupankäyntikonversioita sekä poimimaan oivalluksia asiakaskeskusteluista. Sen AI-agentit toimivat yli 50 kielellä ja voivat yhdistää lippujärjestelmiin, CRM:ään, sisällönhallintaan ja muihin liiketoimintajärjestelmiin suorittaakseen toimintoja, kuten lippujen myynti, keskustelujen eskalointi henkilökunnalle, asiakastietojen kerääminen ja personoitujen vastausten antaminen. Satisfi Labsin mukaan sen teknologiaa luottaa nyt yli 775 brändiä, ja integraatiot sekä kumppanuudet kattavat yritykset kuten Ticketmaster, Simpleview, MappedIn, Ventrata ja Vozzi.

Työskentelit lähes kahden vuosikymmenen ajan rahoitusmarkkinoilla, mukaan lukien matalaviiveisten kaupankäyntijärjestelmien rakentaminen ja korkean taajuuden kaupankäyntistrategioiden johtaminen CIBC:ssä, ennen kuin siirryit teknologia‑alan yrittäjyyteen ja lopulta peristit Satisfi Labsin. Mitkä opit käyttöjärjestelmistä, joissa nopeus, luotettavuus ja riskienhallinta olivat kriittisiä, ovat vaikuttaneet eniten siihen, miten rakennat tuotantotason AI-agentteja tänään?

Kaupankäynti opetti minulle, että hyvä idea ja hyvä liiketoiminta ovat kaksi eri asiaa. Voit tunnistaa mahdollisuuden oikein, mutta silti menettää rahaa, jos toteutus on hidas, kustannukset liian korkeat tai riskioletukset virheellisiä. AI on sama asia. Mallin kyvykkyys on yksi syöte. Liiketoiminta riippuu siitä, pystytkö muuttamaan kyseisen kyvykkyyden toistettavaksi tulokseksi kohtuullisilla kustannuksilla ja riskillä.

Indeksiarbitiirikirjan johtaminen opettaa myös katsomaan yksittäisten päätösten ohi. Pieni virhe, joka toistuu portfolion läpi, muuttuu erittäin suureksi altistukseksi. AI:ssa voi olla tuhansia agentteja, jotka tekevät yksilöllisesti järkeviä päätöksiä, mutta yhdessä ne luovat ongelman. Ne kaikki perustuvat samaan huonoon dataan tai ne kaikki yrittävät uudelleen samaa epäonnistunutta palvelua. Sinun on hallittava järjestelmä, ei pelkästään yksittäistä vastausta.

Ja nopeus on merkityksellistä vain, kun se parantaa lopputulosta. Kaupankäynnissä oli hetkiä, jolloin mikrosekunnit merkitsivät. AI:ssa mieluummin käyttäisin vielä yhden sekunnin varmistaakseni tapahtuman kuin toimittaisin väärän tuloksen heti. Taito on tietää, missä nopeus luo arvoa ja missä se vain nopeuttaa virhettä.

Viimeinen opetus on se, joka käynnisti koko liiketoiminnan. Etu syntyy, kun havaitsee väärin hinnoitellun kohdan ennen muita. Mielestäni tällä hetkellä väärin hinnoittelu on se, että useimmat yritykset näkevät AI-agentit tapana leikata tukikustannuksia. Satisfi Labsissa näemme ne tulovirtaan. Urheilupaikoissamme noin 40 % agenttien keskusteluista koskee lippuja. Nämä fanit eivät tule valittamaan. He tulevat käteisen kanssa, kysyen, mistä istua. Löydä se asia, jonka markkinahinta on väärin, ja tartu siihen. Sama instinkti kuin arbitiiriliiketoiminnassa.

Satisfi Labs perustettiin vuonna 2017, kauan ennen nykyistä generatiivisen AI:n buumia, ja se on kehittynyt kontekstuaalisesta luonnollisen kielen prosessoinnista ja keskustelevasta AI:sta agenttipohjaiseksi alustaksi. Mitkä olivat suurimmat arkkitehtoniset muutokset, jotka tarvittiin siirryttäessä järjestelmistä, jotka on suunniteltu ensisijaisesti vastaamaan kysymyksiin, agenteiksi, jotka voivat toimia käyttäjien puolesta?

Rakensimme vuosikymmenen ajan tuhansia AI-agentteja yli 800 yritysasiakkaalle, mukaan lukien MLB-/NFL‑joukkueet, viihdepaikat ja matkailuorganisaatiot. Suurin muutos on se, että annat järjestelmälle valtuuden, et pelkästään tietoa.

