Dari chatbots ke kolaborator: bagaimana agen AI membentuk kembali pekerjaan lembaga

Scott White masih terkejut dengan transformasi cepat kecerdasan buatan dari modernitas menjadi mitra bisnis yang nyata. Sedikit lebih dari setahun yang lalu, produk mengarah Claude ai di dalam pria Saya menonton alat pengkodean kecerdasan buatan lebih awal tidak dapat menyelesaikan satu baris kode. Hari ini, ia sedang membangun program yang siap diproduksi untuk dirinya sendiri-meskipun ia bukan programmer profesional.

White berkata selama percakapan di sisi api: “Saya tidak lagi menganggap pekerjaan saya sebagai menulis PRD dan saya mencoba membujuk seseorang untuk melakukan sesuatu,” kata White saat percakapan di api. VB mengonversi 2025KTT Lembaga Tahunan VentureBeat di San Francisco. “Hal pertama yang saya lakukan adalah, dapatkah saya membangun model bisnis pertama untuk ini di server pascasarjana kami dan kemudian membagikan tampilan percobaannya.”

Transformasi ini merupakan perubahan yang lebih luas dalam bagaimana institusi diadopsi oleh Amnesty International, karena mereka melebihi kelompok obrolan sederhana yang menjawab pertanyaan tentang sistem “agen” canggih yang mampu melakukan pekerjaan independen. Pengalaman putih memberikan sekilas tentang apa yang mungkin terjadi pada jutaan pekerja pengetahuan lainnya.

Dari menyelesaikan kode hingga pemrograman independen: Pengembangan Kecerdasan Buatan Ratusan

Perkembangannya secara signifikan cepat. Saat White bergabung dengan antropor, perusahaan Claude 2 Model dapat menangani penyelesaian teks dasar. melepaskan Claude 3.5 Sonata Dimungkinkan untuk membuat seluruh aplikasi, yang mengarah ke fitur seperti Artefak Ini memungkinkan pengguna untuk membuat fasad khusus. Sekarang, dengan Claude 4 Mencapai 72,5 % Swe-benchModel ini dapat berfungsi sebagai White menyebutnya “insinyur perangkat lunak agen yang benar -benar jauh.”

Ikon ClaudeAlat pengkodean terbaru untuk perusahaan, seluruh analisis codebase, dapat mencari di internet untuk dokumen API, mengeluarkan permintaan penarikan, menanggapi tinjauan komentar kode, dan mengulangi solusi – semua ini sambil bekerja sebagai tidak aman selama berjam -jam. White Catatan bahwa 90 % dari kode Claude itu sendiri ditulis oleh sistem kecerdasan buatan.

“Ini seperti seluruh agen di latar belakang yang tidak mungkin enam bulan lalu,” White menjelaskan.

Giants of the Foundation memotong waktu kerja dari minggu menjadi menit dengan agen kecerdasan buatan

Efek pengembangan perangkat lunak. Novo NordskRaksasa obat Denmark, menggabungkan Claude ke dalam kemajuan pekerjaan yang sebelumnya memakan waktu 10 minggu untuk menyelesaikan laporan klinis, yang sekarang mengakhiri pekerjaan yang sama dalam 10 menit. Gitllab Teknologi digunakan untuk semuanya, mulai dari proposal penjualan hingga dokumen teknis. Intuit Claud diterbitkan untuk memberikan saran pajak langsung kepada konsumen.

White membedakan antara berbagai tingkat integrasi kecerdasan buatan: model bahasa sederhana yang menjawab pertanyaan, model yang diperkuat dengan alat -alat seperti mencari di web, fungsi pekerjaan terorganisir yang mengintegrasikan kecerdasan buatan ke dalam proses komersial, dan agen lengkap yang dapat mengikuti tujuan secara independen menggunakan banyak alat dan pengulangan.

White berkata: “Saya berpikir tentang agen sebagai sesuatu yang memiliki tujuan, dan kemudian dia dapat melakukan banyak hal untuk mencapai tujuan ini,” kata White. Faktor kuno utama adalah apa yang “tak terkalahkan” hubungan antara kecerdasan model dan kemampuan produk baru.

Revolusi Infrastruktur: Membangun Jaringan Kolaborator dengan Kecerdasan Buatan

Pengembangan infrastruktur kritis adalah Protokol konteks khas antropologi (MCP), yang White gambarkan sebagai “USB-C untuk integrasi”. Alih -alih perusahaan yang membangun kontak terpisah untuk setiap sumber atau alat data, MCP menyediakan metode terpadu sistem kecerdasan buatan untuk mengakses program lembaga, dari Salesforce hingga gudang pengetahuan internal.

“Ini benar -benar akses demokratis ke data,” kata White, mencatat bahwa integrasi yang dirancang oleh satu perusahaan dapat dibagikan dan digunakan kembali oleh orang lain melalui protokol open source.

Untuk organisasi yang ingin mengimplementasikan agen kecerdasan buatan, White merekomendasikan awal yang kecil dan konstruksi bertahap. “Jangan mencoba membangun sistem agen lengkap dari awal,” saran. “Bangun komponennya, pastikan komponen berfungsi, lalu buat komponen berikutnya.”

Dia juga menekankan pentingnya sistem evaluasi untuk memastikan kinerja agen kecerdasan buatan dengan cara yang dimaksud. “Eval adalah PRD baru,” kata White, merujuk pada dokumen persyaratan produk, sambil menyoroti bagaimana perusahaan mengembangkan cara baru untuk menilai kinerja kecerdasan buatan dalam tugas kerja yang ditentukan.

Dari Asisten Kecerdasan Buatan hingga Organisasi Kecerdasan Buatan: Tenaga Kerja Berikutnya adalah Tenaga Kerja

Melihat masa depan, White membayangkan pengembangan kecerdasan buatan untuk pekerja non -teknis, mirip dengan bagaimana kemampuan pengkodean dikembangkan. Dia membayangkan masa depan di mana individu tidak hanya mengelola satu pelanggan, tetapi organisasi lengkap dari sistem kecerdasan buatan khusus.

“Bagaimana semua orang bisa menjadi CPO atau CEO mini?” Dia bertanya pada White. “Aku tidak tahu persis apa yang terlihat, tapi ini adalah hal yang aku bangun dan ingin sampai di sana.”

Transformasi White mencerminkan tren industri yang lebih luas ketika perusahaan bergulat dengan kemampuan AI yang berkembang. Meskipun adopsi awal berfokus pada kasus penggunaan eksperimental, institusi semakin mengintegrasikan kecerdasan buatan ke dalam proses komersial dasar, yang terutama mengubah cara melakukan pekerjaan.

Ketika agen kecerdasan buatan menjadi lebih mandiri dan mampu, tantangan dari mesin pengajaran berubah menjadi tugas untuk mengelola kolaborator dengan kecerdasan buatan yang dapat bekerja secara mandiri untuk waktu yang lama. Untuk telur, masa depan ini sudah mencapai – satu fitur produksi secara bersamaan.