Următoarea bătălie din SaaS se joacă la un nivel superior MCP-ului

Model Context Protocol le oferă sistemelor de IA o modalitate comună de a se conecta la software-ul pentru companii. Vrushali Paunikar, directoare de produs la Carta, susține că provocarea mai mare este să decidem ce se întâmplă după stabilirea conexiunii și cât din sarcină ar trebui lăsat în seama modelului lingvistic.

În ultimul an, Model Context Protocol a trecut de la un standard tehnic relativ puțin cunoscut la una dintre cele mai importante idei din domeniul IA pentru companii.

MCP oferă aplicațiilor de IA o modalitate standard de a se conecta la software extern, de a accesa date și de a efectua acțiuni. În loc ca fiecare companie de software să construiască o interfață proprie pentru fiecare model de IA, MCP oferă un limbaj comun.

Gândiți-vă la MCP ca la priza electrică din perete. Este un standard comun care permite oricărui dispozitiv să se conecteze și să primească energie. Este utilă tocmai fiindcă este deschisă și funcționează oriunde, dar o priză, de una singură, nu vă este de folos. Tot aveți nevoie de un aparat.

Bănuiesc că, într-o bună zi, ne vom uita la entuziasmul actual pentru MCP cam așa cum privim acum ascensiunea API-urilor. Acestea au pus bazele unei schimbări și au transformat modul în care era construit software-ul. Cu timpul însă, conectivitatea a devenit o infrastructură așteptată, nu produsul în sine.

În prezent, o mare parte din industria SaaS tratează conectivitatea IA ca și cum ar fi un produs finit. Construiești un server MCP, expui instrumentele și datele potrivite, apoi lași modelul să se ocupe de restul.

Pentru unele cazuri de utilizare, este suficient. Pentru multe fluxuri de lucru din companii, mai ales cele financiare, nu este.

MCP câștigă teren la nivelul conectivității

Standardizarea schimbă deja modul în care aplicațiile de IA interacționează cu software-ul. MCP este compatibil cu tot mai multe platforme majore de IA, ceea ce le permite utilizatorilor, într-o măsură tot mai mare, să lucreze cu aceleași sisteme de bază din interfața de IA pe care o preferă.

Însă, deși interoperabilitatea rezolvă problema accesului, ea nu îi spune modelului cum ar trebui făcută treaba.

O mare parte din timpul meu o dedic software-ului folosit de investitorii de pe piețele private și de echipele financiare, unde această distincție devine deosebit de clară.

De exemplu, dacă îi oferiți unui sistem de IA acces la datele despre performanță și portofoliu ale unui fond privat, pot exista mai multe modalități de a răspunde la ceea ce pare o întrebare simplă.

O abordare ar putea folosi calculul potrivit. Alta ar putea recurge la o scurtătură. O a treia ar putea înțelege greșit ce solicită utilizatorul.

Utilizatorul ajunge astfel să fie, în parte, analist, specialist în redactarea de prompturi și responsabil cu verificarea calității. Nu aceasta este experiența fără fricțiuni care a fost promisă.

Produsul trebuie să aibă o perspectivă proprie

Aici devine interesant următorul nivel al stivei tehnologice. Dacă MCP este nivelul de conectivitate, pluginurile și competențele se află deasupra lui și îi spun agentului cum să folosească acea conexiune pentru a îndeplini o anumită sarcină.

În loc să expună pur și simplu date și funcții unui model, acestea pot reuni instrucțiuni, fluxuri de lucru, calcule deterministe și interfețe.

Uneori, asta poate însemna urmarea unei succesiuni prestabilite de acțiuni. Alteori, poate însemna rularea unui calcul sau a unui script determinist, în loc să i se ceară unui model lingvistic de mari dimensiuni să găsească răspunsul. În alte cazuri, rezultatul final poate fi o foaie de calcul, un raport sau o aplicație de mici dimensiuni, concepută special pentru acel flux de lucru.

Expertiza este încorporată în produs, în loc să fie lăsată în întregime în seama modelului.

Dovezile arată că această combinație funcționează. Google a testat recent un agent de programare bazat pe IA, care putea accesa documentația tehnică a companiei prin MCP, apoi i-a oferit instrucțiuni suplimentare, specifice sarcinii, care explicau cum să folosească cel mai bine informațiile respective. Combinarea conexiunii cu aceste instrucțiuni a dus la o rată de promovare de 96,3% în evaluarea Google, folosind totodată cu 63% mai puține tokenuri pentru fiecare răspuns corect decât instrucțiunile standard.

Pentru companiile SaaS, acest lucru schimbă locul în care se creează diferențierea. Dacă fiecare aplicație poate expune date prin același standard deschis, accesul în sine devine mai puțin distinctiv. Devine mai valoros să știi cum să transformi acel acces într-un rezultat fiabil.

Nu orice sarcină ar trebui lăsată în seama modelului

Modelele lingvistice de mari dimensiuni sunt sisteme probabilistice. Flexibilitatea care le face utile pentru redactare, explorare și raționament este mai puțin potrivită în fluxurile de lucru în care contează acuratețea și repetabilitatea. Finanțele sunt un bun exemplu: dacă cineva se așteaptă ca același calcul să dea de fiecare dată același răspuns, variațiile devin rapid o problemă.

De zeci de ani, software-ul financiar evoluează în direcția opusă. Jurnalele de audit, permisiunile, calculele standardizate și procesele repetabile există fiindcă consecvența este valoroasă.

IA nu ar trebui să ignore aceste lecții. Cele mai bune produse de IA pentru companii vor ști când să lase un model să raționeze și când să-i impună limite. Sistemele probabilistice sunt potrivite atunci când sunt utile judecata și interpretarea. Instrumentele deterministe sunt mai potrivite atunci când sunt necesare precizia și repetabilitatea.

Același principiu se aplică oriunde costul unui răspuns greșit este ridicat.

Următoarea direcție a diferențierii în domeniul SaaS

Stratul care se construiește deasupra MCP este încă mult mai puțin bine conturat decât MCP însuși.

Au apărut abordări diferite privind pluginurile și abilitățile, însă se lucrează deja pentru a le face mai ușor de transferat între platformele de inteligență artificială, în loc să fie limitate la un singur ecosistem.

Companiile SaaS vor trebui să ia decizii înainte ca toate standardele să se fi stabilizat. Așa a fost întotdeauna.

Alternativa este să ofere o interfață și să lase clienții să-și construiască singuri experiența.

Este posibil ca inteligența artificială să urmeze aceeași cale. Conectarea unui agent la software-ul pentru companii devine mai ușoară de la o lună la alta. Avantajul va depinde tot mai mult de ceea ce urmează: fluxurile de lucru, mecanismele de control și expertiza în domeniu care îi indică agentului cum să transforme accesul într-un rezultat fiabil.