Jos avustaja kertoo sinulle, mitkä liput ovat saatavilla, se antaa vastauksen. Jos se vaihtaa lippusi, se muuttaa varastoa, asiakastietoja ja mahdollisesti rahaa. Nyt sinun täytyy tietää, kuka valtuutti toiminnon, mitä todella tapahtui ja miten toipua, jos prosessi keskeytyy puolivälin jälkeen.

Erotaan siis mallin arvion suoritusvaltuudesta. Malli voi tulkita pyynnön ja ehdottaa seuraavaa askelta. Sen alla olevat järjestelmät valvovat oikeuksia, liiketoimintasääntöjä ja transaktiorajoja. Mallin vakuuttava selitys ei voi ohittaa näitä hallintoja.

Tarvitset myös selkeän eron “agentti sanoi, että tehtävä on suoritettu” ja “liiketoimintajärjestelmä vahvisti suorituksen” välillä. Ne eivät ole sama asia. Jos ostopyyntö aikakatkaistaan, sinun on paras selvittää, tapahtuiko ostos ennen kuin yrität uudelleen.

Ja strategisesti parempien mallien ei pitäisi pakottaa sinua rakentamaan liiketoimintakontrolleja uudelleen. Haluan hyödyntää jokaisen parannuksen päättelykyvyssä ilman, että jokaisen uuden mallin julkaisun yhteydessä neuvotellaan uudelleen, mitä järjestelmä saa tehdä.

Termiä “agentic AI” käytetään nyt laajasti erilaisissa tuotteissa. Mistä insinöörin näkökulmasta piirrät rajan kehittyneen chatbotin, AI‑kopilotin ja aidosti autonomisen AI‑agentin välillä?

Kysyisin yhtä kysymystä: mitä vastuuta henkilö on oikeasti delegoinut?

Chatbot tarjoaa tietoa. Kopilotti auttaa sinua saamaan työn valmiiksi, mutta sinä ohjaat ja hyväksyt tärkeät vaiheet. Autonomisella agentilla on lupa tehdä osa näistä päätöksistä itse tavoitteen saavuttamiseksi.

Käyttöliittymä ei kerro, kumpaa tarkastelet. Keskustelutuotteessa voi olla todellista autonomiaa taustalla. Jokin agentiksi markkinoitu ratkaisu saattaa silti vaatia henkilön hyväksymän jokaisen hyödyllisen toiminnon.

Yritykselle autonomia tulisi olla tarkka sopimus: tämä järjestelmä saa suorittaa nämä toiminnot, näille käyttäjille, näiden rajoitusten puitteissa, ja sen on pysäytettävä toiminta näissä olosuhteissa. Tämä on jotain, mitä voit todella testata ja hallita.

En myöskään tekisi maksimaalista autonomiaa tavoitteeksi. Joskus paras tuote esittää yhden ajoissa ajoitetun kysymyksen ja hoitaa loput itse. Tämän kysymyksen poistaminen tekee demosta vaikuttavamman, mutta liiketoiminnasta vähemmän turvallisen. Tavoitteena on poistaa tarpeeton ihmistyö, ei tarpeellinen ihmisen harkinta.

Satisfi Labs lanseerasi äskettäin Satisfi Forwardin, eteenpäin sijoitetun insinööritoiminnan. Minkä aukon näit kyvykkään AI‑alustan rakentamisen ja agenttien luotettavan toiminnan asiakkaan todellisessa ympäristössä välillä, mikä johti tämän mallin luomiseen?

Viimeinen kilometri alkoi muodostua pullonkaulaksi. Alusta voi standardoida paljon, mutta se ei voi olettaa, että jokaisen asiakkaan liiketoiminta toimii samalla tavalla. Heidän tukipyyntöjärjestelmässään on tiettyjä rajoituksia. Heidän hyväksymisprosessinsa kulkee kolmen osaston läpi. Heidän määritelmänsä kelvollisesta liidistä poikkeaa seuraavan asiakkaan määritelmästä. Nämä yksityiskohdat päättävät, onko käyttöönotto todella hyödyllinen.

Voit ostaa valmiin alustan ja koota demoon, joka tekee vaikutuksen ihmisiin. Sen kaupallistaminen vankkana kokemuksena todellisille käyttäjille on eri asia. Tässä eteenpäin sijoitetut insinöörit tulevat mukaan. Tiimimme Satisfi Forwardissa vastaa siitä, että ymmärrämme tavoitteen, selvitämme, mikä sitä estää, ja rakennamme alustan päälle työnkulut ja integraatiot, jotka mahdollistavat sen toteutumisen.

