Berita
Model kecerdasan buatan rekayasa perangkat lunak telah tiba: SWE-1 Windsurf untuk pembuat keputusan teknis

Bergabunglah dengan buletin harian dan mingguan untuk mendapatkan pembaruan terbaru dan konten eksklusif untuk meliput kecerdasan buatan terkemuka di industri ini. Pelajari lebih lanjut
Sampai saat ini, platform pengkodean getaran sebagian besar diandalkan pada LLM untuk membantu menulis kode.
Namun, kode penulisan hanyalah salah satu dari banyak tugas berbeda yang perlu dilakukan pengembang untuk membangun platform produksi penuh di tingkat institusi. Tugas lain dalam alur kerja rekayasa perangkat lunak penuh memerlukan alat yang berbeda untuk membantu meninjau dan mematuhi instruksi perangkat lunak dari waktu ke waktu. Itu adalah tantangan Selancar (Sebelumnya Codeium) mengambil alih serangkaian model AI Frontiere baru yang SWE-1 (Software Engineer 1) disebut sebagai bagian dari pembaruan Wave 9 perusahaan.
Berita itu muncul ketika Windsurf dikatakan berada di tengah -tengah akuisisi oleh pemimpin intelijen Openai hingga 3 miliar dolar. Kesepakatan ini belum secara resmi ditutup, dan Windsurf saat ini tidak secara publik mengomentari kesepakatan itu.
SWE-1 adalah keluarga model kecerdasan buatan dalam kategori perbatasan yang dirancang khusus untuk mempercepat seluruh proses rekayasa perangkat lunak. Berbeda dengan model kecerdasan buatan dari tujuan umum yang disesuaikan dengan tugas pengkodean, keluarga SWE-1 dirancang untuk memperlakukan spektrum penuh kegiatan rekayasa untuk perangkat lunak.
Model -model baru ini bertujuan untuk mendukung pengembang melalui berbagai permukaan, pekerjaan yang tidak lengkap dan tugas -tugas jangka panjang yang menjadi ciri pengembangan perangkat lunak di dunia nyata. SWE-1 segera tersedia untuk pengguna Windsurf, dan entri perusahaan untuk mengembangkan model perbatasan dengan kinerja kompetitif dari model dasar yang berlaku, tetapi berfokus pada alur kerja rekayasa perangkat lunak.
“Tujuan utama kami di sini adalah untuk mempercepat semua rekayasa perangkat lunak sebesar 99 %,” kata Ramashandran, kepala produser dan strategi di Windsurf, untuk VentureBeat.
Pengembang institusi membutuhkan lebih dari sekedar model yang mampu mengkode
Inovasi utama di balik SWE-1 adalah Windsurf bahwa pengkodean hanyalah sebagian kecil dari apa yang sudah dilakukan oleh insinyur perangkat lunak.
Pendekatan ini membahas pembatasan yang menentukan dalam pengkodean kecerdasan buatan saat ini. Banyak model yang berbeda dapat digunakan hari ini untuk menulis kode aplikasi, termasuk OpenAI’s GPT-4.1, Claude 3.7 dan Google Gemini 2.5 Pro I/O Edition.
Windsurf memiliki antarmuka standar yang dapat memungkinkan penggunaan berbagai model. Ramacandran menjelaskan bahwa pengguna Windsurf telah memberikan komentar perusahaan bahwa model pengkodean saat ini cenderung melakukan pekerjaan dengan baik dengan instruksi pengguna, tetapi seiring waktu mereka cenderung kehilangan banyak hal.
Pembatasan ini berasal dari perbedaan dasar dalam struktur misi. Meskipun generasi kode sering kali merupakan tugas dari satu bidikan, rekayasa perangkat lunak nyata mencakup navigasi dalam banyak alat, bekerja dengan kode yang tidak lengkap dan mempertahankan konteks melalui proyek jangka panjang.
Keluarga SWE-1: Dirancang khusus untuk berbagai tugas teknik
Alih -alih menciptakan solusi yang sesuai dengan semua orang, Windsurf mengembangkan tiga model khusus:
- Swe-1: Model ukuran penuh yang dirancang untuk pemikiran lanjutan dan penggunaan alat, tersedia untuk semua pengguna yang dibayar.
- Swe-1-lite: Model yang lebih kecil tetapi kuat menggantikan basis kaskade saat ini di Windsurf, tersedia untuk semua pengguna (gratis dan digerakkan).
