Boven Verwachtingen: AI-agents en het Volgende Hoofdstuk van Werk

AI-agents, of autonome agents, zijn in hun vroege dagen. Zeer vroeg – het begin van de eerste inning vroeg. Het veld bruist van innovatie, van baanbrekend onderzoek tot bewijzen van concepten tot praktische toepassingen – allemaal wijzen op de enorme potentie van AI. 

Er is geen twijfel dat autonome agents elke enkele industrie zullen transformeren, met hun mogelijkheden die verder gaan dan het automatiseren van taken tot het opnieuw ontwerpen van workflows, het simuleren van complexe scenario’s en het verminderen van de behoefte aan menselijke interventie in verschillende processen. We kijken naar een (nabije) toekomst waarin agents grote simulaties kunnen uitvoeren, marketingcampagnes opnieuw kunnen ontwerpen of zelfs complexe R&D-testprocessen kunnen automatiseren.

Boston Consulting Group (BCG) benadrukt de evolutionaire sprong van grote taalmodellen (LLM’s) naar autonome agents die zijn ontworpen om taken van begin tot eind uit te voeren, resultaten te controleren, aan te passen en tools autonoom te gebruiken om doelen te bereiken. Ze vertegenwoordigen een significante stap naar echte kunstmatige intelligentie, in staat tot onafhankelijke werking zonder voortdurende menselijke toezicht. 

Wat betreft marktgrootte, werden autonome AI en autonome agents gewaardeerd op 4,8 miljard USD in 2023 en worden verwacht een CAGR van meer dan 43% te registreren tussen 2023 en 2028, met een bereik van 28,5 miljard. Het is duidelijk dat we aan de vooravond staan van een paradigmaswitch – een fase vol verwachting, opwinding, scepticisme en pragmatische evaluatie. Deze switch is niet alleen over technologische vooruitgang; het is over het opnieuw definiëren van onze aanpak van werk, productiviteit en innovatie. Bijna elke investeerder, oprichter, ontwikkelaar en tech-enthousiast probeert te begrijpen welke impact deze technologie zal hebben op hoe we in ons leven en daarbuiten werken, en de implicaties voor hun operaties en strategische doelen te beoordelen. 

Echter, op dit moment ontbreekt het ons aan de mogelijkheid om de omvang van de massale verschuiving die dit zal veroorzaken volledig te begrijpen. Alles wat we kunnen doen is speculeren. Dit artikel is slechts dat – mijn speculatie over de ontwikkeling van autonome agents en de implicaties voor oprichters, investeerders en de bredere economie. Ik zal praten over hoe wij bij Forum Ventures over deze ruimte nadenken en erin investeren, evenals een marktkaart met de bedrijven die we geloven dat de verkenning leiden. 

Waar We Nu Staan

Ondanks de aanzienlijke vooruitgang in onderzoek en bewijzen van concepten, proberen we allemaal nog steeds te begrijpen en te projecteren hoe we de volledige mogelijkheden van AI-agents kunnen benutten. Tot nu toe is er een samenkomst van drie trends:

1. Vooruitgang in AI-vaardigheid en efficiëntie, waardoor de grenzen van wat mogelijk is worden uitgebreid. 
2. De dalende kosten van activeringsmogelijkheden, zoals ChatGPT 4.0, waardoor het gebruik van AI-agents toegankelijker wordt voor meer mensen en een bredere adoptie en omarming van deze technologie veroorzaakt.
3. De democratisering van toegang tot AI, open source of niet, waardoor een bredere range van entiteiten AI-oplossingen kan verkennen en implementeren, en zo de innovatie versnelt.

Zoals bij elke nieuwe technologie, vooral een transformatie zo groot als deze, zijn er een reeks uitdagingen die worden aangepakt. Hier zijn de top twee:

1. Veiligheid & Accuraatheid

Er is een groeiende focus op het ontwikkelen van de noodzakelijke infrastructuur om de veilige en ethische inzet van AI-agents te garanderen. Voor veel industrieën en bedrijven is er geen ruimte voor fouten. Als een LLM een hallucinatiesnelheid van slechts 0,1% heeft, kan het nooit worden vertrouwd in een kritisch proces, en deze foutsnelheid moet nog lager zijn voor een 10-staps- of 100-stapsproces. Het oplossen van dit probleem is van cruciaal belang voor bredere adoptie, en veel bedrijven wachten voordat ze LLM’s omarmen, hetzij als onderdeel van hun technische stack of als een geheel nieuwe manier van opereren. 

