Inleiding

Voor elk bedrijf is een van de meest waardevolle componenten, zo niet de meest waardevolle, de werknemer. Goede werknemers maken of breken een bedrijf. Ze zijn geweldige leiders, uitstekende bouwers, fantastische bijdragers en bovenal geweldige mensen. De besten van de besten zijn in staat al deze facetten te combineren.

Deze mensen zijn vaak ook ongelofelijk duur en gewild. Zulke mensen wisselen vaak van baan, constant aangetrokken door nieuwe prikkels, betere betaling of een prestigieuzere baan. Het nadeel van het hebben van deze mensen in je bedrijf is dat je voor de meeste bedrijven weet dat ze op enig moment zullen vertrekken.

Dit geldt vooral als je iemand in je bedrijf hebt die veel potentie heeft. Iemand jong die alle potentie van een superster uitstraalt. Als je bedrijf eerder klein is, ben je bijna zeker deze persoon te verliezen. In essentie is er een directe correlatie tussen hoe klein je bedrijf is, en zijn toekomstperspectief, en de waarschijnlijkheid dat een superster je bedrijf zal verlaten.

Dit is zeer problematisch en kenmerkend voor de meeste bedrijven in de wereld. Het wordt verder verergerd door het feit dat bedrijven zoals Google en Facebook een bijna oneindige wervingscapaciteit hebben en meer dan bereid zijn een enorm salaris en prikkels te betalen om deze supersterren over te halen.

Er zijn duidelijke problemen met dit scenario, maar in grote lijnen blijven kleinere bedrijven klein omdat de supertalenten onvermijdelijk vertrekken. Ten tweede is het vanuit het perspectief van de bedrijfseigenaar geen goede investering om veel training of andere soorten investeringen in mensen zoals deze te stoppen. In wezen leg je de basis voor een andere werkgever.

‍

Het belang van AI-ontwikkeling in relatie tot het begrijpen en uitvoeren van taken vergeleken met mensen

Een recente technologische ontwikkeling, AI, heeft het mogelijk gemaakt om veel digitale workflows te automatiseren. Het ondersteunt mensen bij het voltooien van eenvoudige taken zoals schrijven, afbeeldingen creëren en plannen. Hierdoor is een groot deel van het werk dat iedereen kan doen, verlicht. Dat is AI zoals we die vandaag kennen.

Een recente ontwikkeling binnen het domein van AI, is het concept van agents. Agents zijn in wezen digitale entiteiten die in staat zijn taken uit te voeren binnen bepaalde grenzen. De beste manier om dit voor te stellen is als een computertool die je kunt opdragen een TAAK uit te voeren, waarbij de instructies bepaalde GRENZEN omvatten, volgend op een specifieke METHODE, gebruikmakend van een TOOL uit een specifieke lijst om een bepaald DOEL te bereiken. Let op dat alle in hoofdletters geschreven elementen door een mens worden gedefinieerd.

Waarom is dit een significante ontwikkeling? Simpelweg omdat AI ambiguïteit mogelijk maakt. Wat bedoel ik daar precies mee? Voor AI moest men een computer zeer precies instrueren, op een exacte manier. Als je wilde dat een computer een TAAK uitvoerde, moest je de instructies foutloos specificeren. Het moest perfect uitgedrukt worden, en deze uitdrukking, gedaan via bijvoorbeeld Python, kon slechts door een select aantal worden gedaan. Echter, wat AI mogelijk maakt, is dat de TAAK in een smalle of brede zin kan worden gedefinieerd, en vervolgens kunnen de instructies worden gegeven zonder alle stappen precies te definiëren. In plaats daarvan kunnen ze in brede zin worden gegeven.

Dit lijkt misschien een klein onderscheid, maar ik wil dit demonstreren met een concreet voorbeeld. Voor AI, als je een computer een tekst over de "Geschiedenis van Spanje" wilde laten schrijven en dat in een Word-bestand wilde opslaan, moest je het precies, woord voor woord, vertellen wat te schrijven en vervolgens de bijbehorende Python-code schrijven om een Word-bestand te maken. In de wereld van AI, kun je het vragen om een tekst over de "Geschiedenis van Spanje" te schrijven en dat op te slaan in een Word-bestand. Dit lijkt in zekere zin erg op de manier waarop je instructies aan een mens zou geven.

