Beyond Expectations: AI-agenter och nästa kapitel i arbetet

AI-agenter, eller autonoma agenter, är i sina tidiga dagar. Mycket tidigt – botten av första omgången tidigt. Fältet vimlar av innovation, från banbrytande forskning till proof of concepts till praktiska tillämpningar – allt antyder AI:s stora potential. 

Det råder ingen tvekan om att autonoma agenter kommer att förvandla varje enskild bransch, med deras kapacitet som sträcker sig bortom bara uppgiftsautomatisering till att omdesigna arbetsflöden, simulera komplexa scenarier och minska behovet av mänskligt ingripande i olika processer. Vi ser på en (närmare) framtid där agenter kan köra storskaliga simuleringar, designa om marknadsföringskampanjer eller till och med automatisera komplexa FoU-testprocesser.

Boston Consulting Group (BCG) belyser det evolutionära språnget från stora språkmodeller (LLM) till autonoma agenter utformade för att utföra uppgifter från början till slut, övervaka resultat, anpassa och använda verktyg autonomt för att uppnå mål. De representerar ett viktigt steg mot sann artificiell intelligens, som kan fungera oberoende utan kontinuerlig mänsklig tillsyn. 

I termer av marknadsstorlek, autonom AI och autonoma agenter värderades till 4.8 miljarder USD 2023 och beräknas registrera en CAGR på över 43 % mellan 2023 och 2028 och nå 28.5 miljarder. Det är tydligt att vi är på väg till ett paradigmskifte – en fas fylld av förväntan, spänning, skepsis och pragmatisk utvärdering. Denna förändring handlar inte bara om tekniska framsteg; det handlar om att omdefiniera vår inställning till arbete, produktivitet och innovation. Nästan varje investerare, grundare, utvecklare och teknikentusiaster försöker förstå vilken inverkan denna teknik kommer att ha på hur vi arbetar under vår livstid och därefter, och bedömer konsekvenserna för deras verksamhet och strategiska mål. 

Men än så länge saknar vi förmågan att fullt ut förstå omfattningen av den massförskjutning som detta kommer att orsaka. Allt vi kan göra är att spekulera. Den här artikeln är just det – mina spekulationer om den utvecklande dynamiken hos autonoma agenter och dess konsekvenser för grundare, investerare och den bredare ekonomin. Jag ska prata om hur vi på Forum Ventures tänker på och investerar i utrymmet, samt tillhandahåller en marknadskarta med de företag som vi tror leder prospekteringen. 

Där vi är idag

Trots de avsevärda framstegen inom forskning och proof of concepts, försöker vi alla fortfarande förstå och projicera hur vi kan utnyttja AI-agenternas fulla kapacitet. Hittills har tre trender sammanfallit:

1. Framsteg inom AI-kunskaper och effektivitet, utökar gränserna för vad som är möjligt. 
2. De minskade kostnaderna för handlingsfunktioner, som ChatGPT 4.0, till exempel, gör användningen av AI-agenter mer tillgänglig för fler människor och orsakar en bredare adoption och den övergripande omfamningen av denna teknik.
3. Demokratiseringen av tillgången till AI, öppen källkod eller inte, vilket gör det möjligt för ett bredare utbud av enheter att utforska och implementera AI-lösningar och därigenom accelerera innovationstakten.

Som med all ny teknik, särskilt en så stor omvandling som denna, finns det en rad utmaningar som håller på att hanteras. Här är de två översta:

1. Säkerhet och noggrannhet

Det finns ett växande fokus på att utveckla den nödvändiga infrastrukturen för att säkerställa en säker och etisk distribution av AI-agenter. För många branscher och företag finns det inget utrymme för fel. Om en LLM har en hallucinationsfrekvens på bara 0.1 % skulle den aldrig kunna lita på i någon kritisk process, och denna felfrekvens måste vara ännu lägre för en 10- eller 100-stegsprocess. Att lösa detta är ytterst viktigt för en utbredd användning, och många företag väntar innan de anammar LLM, antingen som en del av sin tekniska stack eller som ett helt nytt sätt att arbeta. 

