Před pár lety byla interakce s AI postavena na otázce a rychlé odpovědi, například jste si nechali napsat unit test nebo část dokumentace. Malá jednotka práce, rychlá reakce. Dnes zadáváte agentům celé specifikace kódu, na kterých pracují několik desítek minut včetně testování a nasazení, nebo konkrétní úlohy s využitím Excelu a následným vygenerováním výsledků do prezentace. Okamžik mezi jednotlivými vstupy člověka se tak výrazně prodloužil - vstupujete méně často, mezi vstupy se toho stane víc.
Povaha práce s AI se mění a odpoutala se od asistentů, kteří žili tempem svého člověka. Agenti běží ve dne v noci, mají své vlastní týmy, ale také jsou součástí těch vašich. Vstup člověka se začíná posouvat z detailní instrukce či specifikace směrem k definici záměru.
AI se tak posouvá do obchodního modelu postaveného na tokenech a firmy tak mají lidský a tokenový kapitál, jehož optimální kombinací vzniká hodnota. Jsou to právě lidé - harness, kontext a kontinuální učení, které bude odlišovat firmy od konkurence.
Agenti mění co je jedna jednotka práce
Méně detailních instrukcí, víc kontextu a kontinuálního učení.
To je ale také důvodem proč u obrazovky agenty čím dál méně čekáme, ale otevřeme jinou session a v ní řešíme něco jiného. Procházíme deset běžících agentů a sledujeme kdo potřebuje pomoci, kdo má nějakou otázku nebo už má hotovo. Můžete i večer na noc rozdat úkoly a jít spát, na výsledky agentů se podíváte ráno.
Někteří se dnes posouvají o jednou outer loop nahoru a místo promptování agenta mají agenta předáka, který pak agenty promptuje. Zejména s nejsilnějšími modely začíná být možné místo zadávání detailní specifikace pro jeden úkon řešit s předákem váš záměr, intent, a ten potom udělá specifikace a napromptuje jednotlivé agenty.
Ve finále ale nezůstaneme u toho, že každý má svých pár agentů nebo agentických týmů. Přichází smíšené týmy agentů a lidí a potkávají se na platformách, které pro spolupráci dávají největší smysl - GitHub pro vývoj a Teams pro běžnou práci.
Nová AI ekonomika
Consumption billing a odemykání hodnoty tokenů lidským kapitálem.
Dokud bylo AI ve formě asistenta běžícího v rychlosti lidí, bylo možné pracovat s licenčními modely na základě uživatele - podobně jako Spotify či Netflix, které mají rovněž přirozené limity spotřeby dané dobou bdělosti člověka. Dnes už ale agenti nespí a nejsou vázáni na váš čas.
Jakmile tedy řešíme consumption billing, začne být cena a hodnota tokenů důležitá. Cena je daná velikostí a výrobcem modelu a je velmi užitečné mít široké možnosti výběru, což snižuje rizika a otevírá více prostoru pro úspory. Hodnota ale vychází z toho, co s tokeny dokážeme.
Ve firmách tak bude existovat lidský a tokenový kapitál a mít jen jedno nebo druhé nebude dávat optimální výsledky. Právě lidé jsou to, co dává tokenům hodnotu - spotřebovaný benzín nemá hodnotu, když auto jezdí dokola, ale má, když mu dáte směr a odveze vás kam chcete.
Hodnota tedy není v generickém modelu, ten mají všichni stejný, ale v tom, co je pro vás unikátní. Váš kontext, skilly, zkušenosti nebo ladění a trénování modelů, prostředí pro jejich samo-vzdělávání (RLE tělocvičny) nebo zpětná vazba od lidí, to je budoucnost hodnoty vašich AI řešení. Generický model je nový zaměstnanec, chytrý, ale užitečný ještě není. Proškolení, kontext, starší případy, možnost si to vyzkoušet a zpětná vazba jsou to, co zvýší jeho hodnotu.
AI hodnota nebude v tom, kolik tokenů spálíte, ale jak dobře je lidé dokážou proměnit v kontext, učení a výsledky.