Dat is de significante verandering. Computers opdrachten geven om een taak te vervullen met computertaal (exact, precies, in een specifieke taal), naar mensentaal (ambigu, onnauwkeurig en in elke taal), is echt een heel groot iets. Anderzijds vereiste het uitvoeren van deze instructie door een computer een exacte richtlijn over hoe dit te doen. Nu met AI, kun je een set tools definiëren die de AI kan gebruiken (bijvoorbeeld een rekenmachine om wiskunde te doen) en de AI kan beslissen welk gereedschap te gebruiken.

Het belang hiervan is dat het computers en mensen, in het rijk van instructie en uitvoering, dichter bij elkaar brengt. We geloven dat deze gemarkeerde afwijking van hoe we communiceren en computers bedienen zonder AI naar een rijk van communiceren en bedienen van computers met AI alleen maar zal blijven toenemen. Meer specifiek zullen computers "menselijker" worden in hun vermogen om een taak te begrijpen en uit te voeren.

‍

Waarom de progressie naar agents eigenlijk niet te stoppen is

Instructies en uitvoeringen kunnen zowel in brede als in smalle zin worden gegeven. Je kunt de opdracht geven om "een bedrijf op te bouwen", een brede instructie, of een smalle instructie zoals "verplaats een bestand van de ene naar de andere map". We hebben vastgesteld dat AI's al erg goed zijn in het uitvoeren van smalle taken en een solide begrip hebben van hoe ze een brede taak moeten uitvoeren, maar nog steeds niet in staat zijn dit daadwerkelijk te doen. Dat komt omdat brede taken vaak bestaan uit heel veel samenhangende kleine taken. Echter, wat AI's dichter bij het daadwerkelijk uitvoeren van een brede taak brengt, is het opsplitsen van de brede taak in kleinere taken. Dit is ook wat mensen doen wanneer ze een grote taak moeten ondernemen. Een bedrijf deelt hun grote taak om een dienst of product te leveren op in kleinere taken en huurt vervolgens mensen in om die taken te voltooien.

We zien een toekomst waarin steeds meer van deze taken worden overgenomen of ondersteund door AI, specifieker door agents. Er zullen agents zijn, vergelijkbaar met mensen, die hyperspecialist zijn in het uitvoeren van één taak beter dan wie of wat dan ook. Dit zijn de types agents die wij op dit moment ontwikkelen, zoals offertestellers, virtuele assistenten, onderzoekers, enz.

Voor bedrijven zijn deze agents interessant omdat ze het bedrijf nooit zullen verlaten, nooit ziek worden, 24/7 werken en een vorm van composable automatisering bieden die nog nooit eerder is gezien.

We merken echter dat een agent die oorspronkelijk is ontworpen als offertesteller, naast het maken van offertes, ook wenselijk kan zijn voor het beantwoorden van onderzoeksvragen over historisch gestelde offertes, zoals "hoeveel offertes zijn er gesteld waarin cargo-trailers zijn verkocht, en wat leverde deze gemiddeld op?". Wanneer deze functionaliteit is toegevoegd, wil het bedrijf voor wie wij de agents bouwen ook graag dat de agent in staat is om bedrijfsdocumentatie te raadplegen bij het beantwoorden van deze vraag, omdat dit context biedt.

Wat je ziet is dat de functionaliteiten van de agents steeds verder worden uitgebreid. En als een functionaliteit eenmaal is geïmplementeerd en werkt, is er geen weg terug. Je gaat immers niet snel de-automatiseren. Het kan wel, maar in de praktijk gebeurt het weinig.

Natuurlijk is het niet allemaal simpelweg knip-en-plak of plug-and-play, en is het vaak pionieren. We stuiten nog op absolute beperkingen in de technologie. Echter, de toekomst voor AI agents ziet er positief uit.

‍

Wat is nodig om dit te realiseren?

Om deze toekomst te realiseren, moeten er vorderingen worden gemaakt op technologisch gebied. In essentie hebben we betere finetuning nodig, geavanceerdere RAG-technieken, betere vectorisatiemethoden en recall, we moeten de agents laten werken met geheugen dat actief en passief geheugen fijn afstemt, we moeten betere prompts kunnen schrijven, enzovoort.

