Nous commençons à avoir une idée plus claire de l'ampleur de la surface de l'ingénierie contextuelle. Pour construire des agents IA, en théorie, cela devrait être aussi simple que d'avoir un modèle super puissant, de lui donner un ensemble d'outils, d'avoir un très bon prompt système et de lui donner accès à des données. Peut-être qu'à un moment donné, cela sera vraiment aussi simple. Mais en pratique, pour créer des agents qui fonctionnent aujourd'hui, vous devez jongler avec un équilibre délicat entre ce qu'il faut donner à l'agent global et à un sous-agent. Quelles choses rendre agentiques contre un simple appel d'outil déterministe. Comment gérer les limitations inhérentes de la fenêtre contextuelle. Vous devez comprendre comment récupérer les bonnes données pour la tâche de l'utilisateur, et combien de puissance de calcul consacrer au problème. Comment décider ce qu'il faut rendre rapide, au risque de diminuer la qualité, contre lent mais peut-être ennuyeux. Et d'innombrables autres questions. Jusqu'à présent, il n'y a pas de réponse unique à tout cela, et il y a des compromis significatifs pour chaque approche que vous adoptez. Et surtout, bien faire cela nécessite une compréhension approfondie du domaine pour lequel vous résolvez le problème. Gérer ce problème dans le codage IA est différent du droit, qui est différent des soins de santé. C'est pourquoi il y a tant d'opportunités pour les jeux d'agents IA en ce moment.

Il existe de nombreuses compétences ou tâches dans l'économie qui connaîtront une demande beaucoup plus forte une fois que la complexité ou le coût diminueront. Le logiciel est un exemple parfait, où nous sous-utilisons de manière dramatique le code dans le monde parce qu'il a toujours été trop coûteux ou difficile à générer. Nous allons maintenant passer directement à la programmation beaucoup plus que nous ne l'aurions jamais fait auparavant, car c'est tellement plus facile : concevoir des logiciels, les tester, générer des applications internes, les utiliser pour prototyper, essayer plusieurs approches pour le même problème, et ainsi de suite. Voici un exemple simple de ce à quoi cela ressemble. Grâce aux agents AI gérant la plupart du travail, nous avons maintenant des ingénieurs commerciaux chez Box construisant des prototypes personnalisés complets pour les clients avec l'environnement simulé du client intégré à Box. C'est une tâche qui aurait auparavant été trop chronophage à réaliser pour les clients, donc à la place, ils se contentaient de faire une démonstration ou une présentation générique. Mais maintenant, avec les agents AI, ce type de tâche est enfin rentable (et semble beaucoup plus réalisable). Nous allons voir cela encore et encore dans le logiciel, mais aussi dans presque tous les domaines du travail intellectuel, alors que chaque catégorie de compétence rare devient plus accessible. Ironiquement, cela créera beaucoup plus d'emplois que les gens ne le réalisent en raison de la nouvelle demande pour que les gens effectuent ce type de travail.

C'est tout simplement fou d'avoir ça dans un avion. Veuillez en faire une loi stipulant que tous les vols commerciaux doivent avoir Starlink. Félicitations @elonmusk