Utenfor forventninger: AI-agenter og det neste kapitlet i arbeid

AI-agenter, eller autonome agenter, er i sine første dager. Meget tidlige – bunnen av den første inningen tidlige. Feltet er i ferd med å buzz med innovasjon, fra banebrytende forskning til bevis på konsepter til praktiske anvendelser – alt som antyder AI’s enorme potensial. 

Det er ingen tvil om at autonome agenter vil transformere hver eneste bransje, med deres evner som strekker seg langt utenfor kun oppgaveautomatisering til å redesigne arbeidsflyter, simulere komplekse scenarier og redusere behovet for menneskelig inngripen i ulike prosesser. Vi ser på en (nær fremtid) hvor agenter kan kjøre storskala-simulatorer, redesigne markedsføringskampanjer eller til og med automatisere komplekse FoU-testprosesser.

Boston Consulting Group (BCG) høydepunktet den evolusjonære sprangen fra store språkmodeller (LLM) til autonome agenter designet for å utføre oppgaver fra ende til ende, overvåke resultater, tilpasse seg og bruke verktøy autonomt for å oppnå mål. De representerer et betydelig skritt mot sannt artificiell intelligens, i stand til uavhengig drift uten kontinuerlig menneskelig tilsyn. 

I forhold til markedsstørrelse, autonome AI og autonome agenter ble verdsatt til 4,8 milliarder USD i 2023 og forventes å registrere en årlig vekstrate på over 43% mellom 2023 og 2028, og nå 28,5 milliarder. Det er klart at vi står på terskelen til en paradigmeskifte – en fase fylt med forventning, begeistring, skepsis og pragmatisk vurdering. Denne skiftet er ikke bare om teknologisk fremgang; det er om å omdefinere vår tilnærming til arbeid, produktivitet og innovasjon. Nesten hver investor, gründer, utvikler og teknologi-entusiast prøver å forstå innvirkningen denne teknologien vil ha på hvordan vi arbeider i vår levetid og utover, og vurdere implikasjonene for deres operasjoner og strategiske mål. 

Men for nå, mangler vi evnen til fullt ut å forstå omfanget av den massive skiftet dette vil forårsake. Alt vi kan gjøre er å spekulere. Denne artikkelen er bare det – min spekulasjon om de utviklende dynamikkene til autonome agenter og deres implikasjoner for gründere, investorer og den bredere økonomien. Jeg vil snakke om hvordan vi på Forum Ventures tenker og investerer i området, samt gi en markt-kart med selskapene vi tror er ledende i utforskningen. 

Hvor Vi Er I Dag

Til tross for de betydelige fremgangene i forskning og bevis på konsepter, prøver vi alle fortsatt å gjøre mening av og projicere ut hvordan vi kan utnytte de fulle evnene til AI-agenter. Så langt, er det en sammenstøt av tre trender:

1. Fremgang i AI-ferdighet og effektivitet, utvider grensene for hva som er mulig. 
2. Den synkende kostnaden av å iverksette evner, som ChatGPT 4.0, for eksempel, gjør bruk av AI-agenter mer tilgjengelig for flere mennesker og forårsaker bredere anvendelse og den generelle aksepten av denne teknologien.
3. Demokratiseringen av tilgang til AI, åpen kildekode eller ikke, muliggjør en bredere rekke enheter å utforske og implementere AI-løsninger, og akselerer dermed innovasjonsfasen.

Som med alle nye teknologier, spesielt en transformasjon så stor som denne, er det en rekke utfordringer som er i ferd med å bli adressert. Her er de to største:

1. Sikkerhet & Nøyaktighet

Det er en økende fokus på å utvikle den nødvendige infrastrukturen for å sikre den trygge og etiske utrullingen av AI-agenter. For mange bransjer og bedrifter, er det ingen rom for feil. Hvis en LLM har en hallusinasjonsrate på bare 0,1% kan den aldri bli betrodd i noen kritisk prosess, og denne feilraten må være enda lavere for en 10-trinns- eller 100-trinnsprosess. Å løse dette er avgjørende for bred anvendelse, og mange selskaper venter før de omfavner LLM-er enten som en del av deres tekniske stak eller som en helt ny måte å operere på. 