Verktyg för att övervaka noggrannhet och säkerhet genom observerbarhet och användartillstånd, såväl som etiska ramverk, håller på att etableras för att främja ett ansvarsfullt förhållningssätt till AI-integration. Vi har sett några företag göra det här bra, PrivatAI vara en av dem. De använder slutsatser för att se till att företag inte tränar på privata data så att de inte läcker. Vi är också mycket glada över nya företag som kommer till marknaden som SafeguardAI – en autonom AI-agent som skyddar mot hallucinationer, vilket gör att företag kan implementera generativ AI-användning snabbare.

Dessutom utvecklas verktyg som automatiska utvärderingsmått, mänskliga utvärderingsramverk och diagnostiska datauppsättningar för att hjälpa till med bedömning och förbättring av LLM:s noggrannhet. Dessa verktyg hjälper forskare och utvecklare att identifiera styrkor och svagheter i LLM och vägleda ytterligare framsteg inom området.

2. Interaktion mellan människa och AI

Utmaningen här är i vilken utsträckning människor ska interagera med programvara som är autonom. Det finns oro för de potentiella riskerna med att AI-system fungerar utan tillräcklig mänsklig kontroll, det vill säga hur mycket autonomi som är för mycket. Men vi måste också ta reda på hur mycket vi vill ha människor i slingan, och vilken nivå av mänsklig interaktion som skapar mer säkerhet samtidigt som vi begränsar fördomar och minskar risken för mänskliga fel. Vi har inga bra svar på detta ännu, i någon form av rimlig skala.

Ur ett opportunistiskt perspektiv är jag hoppfull att vi kan definiera ett nytt paradigm för autonom programvara för att fungera inom kontrollen av människor på ett sätt som övervakas och observeras så att människor kan stoppa potentiellt "dödliga" saker från att hända som en mycket större version av en snabb krasch i ekonomin. Enligt min åsikt kommer de som kan bygga detta att vinna och leverera transformationsmöjligheter. 

Skiftet från uppgiftsorienterade till målorienterade processer

Det kommer inte att finnas någon sektor eller arbetsfält som kommer att förbli oberörd av AI-agenter, och mycket av förändringen som sker kommer att ske inom en snar framtid. Enligt min mening, oen av de mest djupgående effekterna som AI-agenter kommer att ha är övergången från uppgiftsorienterade till målinriktade processer. Idag matar du in något i en dator, till exempel "skriv en kommentar till mig om AI-agenter", och datorn ger något tillbaka till dig, som du sedan agerar. Detta är en mycket uppgiftsorienterad uppmaning och kräver fortfarande att användaren utbildar agenten enligt personens mål och tonfall. Det är dock begränsat till detta, och därför bestäms resultatet till stor del av kvaliteten på träningsinmatningen, plus användarens förutbestämda (och möjligen begränsade) mål, som fortfarande är starkt beroende av mänskliga handlingar. 

Den underutnyttjade kraften hos AI-agenter ligger i kraften av målinriktat arbete. Framtiden kommer inte längre att bestå av rote-steg-för-steg-processbeskrivning eller komplicerad prompt ingenjörskonst för processer. Företag och ledare bör ändra sitt tänkande om hur de bygger och använder autonoma regelbaserade processer, där mål fastställs och agenter bestämmer den bästa vägen framåt för att uppnå detta resultat (med lämpliga mänskliga ingrepp). Ett exempel på detta kan vara, "boka mig ett evenemang i New York City med 100 yrkesverksamma som vill lära sig om hur AI penetrerar den amerikanska sjukvårdsmarknaden från en av våra talare". I ett fall som detta kommer AI att användas för att operationalisera strategiskt tänkande bortom den begränsade möjligheten som en enkel uppgift skulle kunna utföra.

Det här är ett helt nytt sätt att tänka och arbeta. Det finns nästan ingen uppsättning mål vi för närvarande eftersträvar med en dator som inte kommer att eftersträvas helt annorlunda. Detta kommer att vara en grundläggande förändring i hur vi orienterar oss och hur arbetet utformas och utförs. 

Intäktsgenerering och marknadsdynamik

När AI blir mer integrerad i affärsmodeller omvärderas traditionella intäktsgenereringsstrategier. Till exempel, just nu i företagsprogramvara, i allmänhet, köper kunder platser och användning. På konsumentsidan gör folk köp i appar. Vår hypotes är att detta kommer att förändras så att mjukvaruföretag i allt högre grad kommer att kunna sälja resultat snarare än verktyg. Kommer människor och företag att betala för resultat? För att deras mål ska nås? Vi är inte säkra än. Men vi ser detta som en återspegling av den bredare trenden mot värdebaserade engagemang. Det finns dock utmaningar med att förutsäga lönsamhet och hantera kostnader, särskilt med tanke på AI-teknikens beräkningsintensiva natur. 

