Il dibattito sulla possibilità che l’intelligenza artificiale trasformerà le industrie è finito.
Martedì, al summit degli Agenti di Trasformazione di GeekWire a Seattle, i fondatori, i dirigenti e gli ingegneri presenti sono passati a domande più difficili: cosa funziona, cosa no e quanto velocemente si sta muovendo tutto. Il filo conduttore di quasi ogni conversazione è stato il passaggio dall’intelligenza artificiale come strumento di chat all’intelligenza artificiale come attore autonomo: un software program che non si limita a rispondere alle domande ma agisce da solo, migliorando man mano che procede.
Relatori di Microsoft, Amazon Net Providers, OpenAI e altri hanno descritto un mondo in cui i vincoli che hanno definito il loro lavoro per decenni si stanno dissolvendo e dove l’ostacolo più grande per acquisire quel valore non è la tecnologia, ma capire come riprogettare processi di lavoro e organizzazioni che non sono state costruite pensando a tutto questo.
Brokers of Transformation è stato presentato da Accenture e si basa su una serie editoriale in corso su GeekWire, anch’essa sottoscritta da Accenture, che mette in luce come startup, sviluppatori e giganti della tecnologia utilizzano agenti intelligenti per innovare.
Continua a leggere per riepiloghi rapidi e concetti chiave, ovviamente con l’aiuto dell’intelligenza artificiale, da ogni chat e dibattito davanti al caminetto.
Carlo Lamannavicepresidente esecutivo di Enterprise Functions & Brokers di Microsoft, ha aperto con un momento che ha attirato l’attenzione di tutti: un agente AI ha rifiutato 17 incontri per suo conto. Non li ho riassunti, non li ho contrassegnati, li ho rifiutati.
Per Lamanna, quello è stato il momento in cui l’intelligenza artificiale è passata dal recupero delle informazioni all’azione vera e propria. L’period dell’intelligenza artificiale come assistente di chat, ha sostenuto senza mezzi termini, è alle nostre spalle. “Il sole è tramontato.”
Tre punti salienti chiave:
- Non inventare nuove metriche per l’intelligenza artificiale. La trappola più grande in cui Lamanna vede cadere le aziende è la costruzione di elaborati sistemi di intelligenza artificiale scollegati dai risultati aziendali. La sua regola: utilizza i parametri che già possiedi: entrate, fidelizzazione, soddisfazione del cliente, costo per servire. “Nessuno può contare su 15 agenti distribuiti”, ha affermato. Se l’intelligenza artificiale non riesce a spostare un numero che interessa già al CEO, è un passion.
- Dai a tutti una grande intelligenza artificiale, concentrati su alcune grandi scommesse. Le trasformazioni IA di successo condividono due caratteristiche: ampio accesso agli strumenti da parte di tutta la forza lavoro e una piccola manciata di progetti advert alta priorità monitorati dall’alto verso il basso. Le aziende con 250 “progetti Gen AI” sono un campanello d’allarme, non una storia di successo.
- Il finances token è il nuovo numero di dipendenti. I workforce di Lamanna stanno già misurando la spesa per l’intelligenza artificiale per ingegnere come fattore di assunzione e i candidati stanno negoziando per questo. Un ingegnere gli ha detto che avrebbe accettato il lavoro solo se il suo workforce avesse avuto una sufficiente allocazione giornaliera di token. “Se assumi un ingegnere che ha vissuto in questo modo di codice agente e gli dici che il tuo finances in token al giorno è di $ 1”, ha detto, “diranno, ‘ci vediamo.'” (Leggi di più su questo punto qui.)
Giulia BiancaCMO di AWS, ha trascorso quasi tre decenni nel advertising e afferma che la sua sfida più grande in questo momento è disimparare gran parte di esso. Gli obiettivi a cui aveva rinunciato anni fa, come il advertising one-to-one realmente personalizzato su larga scala, sono improvvisamente tornati sul tavolo.
“Ogni giorno devo fermarmi e disimparare cose che pensavo fossero semplicemente vere”, ha detto al moderatore Andy Taychief globale – Accenture Cloud First. I vincoli che rendevano quei sogni impraticabili semplicemente non esistono più.