Verktøy for å overvåke nøyaktighet og sikkerhet gjennom overvåkbarhet og brukertilgang, samt etiske rammeverk, etableres for å fremme en ansvarlig tilnærming til AI-integrasjon. Vi har sett noen selskaper gjøre dette godt, PrivateAI er ett av dem. De bruker inferens for å sikre at selskaper ikke trener på private data slik at det ikke lekker. Vi er også svært begeistret for nye selskaper som kommer til markedet som SafeguardAI – en autonom AI-agent som sikrer for hallusinasjoner, og lar bedrifter raskere iverksette generativ AI-bruk.

I tillegg utvikles verktøy som automatiske vurderingsmetrikker, menneskelige vurderingsrammeverk og diagnostiske datasamlinger for å assistere i vurderingen og forbedringen av LLM-ers nøyaktighet. Disse verktøyene hjelper forskere og utviklere å identifisere styrker og svakheter i LLM-er og guide videre fremgang i feltet.

2. Menneske-AI-Samhandling

Utfordringen her er i hvilken utstrekning mennesker skal samhandle med programvare som er autonom. Det er bekymringer om de potensielle risikoene med at AI-systemer opererer uten tilstrekkelig menneskelig kontroll, dvs. hvor mye autonomi er for mye. Men vi må også finne ut hvor mye vi ønsker mennesker i løkken, og hva nivå av menneskelig samhandling som skaper mer sikkerhet samtidig som det begrenser forutinntak og reduserer sjansen for menneskelig feil. Vi har ikke gode svar på dette ennå, på noen som helst rimelig skala.

Fra en opportunistisk synsvinkel, er jeg håpefull at vi kan definere en ny paradigme for autonom programvare å operere innenfor menneskelig kontroll på en måte som det overvåkes og observeres slik at mennesker kan stoppe potensielt “fatalt” ting fra å skje, som en mye større versjon av en flash-crash i økonomien. I min mening, de som kan bygge dette vil vinne og levere transformasjonelle muligheter. 

Skiftet fra Oppgave-Orientert til Mål-Orientert Proses

Det kommer ikke til å være noen sektor eller felt av arbeid som vil forbli uberørt av AI-agenter, og mye av endringen som skjer vil være i den nære fremtiden. I min mening, en av de mest dyptgående innvirkningene AI-agenter vil ha er skiftet fra oppgave-orientert til mål-orientert prosess. I dag, skriver du noe inn i en datamaskin, som for eksempel “skriv meg en kronikk om AI-agenter”, og datamaskinen gir noe tilbake til deg, som du deretter handler på. Dette er en svært oppgave-orientert prompt, og krever fortsatt at brukeren trener agenten i henhold til målene og tone-of-voice til personen. Men dette er begrenset til dette, og derfor er utgangen i stor grad bestemt av kvaliteten på treninginngangen, pluss de forhåndsbestemte (og muligens begrensede) målene til brukeren, som fortsatt er tungt avhengig av menneskelig handling. 

Den underutnyttede kraften til AI-agenter ligger i kraften av mål-orientert arbeid. Fremtiden vil ikke lenger være en av tråkke prosess-beskrivelse eller komplisert prompt-ingeniørkunst for prosesser. Selskaper og ledere bør endre sin tenkning om hvordan de bygger og bruker autonome regel-baserte prosesser, hvor mål er foreskrevet og agenter bestemmer den beste veien fremover for å oppnå dette resultatet (med passende menneskelig inngripen). Et eksempel på dette kunne være, “book meg en hendelse i New York City med 100 fagfolk som ønsker å lære om hvordan AI penetrerer det amerikanske helsemarkedet fra en av våre talere”. I en slik sak, vil AI bli brukt til å operasjonalisere strategisk tenkning utover det begrensede omfanget av mulighet som en enkel oppgave kunne oppnå.

Dette er en helt ny måte å tenke og arbeide på. Det er nesten ingen sett av mål vi nå forfølger med en datamaskin som ikke vil bli forfulgt på en helt annerledes måte. Dette vil være en grunnleggende endring i hvordan vi orienterer oss selv, og hvordan arbeid konseptualiseres og utføres. 

Monetisering og Marked Dynamikk

Ettersom AI blir mer integrert i forretningsmodeller, vurderes tradisjonelle monetiseringsstrategier på nytt. For eksempel, for tiden i bedriftsprogramvare, kjøper kunder vanligvis plasser og bruk. På forbrukersiden, gjør folk innkjøp i apper. Vår hypotese er at dette vil skifte slik at stadig flere programvareselskaper vil kunne selge resultater, i stedet for verktøy. Vil mennesker og bedrifter betale for resultater? For å nå målene sine? Vi er ikke sikre ennå. Men vi ser på dette som en refleksjon av den bredere trenden mot verdi-basert engasjement. Det er imidlertid utfordringer i å forutsi lønnsomhet og håndtere kostnader, spesielt gitt den beregningsintensive naturen til AI-teknologier. 