- Swe-1-miniModel ringan berfungsi untuk memprediksi kode negatif di tab Windsurf, tidak terbatas untuk semua pengguna.
Model SWE dibangun melalui proses pelatihan komprehensif di rumah, terutama berfokus pada tugas rekayasa perangkat lunak. Ramashandran mengatakan perusahaan menggunakan formulir data baru dengan langkah -langkah pelatihan berturut -turut.
Standar Kinerja: Seberapa Dibandingkan SWE-1
Meskipun SWE-1 bukan lokasi untuk menggantikan model dasar laboratorium utama, Windsurf mengklaim untuk mencapai kategori batas khusus untuk tugas rekayasa perangkat lunak. Perusahaan menyatakan bahwa itu sangat mengungguli model basis berukuran sedang dan model bobot terbuka.
Namun, Windsurf tidak ingin meningkatkan hasil awal ini.
“Bahkan standar kami menunjukkan bahwa itu tidak lebih baik dari semua model lain,” Ramashandran mengakui.
Sebaliknya, tujuan mode SWE-1 adalah langkah pertama menuju model yang dirancang untuk tujuan ini, yang pada akhirnya akan melebihi model untuk tujuan umum untuk tugas-tugas rekayasa tertentu-dengan biaya yang lebih rendah.
Tepi Teknis: Kesadaran akan aliran dan jadwal umum
Apa yang membuat Windsurf secara teknis berbeda adalah implementasinya dari konsep kesadaran akan aliran.
Gagasan dasarnya adalah bahwa aliran langkah harus terjadi sebagai bagian dari pengembangan lembaga. Alih -alih hanya menulis simbol langkah tertentu, kesadaran akan aliran berkisar pada realisasi konteks yang lebih luas.
Kesadaran akan aliran difokuskan pada menciptakan jadwal bersama prosedur manusia dan AI dalam mengembangkan perangkat lunak. Gagasan utamanya adalah untuk secara bertahap mentransfer tugas dari manusia ke kecerdasan buatan dengan memahami tempat di mana kecerdasan buatan dapat membantu secara lebih efektif.
Pendekatan ini menciptakan tautan peningkatan yang berkelanjutan untuk model.
“Ketika kami terus meningkatkan model, lebih banyak langkah akan berubah dalam garis waktu umum ini dari manusia ke kecerdasan buatan,” kata Ramashandran. “Kecerdasan buatan akan dapat melakukan lebih banyak hal yang harus dilakukan seseorang sebelumnya karena kecerdasan buatan tidak benar.”
Apa artinya ini bagi pembuat keputusan teknis
Untuk konstruksi konstruksi atau perangkat lunak perusahaan, SWE-1 adalah pengembangan penting dalam mengembangkan kecerdasan buatan. Alih -alih berurusan dengan asisten kecerdasan buatan sebagai alat penyelesaian otomatis, pendekatan ini adalah untuk mempercepat seluruh siklus hidup.
Efek potensial melampaui hanya menulis simbol yang lebih cepat. Mengakui bahwa pengembangan aplikasi lebih banyak dibagikan akan membantu model pengkodean untuk lebih berlaku untuk mengembangkan program lembaga yang stabil.
Meskipun masih hari pertama SWE-1, langkah ini penting. Jika OpenAI menyelesaikan akuisisi Windsurf, model baru ini mungkin menjadi lebih penting karena mereka berpotongan dengan penelitian model dan sumber daya pengembangan yang akan tersedia.
Pemimpin teknis harus mempertimbangkan jumlah pekerjaan dalam pengembangan yang dapat mengambil manfaat dari bantuan kecerdasan buatan sampai hanya menghasilkan kode. Tim yang menghabiskan waktu yang tepat dalam kode, memperbaiki kesalahan dan mengelola hutang teknis, dapat menyaksikan manfaat yang lebih besar dari alat-alat seperti SWE-1 dari mereka yang berfokus terutama pada menghasilkan simbol baru.
Tautan sumber
Berita
Intuit belajar cara membangun pelanggan AI keuangan dengan cara yang sulit: kehilangan kepercayaan pada banyak hal, memulihkannya dalam sendok teh

Membangun AI untuk perangkat lunak keuangan memerlukan pedoman yang berbeda dari AI konsumen intuisi QuickBooks versi terbaru memberikan contoh.
