Insinööri ja innovaattori Matteo Zamparinin mielestä yksi merkittävimmistä tuottavuuden pullonkauloista nykyaikaisessa maailmassa ei ole lahjakkuuden puute tai kunnianhimoisuuden puute, vaan se on aikaa, joka hukataan toistuviin tehtäviin.
Pakettien karttojen jäljittämisestä datatieteiden harjoittelijana startup-yrityksen perustajaksi, joka tunnisti uusiutuvan energian mahdollisuudet kaupallisten kiinteistöjen omistajille, hänen uransa on noudattanut johdonmukaista teemaa: rakentaa teknologiaa grunt-työn automatisoimiseksi niin, että ihmisen työtä voidaan käyttää strategisempiin tehtäviin.
Y Combinatorin tukeman yrityksen PropRisen perustajana insinöörinä hän rakentaa AI-agentteja, jotka työskentelevät ympäri vuorokauden valtavan määrän erilaisia kiinteistötietoja ja tuottavat oivalluksia, jotka paljastavat mahdolliset investointimahdollisuudet.
Kaikki pyörii hänen näkemyksensä maailmasta, jossa tekoäly ei ainoastaan auta ihmisiä, vaan yhdistää heidät työvoimaan suorittaakseen pitkäaikaisia tehtäviä.
Manuaalisen tietojen analysoinnin todelliset kustannukset
Ohjelmistoavustetussa maailmassa digitaalisten työkalujen puute ei ole enää tärkein ongelma.
Opiskelijan harjoittelijana hän käytti kuukausia käyttämällä työkaluja, kuten digitaalisia karttoja, sallimalla sivustojen, tilastollisten tietojenkäsittelyohjelmien ja kiinteistöluetteloiden verkkosivustojen kerätä ja lopulta analysoida tietoja, joita voitaisiin käyttää investointi- ja kehityspäätösten tekemiseen. ”Muistan ajattelevan: ’Lidarilla rakennettu satelliittikuvaus on cool’, ”hän kertoo. ”Mutta viettää viikkoja karttojen ja verkkosivustojen löytämisessä oikeiden tietopisteiden löytämiseksi todella ihmisen älykkyyden parasta käyttöä?”
Tämä oli yksi näkemyksistä, jotka herättivät ajatuksen Spaceflare, startup hän perusti kollegansa UC Irvine opiskelijoiden valmistumisen jälkeen vuonna 2021. Malli hän rakensi käytti julkisia tietoja ja satelliittikuvia tunnistaa ominaisuuksia, jotka voisivat olla hyvä sopii aurinkopaneelien asennus, jolloin puhtaan energian yritykset ja kiinteistön omistajat voivat nopeasti tunnistaa mahdolliset mahdollisuudet energian tuotantoon ja tuloihin.
Prosessi, joka olisi todennäköisesti kestänyt viikkoja manuaalisen analyysin, voitaisiin nyt tehdä minuutissa Spaceflare.
Building AI Agents that Act and Reason—Within Reason
Rakenna AI-agentteja, jotka toimivat ja järkevät – syyn sisälläTänään Zamparini on kehittäjä AI-agenttien takana, jotka
PropRise ei ole vain toinen koneoppimistyökalu, joka automatisoi tietojen keräämisen; sen edustajat toimivat itsenäisesti, rakentavat löytämistään tiedoista ja arvioivat jatkuvasti monenlaisten lähteiden uskottavuutta ja tarkkuutta.
”Olemme kehittäneet agenttijärjestelmiä, jotka voivat pohtia, toimia ja jopa hakea ihmisen palautetta tai hyväksyntää keskellä tehtävää”, hän selittää. ”Tämä yhdistelmä autonomiaa ja ihmisen valvontaa tarvitaan luotettavien tekoälyn työnkulkujen rakentamiseen.”
Hän näkee tämän inhimillisen lähestymistavan ratkaisevana osana tulevaisuutta, jossa AI-agentit voivat ottaa haltuunsa kaiken manuaalisen työn vaarantamatta strategisten päätösten hallinnan menettämistä.
Luotettavuus uutuuden yläpuolella: Arkkitehdin järjestelmien suunnittelu reaalimaailman käyttöön
Zamparinin silmissä avointen standardien, kuten Model Context Protocol (MCP), AGNTCY, HumanLayer tai kieli BAML, syntyminen on yksi tärkeimmistä suuntauksista AI: ssa.
Kun ohjelmistotuotteet syötetään taloudellisiin malleihin tai strategisiin päätöksiin, niiden tuottamat tulokset on tarkistettava.
Kehittyvät puitteet, kuten HumanLayer, BAML, MCP ja AGNTCY, luovat lähtökohdan, joka voi mahdollistaa tämäntyyppisen agenttisen ekosysteemin.
Esimerkiksi HumanLayer tarjoaa protokollan, joka lisää vankkaa in-the-loop-valvontaa autonomisiin tekoälyn agentteihin.Se tallentaa korkean panoksen toimia ja reitittää ne ihmisille - Slackin, sähköpostin, tekstiviestien ja muiden kanavien kautta - hyväksyntää, palautetta tai eskalointia varten, sitten syöttää vastauksen takaisin, jotta agentit voivat jatkaa työskentelyä turvallisesti.
MCP, on avoin standardi, joka standardoi, miten AI-mallit yhdistävät tietojen syöttöön, jolloin suuret kielimallit (LLM) voidaan liittää suoraan erilaisiin tietokantoihin ja API-sovelluksiin luodakseen kattavamman tiedon ja agent-to-agent-yhteistyön.
AGNTCY on avoin ekosysteemi agentti-agentti-yhteentoimivuudelle, joka vie käsitteen askeleen pidemmälle määrittelemällä yhteisen identiteettikerroksen ja vuorovaikutusmallin AI-agentteille, jolloin eri kehittäjien tekemät työkalut jakavat tietoa turvallisesti ja ennustettavasti eri alustojen välillä.
Yhdessä nämä kehykset mahdollistavat AI-agentit, jotka eivät ole vain tehokkaita, vaan myös käyttöönotettavissa, testattavissa ja ylläpidettävissä.
Building a Template for the Future of Work
Rakenna malli työelämän tulevaisuudelleJaetut standardit ja kielet ovat avainasemassa AI: n kehittämisessä, joka voi luotettavasti automatisoida arkielämän työtä. ja niitä sovelletaan kaukana kaupallisesta kiinteistöstä; parhaimmillaan ne mahdollistavat AI-agenttien ja agenttijärjestelmien muuttavan sitä, miten ammattilaiset ja asiantuntijat työskentelevät eri aloilla.
Kun voimme todella luottaa automatisoituun työhön ja suosituksiin, jotka ovat kattavia ja tarkkoja, nämä järjestelmät voivat tehdä enemmän kuin vain parantaa olemassa olevia työnkulkuja, ne voivat tehdä tilaa uusille teollisuudenaloille ja innovaatioille.
Zamparinin mielestä tekoälyn tulevaisuus ei ole parempi digitaalinen avustaja, vaan järjestelmä, jonka avulla ihmiset voivat rakentaa uusia asioita nopeammin, edistää nykyisiä teollisuudenaloja ja jopa synnyttää uusia.
AI-agentit poistavat melun ja poistavat sotkun, jotta rakentajat voivat liikkua nopeammin, ajatella syvemmälle ja unelmoida suuremmiksi.
