Wir beginnen, ein klareres Zeichen dafür zu bekommen, wie groß die Oberfläche des Kontext-Engineerings sein wird. Um KI-Agenten zu erstellen, sollte es theoretisch so einfach sein, ein super leistungsstarkes Modell zu haben, ihm eine Reihe von Werkzeugen zu geben, einen wirklich guten Systemprompt zu haben und ihm Zugang zu Daten zu gewähren. Vielleicht wird es irgendwann wirklich so einfach sein. Aber in der Praxis, um Agenten zu erstellen, die heute funktionieren, muss man ein empfindliches Gleichgewicht finden, was man dem globalen Agenten im Vergleich zu einem Unteragenten geben sollte. Welche Dinge man agentisch machen sollte vs. nur einen deterministischen Werkzeugaufruf. Wie man mit den inhärenten Einschränkungen des Kontextfensters umgeht. Man musste herausfinden, wie man die richtigen Daten für die Aufgabe des Benutzers abruft und wie viel Rechenleistung man für das Problem aufwenden sollte. Wie man entscheidet, was man schnell machen sollte und dabei potenzielle Qualitätsverluste in Kauf nimmt, vs. langsam, aber vielleicht nervig. Und endlose andere Fragen. Bisher gibt es keine richtige Antwort auf all dies, und es gibt bedeutende Kompromisse für jeden Ansatz, den man wählt. Und wichtig ist, dass es erfordert, dies richtig zu machen, ein tiefes Verständnis des Bereichs zu haben, für den man das Problem löst. Mit diesem Problem im Bereich der KI-Programmierung umzugehen, ist anders als im Recht, was anders ist als im Gesundheitswesen. Das ist der Grund, warum es gerade jetzt so viele Möglichkeiten für KI-Agenten gibt.

Es gibt viele Fähigkeiten oder Aufgaben in der Wirtschaft, die viel mehr Nachfrage erfahren werden, sobald die Komplexität oder die Kosten sinken. Software ist ein perfektes Beispiel, bei dem wir den Code in der Welt dramatisch unterutilisieren, weil es immer zu teuer oder schwierig war, ihn zu generieren. Wir werden jetzt direkt zum Programmieren übergehen, viel mehr als wir es jemals zuvor getan hätten, weil es so viel einfacher ist: Software entwerfen, sie testen, interne Apps generieren, sie zum Prototyping verwenden, mehrere Ansätze für dasselbe Problem ausprobieren und so weiter. Hier ist ein einfaches Beispiel, wie das aussieht. Aufgrund von KI-Agenten, die die meiste Arbeit erledigen, haben wir jetzt Vertriebsingenieure bei Box, die vollständige maßgeschneiderte Prototypen für Kunden mit der simulierten Umgebung des Kunden und Box integriert darin erstellen. Das ist eine Aufgabe, die zuvor zu zeitaufwendig gewesen wäre, um sie für Kunden zu erledigen, also hätten sie stattdessen einfach eine generische Demo oder Präsentation gemacht. Aber jetzt mit KI-Agenten ist diese spezielle Art von Aufgabe endlich ROI-positiv (und fühlt sich viel erreichbarer an). Wir werden dies immer wieder in der Software sehen, aber auch in fast jedem Bereich der Wissensarbeit, da jede Kategorie seltener Fähigkeiten zugänglicher wird. Ironischerweise wird dies viel mehr Arbeitsplätze schaffen, als die Menschen realisieren, aufgrund der neuen Nachfrage nach Menschen, die diese Art von Arbeit leisten.

Es ist einfach so verrückt, das in einem Flugzeug zu haben. Bitte machen Sie es zu einem Gesetz, dass alle kommerziellen Flüge Starlink haben müssen. Glückwunsch @elonmusk