Tools voor het controleren van accuraatheid en veiligheid door observatie en gebruikersmachtiging, evenals ethische kaders, worden ingesteld om een verantwoorde aanpak van AI-integratie te bevorderen. We hebben enkele bedrijven gezien die dit goed doen, PrivateAI is een van hen. Zij gebruiken inferentie om ervoor te zorgen dat bedrijven niet trainen op privégegevens, zodat deze niet lekken. We zijn ook erg enthousiast over nieuwe bedrijven die op de markt komen, zoals SafeguardAI – een autonome AI-agent die hallucinaties waarborgt, waardoor ondernemingen generatieve AI-sneller kunnen inzetten.

Bovendien worden tools zoals automatische evaluatiemetrics, humanevaluatiekaders en diagnostische datasets ontwikkeld om te helpen bij de beoordeling en verbetering van de accuraatheid van LLM’s. Deze tools helpen onderzoekers en ontwikkelaars om de sterke en zwakke punten van LLM’s te identificeren en te leiden naar verdere vooruitgang in het veld.

2. Menselijke AI-interactie

De uitdaging hier is om te bepalen in hoeverre mensen moeten interacteren met software die autonoom is. Er zijn bezorgdheden over de potentiële risico’s van AI-systemen die zonder voldoende menselijke controle opereren, d.w.z. hoeveel autonomie te veel is. Maar we moeten ook uitvinden hoeveel we mensen in de lus willen hebben, en welk niveau van menselijke interactie meer veiligheid creëert, terwijl het de kans op menselijke fouten vermindert. We hebben nog geen goede antwoorden op deze vragen, op een redelijke schaal.

Vanuit een opportunistisch perspectief ben ik hoopvol dat we een nieuw paradigma kunnen definiëren voor autonome software om binnen de controle van mensen te opereren, op een manier die wordt gecontroleerd en geobserveerd, zodat mensen potentieel “fatale” dingen kunnen stoppen van gebeuren, zoals een veel grotere versie van een flash crash in de economie. In mijn mening zijn het diegenen die dit kunnen bouwen die zullen winnen en transformatieve kansen zullen bieden. 

De Verschuiving van Taakgerichte naar Doelgerichte Processen

Er zal geen enkele sector of werkgebied zijn dat onaangetast blijft door AI-agents, en veel van de verandering die plaatsvindt zal in de nabije toekomst zijn. In mijn mening is één van de meest diepgaande impacten die AI-agents zullen hebben de verschuiving van taakgerichte naar doelgerichte processen. Vandaag de dag voer je iets in op een computer, zoals “schrijf me een op-ed over AI-agents”, en de computer geeft iets terug, dat je vervolgens actieert. Dit is een zeer taakgerichte prompt, en vereist nog steeds dat de gebruiker de agent traint volgens de doelen en toon van de persoon. Echter, het is beperkt tot dit, en dus is de output grotendeels bepaald door de kwaliteit van de trainingsinput, plus de vooraf bepaalde (en mogelijk beperkte) doelen van de gebruiker, die nog steeds zwaar afhankelijk is van menselijke acties. 

De onderbenutte kracht van AI-agents ligt in de kracht van doelgericht werk. De toekomst zal niet langer een van rote stap-voor-stap-procesbeschrijving of ingewikkelde prompt-engineering voor processen zijn. Bedrijven en leiders moeten hun denken veranderen over hoe ze autonome, regelgebaseerde processen bouwen en gebruiken, waarbij doelen worden voorgeschreven en agents de beste weg vooruit bepalen om dat resultaat te bereiken (met passende menselijke interventies). Een voorbeeld hiervan kan zijn: “boek me een evenement in New York City met 100 professionals die willen leren over hoe AI de Amerikaanse gezondheidszorgmarkt binnendringt van een van onze sprekers”. In een geval als dit zal AI worden gebruikt om strategisch denken te operationaliseren, verdergaand dan de beperkte reikwijdte van mogelijkheden die een eenvoudige taak kan bereiken.

Dit is een geheel nieuwe manier van denken en werken. Er zijn bijna geen doelen die we momenteel nastreven met een computer die niet wild verschillend zullen worden nagestreefd. Dit zal een fundamentele verandering zijn in hoe we onszelf oriënteren en hoe werk wordt geconceptioneerd en uitgevoerd. 

Monetisatie en Marktdynamiek

Naarmate AI meer integraal onderdeel wordt van bedrijfsmodellen, worden traditionele monetarisatiestrategieën opnieuw geëvalueerd. Bijvoorbeeld, op dit moment in enterprise software, kopen klanten in het algemeen stoelen en gebruik. Aan de consumentenkant doen mensen in-app-aankopen. Onze hypothese is dat dit zal verschuiven, zodat softwarebedrijven steeds vaker resultaten zullen verkopen in plaats van tools. Zullen mensen en bedrijven betalen voor resultaten? Voor het bereiken van hun doelen? We zijn hier nog niet zeker van. Maar we zien dit als een weerspiegeling van de bredere trend naar waardegebaseerde engagements. Echter, er zijn uitdagingen bij het voorspellen van winstgevendheid en het beheren van kosten, vooral gezien de computationeel intensieve aard van AI-technologieën. 