Mutta asetamme selkeät rajat jokaiselle sitoumukselle. Ennen kuin rakennamme, sovimme, mitä menestys tarkoittaa, kuka omistaa liiketoimintaprosessin, mikä riippuu asiakkaasta ja kuka ylläpitää sitä lanseerauksen jälkeen. Muuten viimeisen kilometrin projekti muuttuu rajoittamattomaksi velvoitteeksi. Ja sitoumus ei ole valmis, kun koodi lähetetään. Se on valmis, kun työnkulku toimii asiakkaan toiminnassa ja joku on vastuussa sen ylläpitämisestä.

Koodin tuottaminen on myös tullut paljon halvemmaksi, mikä tekee tästä mallista paljon käytännöllisemmän kuin ennen. En kuitenkaan pidä Satisfi Forwardia palvelukonttina, joka on kiinnitetty SaaS‑tuotteeseen. Jokainen sitoumus opettaa meille, millainen seuraava tuote tulisi olla. Kun kolme asiakasta pyytää samaa työnkulkua, se ei ole tukikuorma. Se on itse kirjoittuva tiekartta, jossa maksavat asiakkaat ovat mukana. Vanha SaaS‑malli arvaili ominaisuuksia ja odotti todisteita. Näin saamme todisteet ensin ja tulot niiden keräämisen aikana. Mielestäni näin tuoteyritykset rakennetaan AI‑aikakaudella.

Agenttisi voivat yhdistää tukipyyntöjärjestelmiin, asiakkuudenhallintajärjestelmiin, sisällönhallintajärjestelmiin ja muihin reaaliaikaisen tiedon lähteisiin. Kun agentit saavat kyvyn tehdä transaktioita ja käynnistää toimintoja, miten tasapainotat reaaliaikaisen tiedon saatavuuden ja alhaisen viiveen perustelun, turvallisuuden ja suojatoimet virheellisiä toimintoja vastaan?

Ensinnäkin en koskaan antaisi nopeuden korvata turvallisuusvirhettä. Jotkut vaatimukset ovat rajoitteita. Optimoit niiden sisällä.

Sitten erotat työn tyypit. Pysäköintikysymykseen vastaaminen ja lippujen ostamisen suorittaminen eivät vaadi samaa tiedon tuoreutta tai samoja kontrolli­mekanismeja. Voit välimuistittaa vakaan tiedon. Kun raha vaihtaa omistajaa, tarvitset auktoriteettisen transaktiojärjestelmän vahvistamaan hinnan, saatavuuden ja suorituksen.

Vaarallisia tapauksia ovat ne, joissa järjestelmä ei tiedä, mitä tapahtui. Taustajärjestelmä hyväksyy ostoksen, mutta vastaus ei koskaan saavu. Jos agentti olettaa epäonnistumisen ja yrittää uudelleen, sinulla on kaksi ostosta. Tämä ei ole kieliongelma. Tämä on transaktio‑toipumisongelma.

Ja mittaat kokemusta niissä olosuhteissa, jotka todella merkitsevät. Keskimääräinen viive hiljaisena tiistaina kertoo sinulle lähes mitään. Jos tapahtuma perutaan sateen takia, sinulla on yhtäkkiä tuhansia ihmisiä, jotka kysyvät, mitä tapahtuu heidän lippuilleen, kaikki kerralla. Jos suunnittelet vain keskimääräistä liikennettä minuutissa, menetät kapasiteetin, jota tarvitset siinä ruuhkassa. Opin sen suoraan kaupankäyntijärjestelmistä.

Tässäkin on kustannuspäätös. Kaikki pyynnöt eivät vaadi kalleinta mallia tai agenttiketjua. Käytä yksinkertaisinta polkua, joka täyttää vaatimuksen, ja käytä ylimääräistä aikaa tai laskentaa siellä, missä se merkittävästi parantaa päätöstä. Käyttäjän tulisi saada rehellinen tulos, mukaan lukien rehellinen lausunto siitä, että jotain ei voitu vahvistaa.

Satisfi Labs kuvaa mallia, jossa erikoistuneet agentit voivat toimia yhdessä tekoälytyövoimana. Mitkä ovat vaikeimpia teknisiä ongelmia, jotka liittyvät useiden erikoistuneiden agenttien orkestrointiin, erityisesti reitityksen, jaetun kontekstin, ristiriitaisten päätösten ja sen määrittämisen osalta, mikä agentti tulisi toimimaan?

