Verder dan Verwachtingen: AI-Agents en het Volgende Hoofdstuk van Werk

AI-agents, of autonome agents, zijn nog in hun kinderschoenen. Zeer vroeg – het begin van de eerste inning vroeg. Het veld bruist van innovatie, van baanbrekend onderzoek tot proof of concepts tot praktische toepassingen – alles wijst op de enorme potentie van AI.

Er is geen twijfel dat autonome agents elke enkele industrie zullen transformeren, met hun capaciteiten die verder gaan dan het automatiseren van taken tot het herontwerpen 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 kunnen herontwerpen 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 monitoren, aan te passen en tools autonoom te gebruiken om doelen te bereiken. Ze vertegenwoordigen een significante stap naar echte kunstmatige intelligentie, die in staat is om onafhankelijk te opereren zonder voortdurende menselijke toezicht.

In termen van marktomvang, waren autonome AI en autonome agents in 2023 gewaardeerd op 4,8 miljard USD en worden verwacht een CAGR van meer dan 43% te registreren tussen 2023 en 2028, waardoor ze uitkomen op 28,5 miljard. Het is duidelijk dat we aan de vooravond staan van een paradigma-shift – een fase vol verwachting, opwinding, scepsis en pragmatische evaluatie. Deze shift is niet alleen over technologische vooruitgang; het is over het herdefiniëren van onze aanpak van werk, productiviteit en innovatie. Bijna elke investeerder, oprichter, ontwikkelaar en technologie-enthousiast probeert te begrijpen wat de impact van deze technologie zal zijn op hoe we in ons leven en daarbuiten werken, en de implicaties voor hun operaties en strategische doelen.

Hoe dan ook, op dit moment ontbreekt het ons aan de mogelijkheid om de omvang van de massale shift 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 de verkenning leiden.

Waar We Nu Staan

Ondanks de aanzienlijke vooruitgang in onderzoek en proof of concepts, proberen we allemaal nog steeds te begrijpen en te projecteren hoe we de volledige capaciteiten van AI-agents kunnen benutten. Tot nu toe is er een samenvloeiing 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 acceptatie en omarming van deze technologie veroorzaakt.
3. De democratisering van toegang tot AI, open source of niet, waardoor een breder scala aan entiteiten AI-oplossingen kan verkennen en implementeren, waardoor 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 & Accuratesse

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 acceptatie, en veel bedrijven wachten voordat ze LLM’s omarmen, hetzij als onderdeel van hun technische stack of als een geheel nieuwe manier van opereren.

Hulpmiddelen voor het monitoren van accuratesse en veiligheid via 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. Ze 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 waarneemt, waardoor ondernemingen generatieve AI-sneller kunnen inzetten.

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

2. Menselijke AI-Interactie

De uitdaging hier is om te bepalen in hoeverre mensen moeten interacteren met software die autonoom is. Er zijn zorgen 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 dit punt, op een redelijke schaal.

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

De Shift van Taakgerichte naar Doelgerichte Processen

Er zal geen enkele sector of werkgebied zijn dat onaangetast zal blijven 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 shift 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, wat je vervolgens actieert. Dit is een zeer taakgerichte prompt, en vereist nog steeds dat de gebruiker de agent traint volgens de doelen en de 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 één zijn van stap-voor-stap-procesbeschrijving of ingewikkelde prompt-engineering voor processen. Bedrijven en leiders moeten hun denken veranderen over hoe ze autonome, op regels gebaseerde 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 vanuit één van onze sprekers”. In een geval als dit zal AI worden gebruikt om strategisch denken te operationaliseren voorbij 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 zijn. Dit zal een fundamentele verandering zijn in hoe we onszelf oriënteren en hoe werk wordt geconceptioneerd en uitgevoerd.

Monetarisatie en Marktdynamiek

Naarmate AI meer integraal onderdeel wordt van bedrijfsmodellen, worden traditionele monetarisatiestrategieën opnieuw beoordeeld. Bijvoorbeeld, op dit moment in enterprise software kopen klanten gebruikerslicenties en gebruiken ze. 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 in het voorspellen van winstgevendheid en het beheren van kosten, vooral gegeven de computationeel intensieve aard van AI-technologieën.

Bepalen Wie en Wat te Investeren in het Vroegste Stadium

Wanneer we op dit vroege stadium investeren, is de oprichter één 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 dezelfde zal zijn als die van morgen, maar de oprichter zal hetzelfde blijven. 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 onbekende te omarmen en dat ze flexibiliteit en plasticiteit hebben om gelijke tred te houden met een markt die zo veel flux heeft.

Na de oprichter kijken we naar de markt en of er een grote totale adresbare markt is en een geloofwaardige weg naar een $1 miljard omzetkans. 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 biedt ten opzichte van de oude manier.

Onze derde focus 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 de toekomstige softwarelandschap en -stack in die markt verbeteren.

We kunnen nog geen juiste kostengedreven voorspellingen doen. Op dit moment zijn AI-bedrijven fundamenteel minder winstgevend dan SaaS-bedrijven. De kosten die samenhangen met het verwerken en analyseren van gegevens in AI-systemen kunnen snel ophogen. Er zal moeten worden vooruitgang geboekt dat de AI-efficiëntie verbetert en operationele kosten vermindert voordat we deze evaluatie kunnen doen. Idealiter zijn er vooruitgang die spiegelen Moore’s Law in de AI-sector, 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 gissen (informeerde speculaties, om het zo 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 chat-interfaces niet veel meer gedaan dan onze huidige workflows te vereenvoudigen. Terwijl 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 is dus misschien het onthullen 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 versteld staan van 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 verfijnen en te itereren. Deze verschuiving naar een doelgerichte werkomgeving vertegenwoordigt niet alleen een evolutie in technologie, maar een transformatie in hoe we ons werk conceptueel en uitvoeren.

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