Bortom förväntningar: AI-agenter och nästa kapitel i arbete

AI-agenter, eller autonoma agenter, är i sina tidiga dagar. Mycket tidiga – i botten av den första inningen tidiga. Fältet är fullt av innovation, från banbrytande forskning till bevis på koncept till praktiska tillämpningar – allt som antyder AI:s enorma potential. 

Det råder ingen tvekan om att autonoma agenter kommer att förvandla varje enda industri, med deras förmågor som sträcker sig bortom enkel uppgiftsautomatisering till att omforma arbetsflöden, simulera komplexa scenarier och minska behovet av mänskligt ingripande i olika processer. Vi ser en framtid (på kort sikt) där agenter kan köra storskaliga simuleringar, omforma marknadsföringskampanjer eller till och med automatisera komplexa R&D-testprocesser.

Boston Consulting Group (BCG) belyser den evolutionära sprången från stora språkmodeller (LLM) till autonoma agenter som är utformade för att utföra uppgifter från början till slut, övervaka resultat, anpassa sig och använda verktyg på ett autonomt sätt för att uppnå mål. De representerar ett betydande steg mot riktigt artificiellt intellekt, kapabelt till oberoende drift utan kontinuerlig mänsklig övervakning. 

När det gäller marknadsstorlek, var autonoma AI och autonoma agenter värda 4,8 miljarder USD i 2023 och beräknas registrera en årlig tillväxttakt på över 43% mellan 2023 och 2028, och nå 28,5 miljarder. Det är tydligt att vi står på tröskeln till en paradigmshift – en fas fylld med förväntan, spänning, skepticism och pragmatisk utvärdering. Denna förändring handlar inte bara om teknisk utveckling; det handlar om att omdefiniera vår tillvägagångssätt för arbete, produktivitet och innovation. Nästan varje investerare, grundare, utvecklare och teknikentusiast försöker förstå vilken påverkan denna teknik kommer att ha på hur vi arbetar under vår livstid och bortom, och bedöma konsekvenserna för deras verksamhet och strategiska mål. 

Men just nu saknar vi förmågan att fullt ut förstå omfattningen av den massiva förändring som detta kommer att orsaka. Allt vi kan göra är att spekulera. Den här artikeln är bara det – min spekulation om de utvecklande dynamikerna i autonoma agenter och dess konsekvenser för grundare, investerare och den bredare ekonomin. Jag kommer att prata om hur vi på Forum Ventures tänker och investerar i området, samt tillhandahålla en marknadsöversikt med de företag som vi tror leder utforskningen. 

Där vi är idag

Trots de betydande framstegen inom forskning och bevis på koncept, försöker vi fortfarande alla att förstå och projicera hur vi kan utnyttja den fulla potentialen hos AI-agenter. Hittills finns det en sammanflöde av tre trender:

1. Framsteg inom AI-kompetens och effektivitet, som utvidgar gränserna för vad som är möjligt. 
2. Den minskande kostnaden för att aktivera funktioner, såsom ChatGPT 4.0, till exempel, som gör användningen av AI-agenter mer tillgänglig för fler människor och orsakar en bredare antagande och den övergripande acceptansen av denna teknik.
3. Demokratiseringen av tillgång till AI, öppen källkod eller inte, som möjliggör att en bredare range av enheter kan utforska och implementera AI-lösningar, och därmed accelerera innovationens takt. 

Som med all ny teknik, särskilt en transformation så stor som denna, finns det en rad utmaningar som är på väg att lösas. Här är de två främsta:

1. Säkerhet & Exakthet

Det finns en växande fokus på att utveckla den nödvändiga infrastrukturen för att säkerställa den säkra och etiska distributionen av AI-agenter. För många industrier och företag, finns det inget utrymme för fel. Om en LLM har en hallucinationsfrekvens på även bara 0,1% kan den aldrig lita på i någon kritisk process, och denna felaktighetsfrekvens måste vara ännu lägre för en 10-stegs- eller 100-stegsprocess. Att lösa detta är avgörande för en bred antagande, och många företag väntar innan de antar LLM:er antingen som en del av deras teknikstack eller som ett helt nytt sätt att operera. 