Tre punti salienti chiave:
- Lascialo strappare, in modo selettivo. Il workforce di White invia migliaia di e-mail al mese e per anni ognuna ha richiesto l’approvazione umana prima di essere inviata. Da allora hanno creato un processo monitorato che gradualmente ha guadagnato abbastanza fiducia da eliminare completamente quel passaggio. Nel frattempo, un esperimento che utilizza l’intelligenza artificiale per spot televisivi advert alta produzione ha insegnato loro altrettanto fallendo: hanno preso ciò che funzionava e lo hanno applicato agli annunci show digitali, passando da circa 100 varianti a molto di più, quasi senza sforzo.
- Inizia con ciò che le persone odiano fare. Il percorso più veloce verso l’adesione del workforce non è un grande progetto di trasformazione: consiste nell’eliminare le piccole cose fastidiose. White ha presentato una dimostrazione di un nuovo flusso di lavoro dei contenuti durante un intervento collettivo che ha ridotto un processo di pubblicazione da tre ore a 30 minuti. Nella sala è scoppiato un applauso spontaneo. “Si tratta di un nuovo livello elevato” per il lancio della tecnologia, ha aggiunto Tay.
- Assumi persone che non conoscono le regole. White ha detto che sta deliberatamente assumendo più neolaureati che mai, persone che non hanno alcuna thought su come il advertising abbia sempre funzionato. La sua logica: gli occhi nuovi non devono disimparare nulla.
Deepak Singh ha trascorso quasi 20 anni presso Amazon Net Providers costruendo strumenti per sviluppatori di software program e il suo riassunto in quattro parole della sua routine quotidiana cube tutto sulla situazione: “Vivo con gli agenti”.
Il vicepresidente di Kiro, l’ambiente di sviluppo basato sull’intelligenza artificiale di Amazon, gestisce ogni giorno quattro agenti personalizzati: uno per la ricerca, uno che scrive nel suo stile personale, uno che elabora la posta elettronica e uno che redige documenti interni. Non una dimostrazione. Come funziona realmente.
Tre punti salienti chiave:
- Il modo in cui adotti conta più che se adotti o meno. Uno studio interno di Amazon condotto su 40-50 workforce di ingegneri ha rilevato un netto divario: i workforce che hanno integrato gli agenti IA nei flussi di lavoro esistenti sono diventati più veloci del 20-40%. I workforce che hanno ristrutturato l’intero ambiente attorno agli agenti (repository più puliti delle modifiche alla codifica, migliore documentazione, istruzioni chiare) sono diventati da 3 a ten volte più veloci. La differenza non erano gli strumenti. Period l’impostazione.
- I tuoi guardrail sono stati costruiti per gli umani. Il punto più acuto di Singh sulla sicurezza degli agenti: ogni politica e autorizzazione nella tua organizzazione è stata progettata per la velocità umana. Gli agenti non si stancano, non si arrendono e non si fermano a chiedere aiuto: continuano e basta, il che significa che possono ripetere lo stesso errore centinaia di volte prima che qualcuno se ne accorga. Le autorizzazioni progettate per le persone devono essere ripensate interamente per i sistemi che non dormono mai.
- Usali a casa, non solo al lavoro. Il consiglio conclusivo di Singh è andato oltre rispetto alla maggior parte degli altri: non limitarsi a impiegare agenti a livello professionale, vivere con loro personalmente. Più diventerai fluente, più ne uscirai quando conta.
Tre professionisti che trascorrono le loro giornate nel disordinato mezzo dell’implementazione dell’IA – non vendendola, anzi facendola – continuano a tornare sullo stesso tema scomodo: la tecnologia è la parte facile.
Angela Garinger di sensibilizzazione, Jeremy Tryba dell’organizzazione no-profit Ai2 per la ricerca sull’intelligenza artificiale, e Liat Ben-Zur di LBZ Advisory hanno osservato che le promettenti implementazioni dell’IA si sono bloccate non perché gli strumenti hanno fallito, ma perché lo hanno fatto gli esseri umani intorno a loro. Il panel è stato moderato da Emily Parkhurst Di Media formidabili.
