Jest jasne, że obecnie zmierzamy w kierunku, w którym modele AI będą nadal poprawiać swoje możliwości w zakresie matematyki, rozumowania, logiki, wywoływania narzędzi oraz różnych zadań specyficznych dla danej dziedziny, które będą się poprawiać w miarę generowania większej ilości danych treningowych. Chociaż będą prowadzone debaty na temat tego, jak bardzo te postępy wpłyną na codzienne przypadki użycia, z jakimi ma do czynienia konsument, *będą* miały one znaczący wpływ na wiele kategorii pracy opartej na wiedzy. Stopniowo odblokują nowe przypadki użycia w opiece zdrowotnej, prawie, usługach finansowych, naukach przyrodniczych itd., gdzie modele mogą niezawodnie wykonywać coraz bardziej krytyczne zadania. Na niedawnym podcaście z Alexem Kantrowitzem, Dario Amodei miał świetny sposób na ujęcie tego, mówiąc, że jeśli poprawisz zdolności modelu AI, przechodząc od posiadania stopnia licencjata w biochemii do posiadania stopnia magistra w biochemii, mały procent populacji konsumenckiej zauważy ten wpływ, ale przypadki użycia w przedsiębiorstwie dla firmy takiej jak Pfizer znacząco wzrosną w wyniku tego. Powinniśmy zacząć przewidywać, że teraz jesteśmy w erze AI. Jak to zacznie się objawiać w rzeczywistości? Pojawi się to poprzez agentów AI zajmujących się zastosowaniami praktycznymi. Agenci AI do kodowania, pracy prawnej, medycznych notatników, ekstrakcji danych, przetwarzania roszczeń ubezpieczeniowych, testowania penetracyjnego itd. Obecnie istnieje możliwość budowania agentów AI dla sektorów i dziedzin z głębokim zrozumieniem tej przestrzeni. To tutaj znaczenie zyskuje inżynieria kontekstowa, głębokie zrozumienie przepływów pracy, połączenia z danymi przedsiębiorstwa oraz specjalistyczne interfejsy użytkownika (które pozwalają użytkownikom wdrażać, zarządzać i orkiestrując tych agentów). Będzie to również oznaczać budowanie dystrybucji, która jest zgodna z danym sektorem lub dziedziną. Prawdopodobnie będzie to oznaczać jakąś formę inżynierii wdrożonej do przodu, aby nie tylko pomóc klientom wdrożyć agentów, ale także szybko nauczyć się, dla jakich przepływów pracy agenci są zoptymalizowani i wprowadzić to z powrotem do głównej platformy. Ostatecznie te rynki będą wygrywane przez graczy, którzy najlepiej potrafią połączyć dzisiejsze procesy przedsiębiorstw (które często są chaotyczne i nie były projektowane z myślą o automatyzacji) ze światem, w którym agenci są zintegrowani z tymi przepływami pracy. To jest era AI, w której teraz jesteśmy.