Perusahaan ini mengumumkan Intuit Intelligence, sebuah sistem yang mengoordinasikan agen AI khusus di seluruh platform QuickBooks untuk menangani tugas-tugas termasuk kepatuhan pajak penjualan dan pemrosesan penggajian. Agen baru ini menambah agen Akuntansi dan Manajemen Proyek yang ada (yang juga telah diperbarui) serta antarmuka terpadu yang memungkinkan pengguna untuk menanyakan data di QuickBooks, sistem pihak ketiga, dan file yang diunggah menggunakan bahasa alami.
Perkembangan baru ini terjadi setelah bertahun-tahun melakukan investasi dan perbaikan di Intuit Genomemungkinkan perusahaan membangun kemampuan kecerdasan buatan yang mengurangi… Peningkatan latensi dan akurasi.
Namun berita sebenarnya bukanlah apa yang dibuat oleh Intuit, melainkan bagaimana mereka membangunnya dan mengapa keputusan desain mereka akan membuat AI lebih berguna. Peluncuran AI terbaru yang dilakukan perusahaan ini mewakili sebuah evolusi yang dibangun berdasarkan pembelajaran yang diperoleh dengan susah payah tentang apa yang berhasil dan apa yang tidak ketika menerapkan AI dalam konteks keuangan.
Apa yang dipelajari perusahaan ini sangat mengkhawatirkan: Meskipun agen akuntansinya meningkatkan akurasi klasifikasi transaksi rata-rata sebesar 20 poin persentase, perusahaan tersebut masih menerima keluhan tentang kesalahan.
"Kasus penggunaan yang kami coba selesaikan untuk klien meliputi pajak dan keuangan; Jika Anda membuat kesalahan di dunia ini, Anda kehilangan kepercayaan pelanggan dalam jumlah besar dan kami hanya mendapatkannya kembali dalam jumlah besar." Joe Preston, wakil presiden produk dan desain di Intuit, mengatakan kepada VentureBeat.
Arsitektur kepercayaan: Kueri data nyata melalui respons generatif
Strategi teknis Intuit berfokus pada keputusan desain mendasar. Untuk pertanyaan intelijen keuangan dan bisnis, sistem menanyakan data aktual, bukan menghasilkan respons melalui model bahasa besar (LLM).
APenting juga agar data ini tidak semuanya ada di satu tempat. Implementasi teknis Intuit memungkinkan QuickBooks menyerap data dari berbagai sumber berbeda: data asli Intuit, sistem pihak ketiga yang terhubung dengan OAuth seperti Square untuk pembayaran, dan file yang diunggah pengguna seperti spreadsheet yang berisi daftar harga vendor atau data kampanye pemasaran. Hal ini menciptakan lapisan data terpadu yang dapat dikueri dengan andal oleh agen AI.
"Kami sebenarnya menanyakan tentang data asli Anda," Preston menjelaskan. "Ini sangat berbeda dibandingkan jika Anda hanya menyalin dan menempelkan file spreadsheet atau PDF dan menempelkannya ke ChatGPT."
Pilihan arsitektur ini berarti bahwa sistem Intuit Intelligence bertindak sebagai lapisan orkestrasi. Ini adalah antarmuka bahasa alami untuk operasi data terstruktur. Saat pengguna bertanya tentang profitabilitas yang diharapkan atau ingin menjalankan penggajian, sistem menerjemahkan kueri bahasa alami ke dalam operasi database terhadap data keuangan yang diverifikasi.
Hal ini penting karena penelitian internal Intuit telah mengungkapkan meluasnya penggunaan AI dalam bayang-bayang. Saat disurvei, 25% akuntan yang menggunakan QuickBooks mengaku sudah menyalin dan menempelkan data ke ChatGPT atau Google Gemini untuk dianalisis.
Pendekatan Intuit memperlakukan AI sebagai mekanisme untuk menerjemahkan dan memformat kueri, bukan sebagai pembuat konten. Hal ini mengurangi risiko halusinasi yang mengganggu penerapan AI dalam konteks keuangan.
Penjelasan adalah persyaratan desain, bukan sekedar renungan
Di luar arsitektur teknis, Intuit telah menjadikan kemampuan menjelaskan sebagai pengalaman pengguna inti di seluruh agen AI-nya. Hal ini lebih dari sekadar memberikan jawaban yang benar: ini berarti menjelaskan kepada pengguna alasan di balik keputusan otomatis.