Verktyg för att övervaka exakthet och säkerhet genom observabilitet och användartillstånd, samt etiska ramar, etableras för att främja ett ansvarsfullt tillvägagångssätt för AI-integration. Vi har sett några företag som gör detta bra, PrivateAI är ett av dem. De använder inferens för att säkerställa att företag inte tränar på privat data så att den inte läcker. Vi är också mycket entusiastiska över nya företag som kommer till marknaden som SafeguardAI – en autonom AI-agent som skyddar mot hallucinationer, vilket tillåter företag att distribuera generativ AI-användning snabbare.

Dessutom utvecklas verktyg som automatiska utvärderingsmetoder, mänskliga utvärderingsramar och diagnostiska datamängder för att hjälpa till att bedöma och förbättra LLM:ers exakthet. Dessa verktyg hjälper forskare och utvecklare att identifiera styrkor och svagheter i LLM:er och vägleda ytterligare framsteg inom området.

2. Mänsklig-AI-interaktion

Utmaningen här är i vilken utsträckning människor bör interagera med programvara som är autonom. Det finns bekymmer om de potentiella riskerna med AI-system som opererar utan tillräcklig mänsklig kontroll, d.v.s. hur mycket autonomi är för mycket. Men vi måste också ta reda på hur mycket vi vill ha människor i loopen, och vilken nivå av mänsklig interaktion som skapar mer säkerhet medan den begränsar bias och minskar chansen för mänskligt fel. Vi har inga bra svar på detta ännu, på någon rimlig skala.

Från ett opportunistiskt perspektiv, är jag hoppfull att vi kan definiera en ny paradigm för autonom programvara för att operera inom människors kontroll på ett sätt som det övervakas och observeras så att människor kan stoppa potentiellt “dödliga” saker från att hända, som en mycket större version av en flash-crash i ekonomin. I min åsikt, de som kan bygga detta kommer att vinna och leverera transformationella möjligheter. 

Skiftet från uppgiftsorienterade till målorienterade processer

Det kommer inte att finnas någon sektor eller arbetsområde som kommer att förbli opåverkad av AI-agenter, och mycket av den förändring som sker kommer att ske inom en snar framtid. I min åsikt, en av de mest betydande påverkningarna som AI-agenter kommer att ha är skiftet från uppgiftsorienterade till målorienterade processer. Idag, när du matar in något i en dator, till exempel “skriv en ledare om AI-agenter”, och datorn ger något tillbaka till dig, som du sedan agerar på. Detta är en mycket uppgiftsorienterad prompt, och fortfarande kräver användaren att träna agenten enligt mål och tonfall för personen. Men det är begränsat till detta, och därför är utdata i stor utsträckning bestämd av kvaliteten på indata, plus de förutbestämda (och möjligen begränsade) målen för användaren, som fortfarande är tungt beroende av mänskliga handlingar. 

Den outnyttjade kraften i AI-agenter ligger i kraften av målorienterat arbete. Framtiden kommer inte längre att vara en av tråkiga steg-för-steg-processbeskrivningar eller komplicerad promptteknik för processer. Företag och ledare bör skifta sin tanke om hur de bygger och använder autonoma regelbaserade processer, där mål är förskrivna och agenter bestämmer den bästa vägen framåt för att uppnå det resultatet (med lämpliga mänskliga ingripanden). Ett exempel på detta kunde vara, “boka en händelse i New York City med 100 proffs som vill lära sig om hur AI tränger in på den amerikanska hälsovårdsmarknaden från en av våra talare”. I ett fall som detta, kommer AI att användas för att operationalisera strategiskt tänkande bortom den begränsade sfären av möjlighet som en enkel uppgift kunde åstadkomma.

Detta är ett helt nytt sätt att tänka och arbeta. Det finns nästan inget mål som vi för närvarande följer med en dator som inte kommer att följas på ett vilt annorlunda sätt. Detta kommer att vara en grundläggande förändring i hur vi orienterar oss, och hur arbete konceptualiseras och utförs. 