Vaikein osa on pitää vastuullisuus yllä, kun työ jaetaan.

Aloita kysymällä, tarvitsetko lainkaan toisen agentin. Joskus tarvitset asiantuntijan. Joskus tarvitset vain työkalukutsun tai yksinkertaisen työnkulun. Jokainen lisäämäsi agentti on uusi tulkinta pyynnöstä, uusi riippuvuus, uusi virheenkäsittelypaikka. Ja agenttien määrä taustalla tulisi olla käyttäjälle näkymätön.

Kun useita agenteja on perusteltua, haluan yhden agentin omistavan vuorovaikutuksen. Asiantuntijat voivat tarjota tietoa tai tehdä rajattua työtä. Lipunmyynti‑agentti hoitaa varaston ja vaihdot, asiakaspalvelu‑agentti hoitaa politiikat. Mutta jonkun on sovitettava tulokset yhteen ja päätettävä, saiko käyttäjä todella sen, mitä hän haki.

Reititys on vaikeaa, koska ihmiset eivät esitä kysymyksiä selkeissä kategorioissa. Yksi pyyntö voi koskettaa kolmea agenttia. Järjestelmän on päätettävä: voiko yksi hoitaa sen, tarvitseeko useiden toimia peräkkäin, vai pitäisikö käyttäjältä kysyä vielä yksi kysymys ennen toimenpiteitä.

Sama pätee kontekstiin. Et lähetä kaikkea jokaiselle agentille. Se lisää viivettä, luo hälyä ja voi paljastaa tietoa, jota agentti ei tarvitse. Lisäksi agentin oletuksen ei pidä muuttua faktaksi pelkästään siksi, että se on siirretty seuraavalle agentille.

Jos kaksi agenttia ovat eri mieltä, en halua niiden riitelevän, kunnes toinen kuulostaa vakuuttavammalta. Tarvitaan selkeä auktoriteettimalli. Lipunmyyntijärjestelmä määrittää saatavuuden. Yritys määrittää vaihtopolitiikan. Reaaliaikainen data voittaa välimuistidatan, liiketoimintasäännöt voittavat mallin arvion, ja jos se edelleen ei ratkea, kysytään käyttäjältä tai otetaan mukaan henkilö. Vaikea osa ei ole saada agentteja puhumaan keskenään. Se on kyky rekonstruoida tarkalleen, mikä agentti teki mitäkin ja missä vastuu oli.

Satisfi Labs on yhä enemmän keskittynyt mittaamaan agenteja tavoitteiden ja liiketoimintatulosten perusteella sen sijaan, että tarkasteltaisiin mittareita kuten keskustelujen määrä. Mitä yritysten tulisi oikeasti mitata määrittääkseen, suoriutuuko tekoälyagentti hyvin, ja miten arvioidaan luotettavuutta ennen kuin agentille annetaan suurempaa autonomiaa?

Aloita liiketoimintatuloksesta, sitten kysy, kuinka paljon siitä tuloksesta agentti todella aiheutti.

Jos joku ostaa lippuja keskusteltuaan agentin kanssa, se ei automaattisesti tarkoita, että agentti olisi tehnyt myynnin. He ovat saattaneet ostaa silti. Missä mahdollista, haluat hallittuja vertailuja tai uskottavan vertailupohjan, eikä pelkästään krediittiä viimeiselle vuorovaikutukselle. Lipunmyyntiasiakkaalle tämä tarkoittaa mittaamista, saiko fani lopulta paikat, eikä sitä, vastasiko agentti kohteliaasti. Tapahtumapaikalle, joka pyrkii lyhentämään jonotusta lipunmyyntipisteessä, se tarkoittaa mittaamista, mitä agentti ratkaisi ennen kuin kukaan joutui seisomaan jonossa.

Sitten tarkastele onnistuneen tuloksen taloudellisuutta: mallikustannukset, infrastruktuuri, ihmisen tarkastus, eskaloinnit ja virheiden korjaamisen kustannukset. Agentti, joka vaikuttaa halvalta, kunnes lasketaan sen työn korjaavien ihmisten kustannukset, ei ole halpa.

Luotettavuudelle tarvitaan oma pistetaulukko. Valmistuminen, oikeellisuus, luvattomat toimet, palautuminen epäonnistumisista, eskaloinnin laatu. Et voi keskiarvoistaa vakavaa tietosuojatapausta hyvään konversioprosenttiin.