Bestemme Hvem Og Hva Å Investere I På Tidligeste Stadier

Når vi investerer på dette tidlige stadiet, er gründeren en av de største innsatsene vi gjør – ser på både gründer-markeds-plass og gründer-personlighet. Med AI-agenter, blir dette lenset enda viktigere fordi med så mange ukjente faktorer, vil løsningen som bygges i dag sannsynligvis ikke være det som bygges i morgen, men gründeren vil forbli den samme. Så, ser vi på ikke bare gründer-markeds-plass, men også deres tilknytning til problemet, hvordan de ser på problemsettet annerledes enn den eksisterende paradigmen, at de er villige til å omfavne det ukjente, og at de har plasticitet og fleksibilitet til å holde pace med en marked som har så mye flux. 

Etter gründeren, ser vi på markedet og om det er et stort totalt adressebart marked og en troverdig vei til en $1 milliard omsetningsmulighet. Vi er åpne for både etablerte markeder som proptech og leverandørkjede, og mer fremtidsrettede, fleksible markeder som fintech og e-handel, så lenge startup-løsningen / verktøyet vil levere en steg-funksjonsforbedring over den gamle måten.

Vår tredje fokus når vi vurderer en AI-agent-løsning er om verktøyet vil være kompatibelt innen en AI-sentrert programvare-fremtid. Med andre ord, vil den foreslåtte løsningen integrere sammen med og forbedre hvordan vi ser på fremtidens programvare-landskap og stakken innen dette markedet.

Vi kan ikke gjøre ordentlige kostnadsbaserte forutsigelser ennå. For nå, er AI-bedrifter fundamentalt mindre lønnsomme enn SaaS-bedrifter. Kostnadene forbundet med prosessering og analyse av data i AI-systemer kan raskt akkumuleres. Det vil være nødvendig med nær fremtidig fremgang som forbedrer AI-effektivitet og reduserer driftskostnader før vi kan gjøre denne type vurdering. Ideelt sett, er det fremgang som speiler Moores lov i AI-sektoren, og både kraft- og chip-kostnader reduseres på grunn av økte investeringer. Hvis vi kan finne en balanse hvor AI ikke bare er innovativ, men også økonomisk bærekraftig, så er vi gylne. Men det er fortsatt så mange ukjente faktorer, og de fleste av oss gjetter (gjør informerte spekulasjoner, for å si det pent).

En ‘Brave New World’ av Muligheter

De fleste mennesker regner innføringen av ChatGPT som AI’s “iPhone-øyeblikk”. Men jeg tror ikke vi er der ennå… For nå, har disse chatte-grensesnittene ikke gjort mye mer enn å strømlinje våre nåværende arbeidsflyter. Mens disse verktøyene har uten tvil gjort oppgaver lettere å håndtere, forblir vår tilnærming grunnleggende oppgave-orientert. Den bredere visjonen er å transformere denne dynamikken fullstendig, hvor AI vil være i stand til å operasjonalisere strategisk tenkning og utføre kompleks utgang, med enda mindre inngang fra mennesker. Det sanne iPhone-øyeblikket kan være lanseringen av AI-agenter som standard B2B-applikasjonssett, som vil ha en ubetydelig innvirkning på fremtidens arbeid. 

Et tiår fra nå, er det ingen tvil om at vi kommer til å se tilbake og undre oss over tanken på at vi brukte å operere basert på gjøremål-lister i stedet for å sette strategiske mål og la AI hjelpe oss å iterere og forbedre disse målene. Dette skiftet mot en mål-orientert arbeidsmiljø representerer ikke bare en evolusjon i teknologi, men en transformasjon i hvordan vi konseptualiserer og nærmer oss vårt arbeid. 

Vegen fremover er fylt med usikkerheter, men potensialet for AI til å revolusjonere bransjer, forsterke menneskelig potensial, drive meningsfull fremgang og levere varig verdi er uimotsigelig. Vår forpliktelse er å navigere disse usikkerhetene, og identifisere, satse på og støtte tidlige AI-initiativer og de briljante hjernene som bringer deres visjoner til live.