Bepalen Wie en Wat te Investeren in het Vroegste Stadium

Wanneer we op dit vroegste stadium investeren, is de oprichter een van de grootste weddenschappen die we doen – kijken naar zowel oprichter-marktfit als oprichterspersoonlijkheid. Met AI-agents wordt deze lens nog belangrijker, omdat de oplossing die vandaag wordt gebouwd, waarschijnlijk niet is wat er morgen wordt gebouwd, maar de oprichter blijft hetzelfde. Dus, we kijken niet alleen naar oprichter-marktfit, maar ook naar hun verbinding met het probleem, hoe ze naar het probleem kijken op een manier die anders is dan het bestaande paradigma, dat ze bereid zijn de onzekerheden te omarmen en dat ze flexibiliteit en plasticiteit hebben om het tempo van een markt bij te houden die zo veel flux heeft. 

Na de oprichter, kijken we naar de markt en of er een grote totale adressabele markt is en een geloofwaardige weg naar een $1 miljard-revenuemogelijkheid. We zijn open voor zowel legacy-markten zoals proptech en supply chain als meer vooruitstrevende, flexibele markten zoals fintech en e-commerce, zolang het startup-oplossing/hulpmiddel een stapfunctieverbetering levert ten opzichte van de oude manier.

Ons derde focuspunt bij het evalueren van een AI-agentoplossing is of het hulpmiddel compatibel zal zijn binnen een AI-gecentreerde softwaretoekomst. Met andere woorden, zal de voorgestelde oplossing naadloos integreren met en verbeteren hoe we de toekomstige softwarelandschap en -stack binnen die markt zien.

We kunnen nog geen juiste kostengeschatte voorspellingen doen. Op dit moment zijn AI-bedrijven fundamenteel minder winstgevend dan SaaS-bedrijven. De kosten verbonden aan het verwerken en analyseren van gegevens in AI-systemen kunnen snel accumuleren. Er zal near-term-voortgang moeten zijn die AI-efficiëntie verbetert en operationele kosten vermindert voordat we deze soort evaluatie kunnen doen. Ideaal zijn er vooruitgangen die het spoor van Moore’s Law in de AI-sector volgen, en zowel vermogen als chipkosten worden verlaagd vanwege toegenomen investeringen. Als we een balans kunnen vinden waarbij AI niet alleen innovatief is, maar ook economisch duurzaam, dan zijn we goud. Maar er zijn nog zo veel onzekerheden, en de meesten van ons gokken (informatieve speculaties, om het vriendelijk te zeggen).

Een ‘Moedig Nieuwe Wereld’ van Mogelijkheden

De meeste mensen beschouwen de introductie van ChatGPT als het “iPhone-moment” van AI. Echter, ik denk niet dat we daar nog zijn… nog niet. Tot nu toe hebben deze chatinterfaces niet veel meer gedaan dan onze huidige workflows te vereenvoudigen. Hoewel deze tools ongetwijfeld taken gemakkelijker hebben gemaakt om te beheren, blijft onze aanpak fundamenteel taakgericht. De bredere visie is om deze dynamiek geheel te transformeren, waarbij AI in staat zal zijn om strategisch denken te operationaliseren en complexe output te produceren, met nog minder input van mensen. Het echte iPhone-moment kan dus de onthulling zijn van AI-agents als de standaard B2B-toepassingsset, die op zijn beurt een onevenredig grote impact zal hebben op de toekomst van werk. 

Over een decennium zullen we zonder twijfel terugkijken en ons verbazen over het idee dat we vroeger op basis van takenlijstjes werkten in plaats van strategische doelen te stellen en AI te laten helpen om die doelen te itereren en te verfijnen. Deze verschuiving naar een doelgerichte werkomgeving vertegenwoordigt niet alleen een evolutie in technologie, maar een transformatie in hoe we werk conceptueel benaderen. 

De weg vooruit is gevuld met onzekerheden, maar het potentieel van AI om industrieën te revolutioneren, menselijk potentieel te verhogen, betekenisvolle vooruitgang te stimuleren en duurzame waarde te bieden, is onmiskenbaar. Ons engagement is om deze onzekerheden te navigeren en vroegtijdige AI-initiatieven en de briljante geesten die hun visies tot leven brengen te identificeren, in te zetten en te ondersteunen.