Lisääntynyttä autonomiaa varten vaatisin todisteita delegoidun toiminnan erityisluokasta. Testaa se, seuraa sitä valvonnassa, laajenna rajoissa ja pidä keino sen pysäyttämiseen. Hyvä kokonaisluotettavuusprosentti ei todista, että järjestelmä on valmis kaikkiin transaktioihin. Ole myös varovainen kannustimien kanssa. Joskus henkilön mukaan ottaminen on oikea ratkaisu. Jos palkitset agenttia vain sen perusteella, että se välttää siirtoja, älä yllätty, kun se pitää ongelmia, jotka sen olisi pitänyt eskaloida.

Väitit äskettäin, että ääni‑AI on suunniteltava mitattavien tulosten ympärille sen sijaan, että sitä käsiteltäisiin vain lisärajapintana olemassa olevalle chatbotille. Mitä teknisiä läpimurtoja vielä tarvitaan, ennen kuin ääniaiheiset agentit voivat tulla ensisijaiseksi käyttöliittymäksi monimutkaisille reaaliaikaisille vuorovaikutuksille, erityisesti ympäristöissä kuten stadionit, huvipuistot ja live‑tapahtumat?

Monet asiakkaat kysyvät, voidaanko vain ottaa chat‑sovellus ja liittää siihen ääni? Se onnistuu. Mutta se ei tarkoita, että kokemus olisi hyvä. Seuraava todellinen parannus ei ole inhimillisemmän äänen tuominen, vaan vuorovaikutus, joka kestää ne olosuhteet, joissa ihmiset sitä oikeasti käyttävät.

Stadionilla joku puhuu yleisön melun yli, käyttää tuntematonta pelaajan nimeä, muuttaa mieltään lauseen puolivälissä ja yrittää saada ostoksen valmiiksi ennen kuin portit avautuvat. Järjestelmän on käsiteltävä keskeytykset, epävarmuus ja taustajärjestelmän viiveet menettämättä tehtävää.

Kiinnitä erityistä huomiota kriittisiin yksityiskohtiin. Satunnaisen lauseen väärin kuuleminen on yksi asia. Lipputen tai tapahtumapäivän numeron väärin kuuleminen on toinen. Agentin on vahvistettava ne tiedot, jotka muuttavat toiminnan seurauksia, ilman että koko keskustelu muuttuu pitkäveteiseksi.

Äänen ei myöskään tulisi pakottaa tekemään kaikkea. Kahdenkymmenen istumavaihtoehdon vertaaminen on parempaa näytöllä. Joku saattaa aloittaa kirjoittamalla, päästä autoon ja haluta jatkaa samaa keskustelua puhumalla. Järjestelmän tulisi säilyttää tämä konteksti ja käyttää ääntä, tekstiä ja visuaalisia elementtejä parhaiten tilanteeseen sopivalla tavalla.

Jotkut näistä vaativat parempia malleja. Paljon niistä tarvitsee parempaa integraatiota ja vuorovaikutussuunnittelua. Odottaminen läpimurron saapumista ei korjaa työnkulkua, joka on suunniteltu tekstin ympärille ja sitten luettavaksi ääneen. Arvioisin edistystä näin: suorittavatko ihmiset tehtävän tarkasti, vähemmällä vaivalla ja todellisissa olosuhteissa?

Kun agentit siirtyvät pelkästä tiedon tarjoamisesta lippujen myyntiin, asiakastietojen keräämiseen, kokemusten personointiin ja operatiivisten järjestelmien kanssa vuorovaikutukseen, miten yritysten tulisi määrittää, mitkä päätökset agentti voi tehdä itsenäisesti ja mitkä vaativat aina ihmisen valvontaa?

Se on riskienhallintaa. Jos tämä menee pieleen, mitä vahinkoa se voi aiheuttaa? Avaako agentti oven, jota ei pysty sulkemaan?

Käännettävyyys on hyödyllinen ensimmäinen testi, mutta tarkastele myös kokonaisaltistusta. Yksi hyvitys voi olla pieni ja käännettävissä. Kymmenen tuhatta virheellistä hyvitystä ennen kuin kukaan huomaa, on eri ongelma. Tarvitset rajoituksia sekä yksittäisille toiminnoille että järjestelmän kumulatiiviselle toiminnalle.