Ketika agen akuntansi Intuit mengkategorikan suatu transaksi, ia tidak hanya menampilkan hasilnya; Ini menunjukkan logika. Ini bukan salinan pemasaran tentang AI yang dapat dijelaskan, ini adalah antarmuka pengguna sebenarnya yang menampilkan titik data dan logika.
"Ini tentang menutup lingkaran kepercayaan dan memastikan pelanggan memahami alasannya," Alastair Simpson, wakil presiden desain di Intuit, mengatakan kepada VentureBeat.
Hal ini menjadi sangat penting ketika Anda mempertimbangkan riset pengguna Intuit: Meskipun separuh dari usaha kecil menggambarkan AI sebagai hal yang berguna, hampir seperempatnya tidak pernah menggunakan AI sama sekali. Lapisan penjelasan melayani kedua kelompok: membangun kepercayaan bagi pendatang baru, sekaligus memberikan konteks kepada pengguna berpengalaman untuk memverifikasi keakuratan.
Desain juga menerapkan kendali manusia pada titik-titik pengambilan keputusan yang kritis. Pendekatan ini melampaui antarmuka. Intuit menghubungkan pengguna secara langsung dengan pakar manusia, tertanam dalam alur kerja yang sama, ketika otomatisasi mencapai batasnya atau pengguna menginginkan validasi.
Arahkan transisi dari formulir ke percakapan
Salah satu tantangan paling menarik yang dihadapi Intuit adalah mengelola transformasi mendasar dalam antarmuka pengguna. Preston menggambarkannya memiliki satu kaki di masa lalu dan satu kaki di masa depan.
"Ini bukan sekedar Intuit, ini adalah pasar secara keseluruhan," kata Preston. "Saat ini kami masih memiliki banyak pelanggan yang mengisi formulir dan menelusuri tabel yang penuh dengan data. Kami banyak berinvestasi dalam mengadopsi dan mempertanyakan cara kami menelusuri produk-produk kami saat ini, di mana pada dasarnya Anda mengisi formulir demi formulir, atau tabel demi tabel, karena kami melihat ke mana arah dunia ini, dan sebenarnya ini merupakan bentuk interaksi yang berbeda dengan produk-produk ini."
Hal ini menciptakan tantangan desain produk: Bagaimana Anda melayani pengguna yang merasa nyaman dengan antarmuka tradisional sambil secara bertahap memperkenalkan kemampuan dan agen percakapan?
Pendekatan Intuit adalah mengintegrasikan agen AI langsung ke dalam alur kerja yang ada. Artinya, pengguna tidak dipaksa untuk mengadopsi pola interaksi yang benar-benar baru. Agen pembayaran muncul di sebelah alur kerja penagihan; Agen akuntansi meningkatkan proses rekonsiliasi yang ada daripada menggantikannya. Pendekatan langkah demi langkah ini memungkinkan pengguna merasakan manfaat AI tanpa meninggalkan proses yang sudah biasa.
Apa yang dapat dipelajari oleh para pembuat AI perusahaan dari pendekatan Intuit
Pengalaman Intuit dalam menerapkan AI dalam konteks keuangan menunjukkan beberapa prinsip yang berlaku secara luas pada inisiatif AI perusahaan.
Arsitektur penting untuk kepercayaan: Di area di mana akurasi sangat penting, pertimbangkan apakah Anda perlu membuat konten atau menerjemahkan kueri data. Keputusan Intuit untuk memperlakukan AI sebagai lapisan antarmuka bahasa alami yang sinkron secara signifikan mengurangi risiko halusinasi dan menghindari penggunaan AI sebagai sistem generatif.
Kemampuan penjelasan harus dirancang, bukan dibaut: Menjelaskan kepada pengguna mengapa AI mengambil keputusan bukanlah pilihan ketika kepercayaan dipertaruhkan. Ini memerlukan desain pengalaman pengguna yang disengaja. Mungkin membatasi opsi formulir.
Kontrol pengguna menjaga kepercayaan diri selama peningkatan akurasi: Agen akuntansi Intuit meningkatkan akurasi klasifikasi sebesar 20 poin persentase. Namun, mempertahankan kemampuan penggantian pengguna sangat penting untuk penerapannya.
Beralih secara bertahap dari antarmuka yang sudah dikenal: Jangan memaksa pengguna untuk meninggalkan formulir percakapan. Sematkan kemampuan AI ke dalam alur kerja yang ada terlebih dahulu. Izinkan pengguna merasakan manfaatnya sebelum meminta mereka mengubah perilaku.