Monetarisering och marknadsdynamik

När AI blir mer integrerad i affärsmodeller, utvärderas traditionella monetiseringsstrategier. Till exempel, just nu i företagsprogramvara, köper kunder vanligtvis platser och användning. På konsumentsidan, gör människor inköp i appar. Vår hypotes är att detta kommer att skifta så att alltmer, programvaruföretag kommer att kunna sälja resultat, snarare än verktyg. Kommer människor och företag att betala för resultat? För att deras mål ska uppnås? Vi är inte säkra ännu. Men vi ser detta som en reflektion av den bredare trenden mot värdebaserade engagemang. Det finns dock utmaningar i att förutsäga lönsamhet och hantera kostnader, särskilt med tanke på den beräkningsintensiva naturen hos AI-teknologier. 

Att bestämma vem och vad att investera i på den tidigaste etappen

När vi investerar på denna tidiga etapp, är grundaren en av de största insatserna vi gör – tittar på både grundare-marknadsanpassning och grundare-personlighet. Med AI-agenter, blir detta urval ännu viktigare eftersom med så många okända faktorer, lösningen som byggs idag kommer troligen inte att vara vad som byggs imorgon, men grundaren kommer att förbli densamma. Så, vi tittar på inte bara grundare-marknadsanpassning, utan också deras anknytning till problemet, hur de ser på problemuppsättningen annorlunda än den befintliga paradigm, att de är villiga att acceptera det okända, och att de har plasticitet och flexibilitet för att hålla jämna steg med en marknad som har så mycket fluktuation. 

Efter grundaren, tittar vi på marknaden och om det finns en stor total adresserbar marknad och en trovärdig väg till en $1 miljard intäktsmöjlighet. Vi är öppna för både äldre marknader som proptech och leverantörskedja, och mer framåtriktade, flexibla marknader som fintech och e-handel, så länge startuptillägget / verktyget kommer att leverera en stegfunktion förbättring över det gamla sättet.

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

Vi kan inte göra ordentliga kostnadsbaserade förutsägelser ännu. Just nu är AI-företag grundläggande mindre lönsamma än SaaS-företag. Kostnaderna förknippade med att bearbeta och analysera data i AI-system kan snabbt ackumuleras. Det kommer att finnas ett behov av nära framtidens framsteg som förbättrar AI-effektivitet och minskar driftskostnader innan vi kan göra denna typ av utvärdering. Idealiskt, finns det framsteg som speglar Moores lag i AI-sektorn, och både kraft- och chipkostnader minskas på grund av ökade investeringar. Om vi kan hitta en balans där AI inte bara är innovativ utan också ekonomiskt hållbar, då är vi gyllene. Men det finns fortfarande så många okända faktorer, och de flesta av oss gissar (gör informerade spekulationer, för att säga det vackert).

En ‘modig ny värld’ av möjligheter

De flesta människor anser att introduktionen av ChatGPT är AI:s “iPhone-ögonblick”. Men jag tror inte att vi är där… ännu. Hittills har dessa chatsystem inte gjort mycket mer än att strömlinjeforma våra nuvarande arbetsflöden. Medan dessa verktyg har utan tvekan gjort uppgifter lättare att hantera, förblir vårt tillvägagångssätt grundläggande uppgiftsorienterat. Den bredare visionen är att förvandla denna dynamik helt, där AI kommer att kunna operationalisera strategiskt tänkande och utföra komplexa utdata, med ännu mindre inmatning från människor. Det riktiga iPhone-ögonblicket kan vara avtäckandet av AI-agenter som standard-B2B-programuppsättning, som i sin tur kommer att ha en oproportionerligt stor påverkan på framtiden för arbete. 

En decade från nu, finns det ingen tvekan om att vi kommer att se tillbaka och förundras över tanken att vi använde att operera baserat på att-göra-listor snarare än att ställa in strategiska mål och låta AI hjälpa oss iterera och förfinansiera dessa mål. Detta skifte mot ett målorienterat arbetsmiljö representerar inte bara en utveckling i teknik, utan en transformation i hur vi konceptualiserar och närmar oss vårt arbete. 

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