Prawie każda negatywna prognoza dotycząca wpływu automatyzacji z czasem okazuje się błędna. Spędzamy cały czas, patrząc na dzisiejszą gospodarkę i wyobrażamy sobie, że automatyzacja dotyczy tylko tego, jak pracujemy dzisiaj, co w efekcie zmniejsza zatrudnienie. W rzeczywistości, w prawie każdym przypadku, wykorzystujemy tę automatyzację do robienia *więcej* niż wcześniej, co tworzy nowy zestaw miejsc pracy i zadań. Ostatecznie jako społeczeństwo zyskujemy lepsze wykorzystanie naszego czasu, nowe osiągnięcia medyczne, lepsze bezpieczeństwo, tańsze oferty w prawie każdej kategorii produktów i usług oraz możliwości ekonomiczne dla większej liczby ludzi. AI będzie w dużej mierze wykorzystywane do przekierowywania ludzi z mniej strategicznych zadań do bardziej strategicznych obszarów w każdej firmie i w całej gospodarce. Ekonomicznie opłacalne jest, aby inżynierowie oprogramowania tworzyli funkcje dla nowych problemów klientów; mniej opłacalne jest, aby większość ich czasu poświęcać na naprawę błędów i utrzymanie starych baz kodu. AI pozwala nam poprawić ten stosunek. To nie zmniejsza zapotrzebowania na inżynierię oprogramowania, lecz zwiększa to, co można teraz zrobić z tymi zasobami. Ta sama analogia będzie miała zastosowanie w przypadku większości form pracy opartej na wiedzy dzisiaj. A dla firm, które tymczasowo wykorzystują AI tylko do maksymalizacji zysków, ostatecznie przegrają na rzecz firm, które wykorzystują AI do lepszego obsługiwania klientów (w postaci niższych kosztów dla klienta lub lepszej jakości produktów). Rynek jest całkiem dobry w zapewnieniu tego. To nie znaczy, że nie powinniśmy robić nic. Ale rzeczy, które powinniśmy robić, to to, co zawsze powinniśmy robić, aby gospodarka lepiej działała dla ludzi: obniżyć koszty mieszkań, poprawić edukację i uczynić ją tańszą, ułatwić budowanie, abyśmy mogli stworzyć więcej miejsc pracy tutaj, obniżyć koszty opieki zdrowotnej i tak dalej. Przypadkowo AI pomoże w niektórych z tych kwestii, ale to jest miejsce, w którym powinniśmy stosować większość naszej energii regulacyjnej.

Wartość ekonomiczna związana z obecnym paradygmatem LLM, zakładając dalszy postęp podobny do tego, co widzieliśmy w ubiegłym roku, jest już ogromna. Nie musisz przyjmować jakiejś nieokreślonej definicji AGI, aby dostrzec znaczący wpływ AI. Agent AI, który ma dostęp do narzędzi, może przetwarzać zewnętrzne źródła danych, działać na innych systemach i modyfikować swoje zachowanie w oparciu o specyficzny dla danej dziedziny systemowy prompt i kontekst, jest już szablonem dla szerokiego wpływu ekonomicznego w wielu dziedzinach. Największa różnica między tym podejściem a AGI/ASI polega na tym, że użytkownik narzędzia pozostaje w pętli i musi co jakiś czas mieć ręce na „kierownicy”. Ale to już samo w sobie stanowi znaczną wartość ekonomiczną i otwiera dużą ilość użytecznych możliwości dla większości osób i firm.

Przeprowadziliśmy naszą najnowszą ewaluację zaawansowanego rozumowania Box AI na Opus 4.5 z średnim i wysokim wysiłkiem i zauważyliśmy wzrost o 20 punktów procentowych w porównaniu do Opus 4.1. To szalone, że Opus 4.1 pojawił się zaledwie 3 miesiące temu. Ta ewaluacja zbliża się do przybliżenia tego, co robi pracownik wiedzy jako odrębne zadanie z ich dokumentami przedsiębiorstwa. Może to być analityk finansowy, który analizuje firmę, lub konsultant prowadzący badania dla klienta. Ewaluacja ocenia model na podstawie tego, jak odpowiada na złożony biznesowy prompt w różnych kryteriach. Jesteśmy wciąż na wczesnym etapie tej ewaluacji i będziemy ją rozszerzać na szerszy zakres branż i przypadków użycia. Jasne jest, że te najnowsze modele rozumowania będą coraz lepsze w ekonomicznie użytecznej pracy w każdej aktualizacji. To zaczęło się początkowo od kodowania, ale zobaczymy podobne ulepszenia w opiece zdrowotnej, prawie, usługach finansowych, produkcji i wielu innych dziedzinach.