Jujurlah tentang apa yang reaktif versus proaktif: Agen AI saat ini terutama merespons perintah dan mengotomatiskan tugas tertentu. Kecerdasan proaktif sejati yang memberikan rekomendasi strategis yang tidak terduga masih merupakan kemampuan yang terus berkembang.
Atasi permasalahan tenaga kerja dengan alat, bukan hanya pesan: Jika AI dimaksudkan untuk meningkatkan kualitas pekerja, bukan menggantikan mereka, maka pekerja harus dilengkapi dengan alat AI. Tunjukkan pada mereka cara memanfaatkan teknologi.
Bagi organisasi yang mengadopsi AI, perjalanan Intuit menawarkan arah yang jelas. Pendekatan pemenang mengutamakan kepercayaan dibandingkan menunjukkan kemampuan. Dalam bidang di mana kesalahan memiliki konsekuensi yang nyata, hal ini berarti berinvestasi pada akurasi, transparansi, dan pengawasan manusia sebelum melakukan pengembangan percakapan atau tindakan independen.
Simpson menyampaikan tantangannya secara ringkas: "Kami tidak ingin itu menjadi lapisan yang dibaut. Kami ingin klien berada dalam alur kerja alami mereka, agar agen melakukan pekerjaan untuk klien, dimasukkan ke dalam alur kerja."
Berita
Natalia Neidhart menerbitkan otobiografinya

baruAnda sekarang dapat mendengarkan artikel Fox News!
Natalya Neidhart adalah salah satu nama terbesar dalam gulat profesional.
Dia adalah cucu dari pelatih gulat legendaris Stu Hart, putri Jim “The Anvil” Neidhart dan keponakan dari Bret Hart dan mendiang Owen Hart. Dia telah menjadi tokoh terkemuka di divisi wanita WWE sejak 2007 dan telah berkembang menjadi salah satu bintang paling populer di perusahaan tersebut.
KLIK DI SINI UNTUK CAKUPAN OLAHRAGA LEBIH LANJUT DI FOXNEWS.COM
Natalya Neidhart menghadiri pemutaran perdana “WWE Monday Night Raw” di Los Angeles di Netflix di Intuit Dome pada 6 Januari 2025 di Inglewood, California. (JC Oliveira/Getty Images)
Neidhart berbicara tentang semua cobaan dan kesengsaraan yang dia hadapi dalam hidupnya dalam otobiografinya, “The Last Hart Beating: From the Dungeon to WWE.” Neidhart membawa pembaca pada perjalanan dari awal mulanya dalam gulat profesional melalui semua momen tragis yang dialami keluarganya, termasuk kematian tragis ayah dan pamannya.
Dia mengatakan kepada Fox News Digital bahwa menulis buku adalah cara dia keluar dari zona nyaman dan menantangnya di level yang berbeda.
“Hal terpenting dalam menulis buku ini hanyalah tentang mencapai tujuan baru, tantangan baru, hal baru,” jelasnya. “Menulis buku adalah sesuatu yang selalu ingin aku lakukan, tapi aku juga takut untuk melakukannya. Setahun terakhir, aku benar-benar menaruh perhatian untuk menghadapi tantangan yang membuatku takut. Aku sudah berpikir untuk melakukan hal-hal seperti…itu bahkan bukan hal yang sangat membuatku takut, tapi hanya melakukan hal-hal di luar zona nyamanku, masuk ke dalam situasi yang tidak mudah seperti mengambil kepribadian baru atau mengerjakan proyek baru.”
“Menulis buku adalah sesuatu yang selalu ingin saya lakukan tetapi terus menundanya karena saya berpikir, ‘Jika saya menulis buku, saya hanya ingin buku itu sempurna.’
Neidhart menjelaskan secara rinci semua suka dan duka yang dia alami di industri ini.
Ia mengatakan bahwa ide utama yang diinginkannya adalah agar pembaca merasa seolah-olah sedang membaca sebuah cerita dan bukan sekadar biografi.