Punti salienti:
- Stretto batte ampio, ogni volta. Il panel ha convenuto che le aziende che annunciano una radicale trasformazione dell’intelligenza artificiale in intere organizzazioni sono quelle che hanno maggiori probabilità di fallire. I vincitori stanno operando in modo chirurgico: scegliendo un compito particolarmente noioso, inserendo un agente, misurando il risultato e quindi ridimensionando. “Quelli che hanno davvero successo sono molto esigenti su quale flusso di lavoro advert alto attrito vogliono intraprendere per primo”, ha affermato Garinger.
- La paura è il vero ostacolo all’adozione. Ben-Zur ha descritto uno schema che vede costantemente: un progetto pilota funziona magnificamente, i primi advert adottarlo lo adorano, e poi l’implementazione semplicemente… si ferma. Quando i workforce si impegnano, la ragione è quasi sempre la paura: paura di essere sostituiti, paura di essere giudicati quando lo strumento commette un errore.
- La chiarezza sblocca tutto. Tryba ha descritto di aver visto anche ricercatori tecnicamente sofisticati esitare a utilizzare gli strumenti di intelligenza artificiale perché non erano sicuri di cosa potevano farne. La soluzione period semplice: una chiara matrice di usi approvati, pubblicata su Slack. Il giorno dopo tutti si erano iscritti. Il permesso, si scopre, è una funzione forzante.
- Tieni traccia di parametri significativi. Ai chief piace pubblicizzare le ore risparmiate e la percentuale di dipendenti che utilizza l’intelligenza artificiale, ma Ben-Zur ha affermato che devono considerare i parametri che hanno sempre apprezzato: le entrate sono migliorate, la fidelizzazione è più elevata, una funzionalità ha prestazioni migliori. “Non misurerei quante ore le persone risparmiano, advert esempio ‘Joey ha risparmiato cinque ore.’ Non mi interessa. Cosa si traduce in questo per l’azienda?”
Vijaye RajiCTO delle app e capo dell’ingegneria presso il nuovo ufficio Bellevue di OpenAI, ha una mossa distintiva: tenere aperto il suo laptop computer durante le riunioni in modo che Codex, lo strumento di codifica AI dell’azienda, possa continuare a costruire mentre è lontano dalla scrivania. È una metafora adatta per il modo in cui pensa all’intelligenza artificiale in questo momento: sempre in corsa, sempre in combinazione. Il veterano di Meta e fondatore della società di check A/B Statsig ha parlato di come ci si sente a vivere alla frontiera.
Tre punti salienti chiave:
- Tutti sono costruttori adesso. Raji si è costruito uno Slack personale e un riepilogo delle e-mail, in esecuzione localmente, senza cloud e senza costi di sicurezza, in un pomeriggio utilizzando Codex. Il suo punto: la barriera che impedisce di creare software program personalizzato per se stessi è sostanzialmente crollata. “Tutti diventeranno costruttori”, ha detto.
- L’eccesso di capacità è il vero problema. I modelli hanno superato il modo in cui la maggior parte delle persone li usa. Raji lo chiama “eccesso di capacità” e le persone che colmano questo divario, ha detto, sono già molte volte più produttive di coloro che non se ne sono accorti.
- Gli ingegneri stanno diventando gestori di agenti. La prossima ondata non riguarda solo la codifica assistita dall’intelligenza artificiale: è un passaggio a collo di bottiglia. I guadagni di produttività derivanti dall’intelligenza artificiale sono ora così rapidi che il nuovo vincolo è che gli esseri umani rivedano tutto il codice in arrivo. Il titolo professionale del futuro, ha suggerito, è essenzialmente “supervisor di agenti”.
Grazie allo sponsor che ha presentatoAccenture; sponsor d’oroNebioEMercato AWS; e sponsor d’argentoPartner del Primo Team,Soluzioni aziendali sorprendenti,OneByZero, Autessa, Paga-i, GemaTEG, CascataE WTIAper aver contribuito a rendere possibile l’evento.