Att bestämma vem och vad man ska investera i i det tidigaste skedet

Närhelst vi investerar i detta tidiga skede, är grundaren en av de största satsningarna vi gör – både när det gäller passformen på grundaren och på grundarens personlighet. Med AI-agenter blir det här objektivet ännu viktigare eftersom med så många okända, kommer lösningen som byggs idag förmodligen inte att vara den som byggs i morgon, men grundaren kommer att förbli densamma. Så vi tittar inte bara på passform mellan grundare och marknad, utan också på deras koppling till problemet, hur de ser på problemuppsättningen annorlunda än det befintliga paradigmet, att de är villiga att omfamna det okända och att de har plasticitet och flexibilitet för att hålla jämna steg med en marknad som har så mycket flöde. 

Efter grundaren tittar vi på marknaden och om det finns en stor total adresserbar marknad och en trovärdig väg till en intäktsmöjlighet på 1 miljard dollar. Vi är öppna för både äldre marknader som proptech och supply chain, och mer framåttänkande, flexibla marknader som fintech och e-handel, så länge som startlösningen/verktyget kommer att leverera en stegvis funktionsförbättring jämfört med det gamla sättet.

Vårt tredje fokus när vi utvärderar en AI-agentlösning är om verktyget kommer att vara kompatibelt inom en AI-centrerad mjukvaruframtid. Med andra ord, kommer den föreslagna lösningen sömlöst att integreras med och förbättra hur vi ser det framtida mjukvarulandskapet och stacken inom den marknaden.

Vi kan inte göra ordentliga kostnadsbaserade förutsägelser ännu. Just nu är AI-företag i grunden mindre lönsamma än SaaS-företag. Kostnaderna för att bearbeta och analysera data i AI-system kan snabbt ackumuleras. Det kommer att behöva göras framsteg på kort sikt som förbättrar AI-effektiviteten och minskar driftskostnaderna innan vi kan göra den här typen av utvärdering. Helst finns det framsteg som speglar Moores lag inom AI-sektorn, och både kraft- och chipkostnaderna minskar på grund av ökade investeringar. Om vi ​​kan hitta en balans där AI inte bara är innovativt utan också ekonomiskt hållbart, då är vi gyllene. Men det finns fortfarande så många okända, och de flesta av oss gissar (gör välgrundade spekulationer, för att uttrycka det snyggt).

En "brave new world" av möjligheter

De flesta anser att introduktionen av ChatGPT är AI:s "iPhone-ögonblick". Men jag tror inte att vi är där...än. Hittills har dessa chattgränssnitt inte gjort mycket mer än att effektivisera våra nuvarande arbetsflöden. Även om dessa verktyg utan tvekan har gjort uppgifter lättare att hantera, är vårt tillvägagångssätt fortfarande i grunden uppgiftsorienterat. Den bredare visionen är att transformera denna dynamik helt och hållet, där AI kommer att kunna operationalisera strategiskt tänkande och utföra komplexa resultat, med ännu mindre input från människor. Det sanna iPhone-ögonblicket kan därför vara avtäckandet av AI-agenter som standard B2B-applikationsuppsättning, vilket i sin tur kommer att ha en överdriven inverkan på framtidens arbete. 

Ett decennium från och med nu råder det ingen tvekan om att vi kommer att se tillbaka och förundras över idén att vi brukade arbeta baserat på att göra-listor snarare än att sätta strategiska mål och låta AI hjälpa oss att upprepa och förfina dessa mål. Denna förändring mot en målinriktad arbetsmiljö representerar inte bara en utveckling inom tekniken utan en transformation i hur vi konceptualiserar och närmar oss vårt arbete. 

Vägen framåt är fylld av osäkerheter, men potentialen för AI att revolutionera industrier, förstärka mänsklig potential, driva meningsfulla framsteg och leverera bestående värde är obestridlig. Vårt åtagande är att navigera i dessa osäkerheter och identifiera, satsa på och stödja AI-initiativ i tidiga skeden och de briljanta sinnen som förverkligar sina visioner.