Natalia Neidhart menghadiri Build Series untuk membahas “Total Divas” di Build Studio pada 25 Oktober 2017 di New York City. (Fotografi Steve Zack/Sihir Film)
Kejuaraan Kelas Berat Dunia WWE dibatalkan karena cederanya Seth Rollins, pertandingan perebutan gelar antara bintang-bintang top
“Gulat adalah latar belakang cerita saya, namun buku ini menceritakan tentang pertandingan yang saya jalani atau bagaimana saya memulainya,” katanya. “Orang-orang yang membacanya, mereka tidak sabar untuk melanjutkan ke bab berikutnya karena ini adalah sebuah cerita. Mereka tidak sabar untuk mengetahui apa yang akan terjadi dalam cerita tersebut dan itu adalah cerita yang tidak diketahui orang-orang.”
Dalam satu contoh, Neidhart menulis tentang mengingat kembali perasaan seperti “yang terakhir tersisa” dari keluarganya dalam bisnis gulat profesional.
Tekanan tentu ada sepanjang karier Neidhart.
“Saya pikir ini hanya soal mencintai apa yang saya lakukan,” katanya kepada Fox News Digital. “Sulit dipercaya saya sudah berada di WWE selama hampir dua dekade, namun saya benar-benar menyukai apa yang saya lakukan. Sama seperti apa pun, akan ada hal-hal yang Anda sukai, akan ada hal-hal yang sulit, dan akan ada hal-hal yang menantang, namun tidak ada perasaan yang lebih hebat daripada berjalan melewati tirai melakukan sesuatu yang Anda sukai dan merasa senang karenanya.”
“Saya pikir hal yang paling penting bagi keluarga saya adalah keluarga saya telah melakukan banyak hal di industri ini, namun pada akhirnya, kami semua memiliki kesempatan untuk terjun ke industri ini untuk benar-benar mewujudkan impian kami, dan ini merupakan hal yang luar biasa.”
“The Last Hart Beating: From the Dungeon to WWE” akan dirilis pada hari Selasa.
Dia mengungkapkan harapannya agar para penggemar dapat “menyembuhkan” dengan membaca buku dan mempelajari pengalamannya.

Pegulat WWE Natalya Neidhart memegang sabuk juaranya di Build Studio pada 25 Oktober 2017 di New York City. (Astrid Stawiarz/Getty Images)
Klik di sini untuk mengunduh aplikasi FOX NEWS
“Jika pesan dalam buku saya dapat dijadikan acuan, jika ada yang mendapatkan sesuatu dari buku ini, saya harap ini dapat membantu mereka untuk sembuh,” katanya. “Anda dapat membaca buku saya tanpa mengetahui apa pun tentang gulat dan Anda akan sepenuhnya memahaminya.
“Dan itu adalah hal yang besar bagi saya — saya ingin menulis sebuah buku yang mudah dibaca dan Anda bisa menyukai gulat, Anda bisa membenci gulat, Anda tidak tahu apa-apa tentang gulat, dan Anda bisa sepenuhnya memahami buku itu karena ini tentang manusia dan hubungan, dan menurut saya buku itu akan menyembuhkan banyak orang.”
Ikuti Fox News Digital Liputan olahraga di X Dan berlangganan Buletin Huddle Olahraga Fox News.
Berita
Permainan perdagangan agen PayPal menunjukkan mengapa fleksibilitas, bukan standar, yang akan menentukan gelombang e-commerce berikutnya

Sementara bisnis yang ingin menjual barang dan jasa secara online menunggu Tulang punggung perdagangan agen untuk dibagi, PayPal Mereka berharap fitur-fitur barunya akan mengisi kesenjangan tersebut.
Perusahaan pembayaran ini meluncurkan solusi yang dapat ditemukan yang memungkinkan organisasi membuat produk mereka tersedia di platform obrolan apa pun, terlepas dari model atau protokol pembayaran agen.
PayPal, peserta Google‘S Protokol Pembayaran Agen (AP2)menemukan bahwa mereka dapat memanfaatkan hubungan mereka dengan pedagang dan institusi untuk membantu membuka jalan bagi transisi yang lebih mudah ke perdagangan agen dan menawarkan fleksibilitas yang mereka pelajari akan bermanfaat bagi ekosistem.
Belanja yang didukung AI akan terus berkembang, sehingga bisnis dan merek harus mulai meletakkan dasar sejak dini, kata Michelle Gill, manajer umum bisnis kecil dan layanan keuangan di PayPal, kepada VentureBeat.