Aan de andere kant van het spectrum is een cultuurverandering nodig. Hiermee bedoel ik dat we momenteel mensen zien als het enige type arbeidskracht dat we kunnen verkrijgen. We zien al enige verschuiving met robotica in de fysieke wereld, maar als het gaat om kantoorwerk specifiek, is er nog veel vooruitgang te boeken.

We zien echter al enige veranderingen, bijvoorbeeld Klarna heeft 700 werknemers van klantenservice naar andere gebieden van hun bedrijf verplaatst en heeft nu één enkele AI-agent dit werk laten doen. We hebben ook gezien dat in de wereld van financiën en bankieren, AI-agents beginnen met het overnemen van verantwoordelijkheden. Zo heeft JPMorgan een "Cashflow Agent" die 2500 van hun klanten bedient en het menselijk werk met 90% vermindert.

We staan echter nog maar aan het begin; er moet nog veel vooruitgang worden geboekt op zowel cultureel als technologisch vlak.

‍

Waarom we moeten streven naar een dergelijke toekomst

Allereerst voelen wij, als bedrijf, een sterke passie voor de rol die AI kan spelen in de arbeidsmarkt. We hebben uit eerste hand ervaring met het implementeren van tools die de werklast van werknemers veranderen. Over het algemeen merken we een sterke weerstand; verandering is iets wat over het algemeen wordt weerstaan. Echter, zodra werknemers met de agents werken en begrijpen dat het de agents zijn die het minder "leuke" werk doen, en in zekere zin toestaan dat het werk waarvoor de werknemers daadwerkelijk zijn aangenomen door hen wordt uitgevoerd, ervaren ze dat eigenlijk als prettig.

Wat we ontdekken is dat veel mensen worden belast door administratieve taken, het ordenen van gegevens, het sorteren van e-mails en allerlei taken die het intellect of de creativiteit van een persoon niet echt stimuleren. Dit zijn taken die je als werknemer het liefst uit handen geeft.

Om dit heel concreet te maken, als je een scheepvaartbedrijf bezit, zullen je werknemers dagelijks honderden e-mails lezen over potentiële vracht en aanbiedingen versturen. Dit is tijdrovend en niet echt mentaal stimulerend. Een agent dit werk laten doen, en de werknemers in plaats daarvan laten focussen op strategieën om nieuwe scheepvaartroutes op te bouwen of relaties met nieuwe vrachtleveranciers te bouwen – dat is veel toffer. Het is ook gewoon rondom beter voor het bedrijf.

Een andere kernreden die we vinden, is dat er een toekomst is van agent-tot-agent. Hierin zien we veel vooruitgang te boeken, waarbij agents met andere agents communiceren om dingen te doen zoals eenvoudige boekingen. Er is geen reden waarom jij als bedrijfseigenaar of werknemer naar zes verschillende boekingswebsites voor een vrachtwagen-aanhanger moet kijken, e-mailen over beschikbaarheid, specificaties, etc. wanneer je gewoon een AI-agent het werk voor je kunt laten doen. Die AI-agent zou communiceren met de AI-agents van die leveranciers, de beschikbaarheid inventariseren en je eenvoudig voorzien van een lijst met de meest aantrekkelijke leveranciers.

De laatste reden waarom we pleiten voor een op agents gerichte toekomst, is omdat het financieel en qua tijd gewoon beter is. Neem het voorgaande voorbeeld van het zoeken naar vrachtwagen-aanhangers, voor zowel de zoeker bespaart het tijd, en het biedt een overzicht van de beste beschikbare opties, waardoor het financieel aantrekkelijker wordt. Ook voor de leveranciers, als je de beste waarde-tot-aanhanger ratio hebt, bij wijze van spreken, en ze zijn beschikbaar, zullen AI-agents je vinden. Dit betekent dat je je kunt focussen op het bouwen van een betere dienstverlening, in plaats van een betere marketingstrategie.

De toekomst is nu, en de toekomst die bouwen wij bij Bytesize AI agent voor agent.

‍