Jos toiminto on vähäriskinen ja käännettävissä, anna sille enemmän autonomiaa: päivitä mieltymys, tarkista tilaus, pidä kohde varattuna. Kun seuraukset kasvavat, lisää vahvistus tai hyväksyntä. Ostos saattaa vaatia asiakkaan vahvistavan hinnan. Suuri hyvitys saattaa vaatia työntekijän hyväksynnän. Turvallisuusuhka eskaloidaan välittömästi. Ja jotkut päätökset tulisi jättää yksinomaan henkilölle, piste.

Asiakkaan suostumus ja yrityksen hyväksyntä ovat eri asioita, muuten. Asiakkaan vahvistama ostos ei valtuuta agenta ohittamaan yrityksen politiikkaa. Työntekijän hyväksymä poikkeus ei tarkoita, että asiakas olisi suostunut maksuun.

Rajat on pakko toteuttaa niiden toimien suorittavien järjestelmien kautta, ei pelkästään kuvata niitä kehotteessa. Et anna agentille laajaa pääsyä ja sitten luota kehotteeseen, joka kehottaa olemaan varovainen. Ja kun henkilö on pakollinen, anna hänelle riittävästi kontekstia tehdäksesi todellisen päätöksen. Jos annat jollekin satoja hyväksyntöjä ilman tietoa, olet luonut kumipainikkeen, ei valvontaa. Sijoita ihmisen huomio sinne, missä se vähentää merkittävää riskiä. Älä levitä sitä ohueksi jokaisessa vuorovaikutuksessa.

Katsottaessa tulevaisuuteen, odotatko, että teknologiat kuten Model Context Protocol ja agentti‑agentti‑viestintä muuttavat perusteellisesti yritys‑AI‑järjestelmien rakennetta, siirtäen meidät eristettyjen agenttien maailmasta ekosysteemeihin, joissa agentit voivat löytää työkaluja, vaihtaa kontekstia ja koordinoida toimintoja yritysten ja alustojen välillä?

Mielestäni protokollat ovat keino päämäärään. MCP tarjoaa AI‑sovelluksille yhteisen tavan käyttää työkaluja ja kontekstia. Agentti‑agentti‑protokollat hoitavat yhteistyön agenttien välillä. Se on arvokasta. Sinun ei pitäisi joutua rakentamaan räätälöityä integraatiota joka kerta, kun agentti tarvitsee työkalun. Se on samanlaista kuin mitä API:t tekivät ohjelmistointegraatioille.

Yhteinen formaatti ei kuitenkaan tarkoita, että kaksi yritystä olisi samaa mieltä siitä, mitä toiminto tarkoittaa, kuka voi sen valtuuttaa tai mitä tapahtuu, jos se epäonnistuu. Se, että agentti voi löytää työkalun, ei tarkoita, että sen tulisi käyttää sitä. Sinun on silti ratkaistava identiteetti, oikeudet, luottamus ja vastuullisuus. Jos yksi agentti pyytää toista tekemään jotain ja se menee pieleen, kuka omistaa päätöksen?

Tässä on se, mitä mielestäni todella muuttuu. Tällä hetkellä tapahtumapaikalla on verkkosivusto ja sovellus. Muutaman vuoden kuluttua sillä on agentti, jonka kanssa muut agentit neuvottelevat. Fanin henkilökohtainen avustaja pyytää tapahtuman agentilta kaksi istumapaikkaa tietyn hintaluokan sisällä, plus pysäköintipassin, ja koko transaktio tapahtuu kahden agentin välillä. Oikeiden kykyjen löytäminen on helppo vaihe. Asiakkaan kulutusvaltuuden tunteminen, yhdistetyn hinnan vahvistaminen ja tapaus, jossa liput onnistuvat mutta pysäköinti epäonnistuu, ovat todelliset ongelmat.

En usko, että agentin operointi automaattisesti siirtää asiakassuhteen sinulle. Se täytyy ansaita. En myöskään usko, että tapahtumapaikat luovuttavat näitä transaktioita hakukoneyritykselle tai lippukauppapaikalle. Tavoitteemme Satisfi Labsissa on olla agentti, joka edustaa tapahtumapaikkaa tässä taloudessa, se, joka on niin luotettava, että yritys laittaa nimensä sen taakse. Kaikki, mitä olemme rakentaneet luotettavuuden, oikeuksien ja vastuullisuuden ympärille, on se, mikä ansaitsee tuon paikan.

Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa käydä Satisfi Labs -sivustolla.