“Kami pikir pedagang yang secara historis berjualan melalui toko web, khususnya di e-commerce, akan sangat membutuhkan cara untuk aktif dalam semua model bahasa besar ini,” kata Gill. “Tantangannya adalah tidak ada seorang pun yang benar-benar tahu seberapa cepat semua ini akan bergerak. Masalah yang kami coba bantu pikirkan adalah bagaimana melakukan semua ini dengan sentuhan sesedikit mungkin sambil menggunakan infrastruktur yang sudah Anda miliki tanpa integrasi besar.”
Dia menambahkan bahwa berbelanja dengan AI juga akan menyebabkan “kembalinya konsumen yang mencoba memastikan investasi mereka terlindungi.”
PayPal telah bermitra dengan pembuat situs web Minggu, Simbiodan perdagangan Alat belanja Untuk membawa produk ke platform obrolan seperti Kebingungan.
Belanja yang didukung agen
Layanan perdagangan proxy PayPal mencakup dua fitur. Yang pertama adalah Agent Ready, yang memungkinkan pedagang PayPal yang ada menerima pembayaran pada platform AI. Yang kedua disebut Shop Sync, yang memungkinkan data produk perusahaan ditemukan melalui berbagai antarmuka obrolan bertenaga AI. Dibutuhkan informasi katalog perusahaan dan mengirimkan data inventaris dan pemenuhan ke platform obrolan.
Data tersebut disimpan di gudang pusat tempat model AI dapat menyerap informasi tersebut, kata Gill.
Untuk saat ini, bisnis dapat mengakses sinkronisasi toko dengan Agent Ready yang akan hadir pada tahun 2026.
Agentic Commerce Services adalah solusi satu-ke-banyak, dan itu akan berguna saat ini, di mana MBA yang berbeda menggabungkan sumber data yang berbeda untuk menampilkan informasi, kata Gill.
Manfaat lainnya meliputi:
Integrasi cepat dengan mitra saat ini dan masa depan
Lebih banyak penemuan produk melalui pengalaman penelusuran tradisional, penjelajahan, dan keranjang belanja
Pertahankan wawasan dan hubungan pelanggan seiring merek terus mengontrol catatan dan komunikasi mereka dengan pelanggan.
Untuk saat ini, layanan ini hanya tersedia melalui Perplexity, namun Gill mengatakan lebih banyak platform akan segera ditambahkan.
Platform AI yang terfragmentasi
Perdagangan proksi masih dalam tahap awal. Agen AI mulai menjadi lebih baik dalam membaca browser. Meskipun platform seperti ChatGPT, Gemini, dan Perplexity kini dapat menawarkan produk dan layanan berdasarkan permintaan pengguna, orang belum dapat membeli sesuatu dari obrolan.
Saat ini terdapat perlombaan untuk menciptakan standar yang memungkinkan agen bertransaksi atas nama pengguna dan membayar barang. Berbeda dengan AP2 Google, OpenAI Dan tape Anda punya Protokol Perdagangan Proksi (ACP) Dan Visa Saya memecatnya Protokol Proksi Tepercaya.
Selain memungkinkan lapisan kepercayaan bagi agen untuk melakukan transaksi, masalah lain yang dihadapi organisasi dalam perdagangan agen adalah fragmentasi. Platform obrolan yang berbeda menggunakan model berbeda yang juga menafsirkan informasi dengan cara yang sedikit berbeda. PayPal telah belajar bahwa ketika bekerja dengan pedagang, fleksibilitas itu penting, kata Gill.
“Bagaimana Anda memutuskan apakah akan menghabiskan waktu Anda untuk berintegrasi dengan Google atau Microsoft atau ChatGPT atau Perplexity? Dan masing-masing dari mereka sekarang memiliki protokol yang berbeda, katalog yang berbeda, pengaturan yang berbeda, segalanya yang berbeda. Dibutuhkan banyak waktu untuk menentukan di mana Anda harus menghabiskan waktu Anda,” kata Gill.
Berita8 tahun agoThese ’90s fashion trends are making a comeback in 2017
Berita8 tahun agoThe final 6 ‘Game of Thrones’ episodes might feel like a full season
Berita8 tahun agoAccording to Dior Couture, this taboo fashion accessory is back
Berita8 tahun agoUber and Lyft are finally available in all of New York State
Berita8 tahun agoThe old and New Edition cast comes together to perform
Bisnis9 bulan agoMeta Sensoren Disensi Internal atas Ban Trump Mark Zuckerberg
Berita8 tahun agoPhillies’ Aaron Altherr makes mind-boggling barehanded play
Berita8 tahun agoNew Season 8 Walking Dead trailer flashes forward in time


