Inžinieriui ir novatoriui Matteo Zamparini, vienas iš svarbiausių produktyvumo spragų šiuolaikiniame pasaulyje nėra talentų trūkumas ar ambicijų stoka, tai laikas, prarastas atliekant pasikartojančias užduotis.
Nuo pakuočių žemėlapių sekimo kaip duomenų mokslo stažuotojo iki bendro įkūrimo, kuris nustatė atsinaujinančiosios energijos galimybes komercinės paskirties nekilnojamojo turto savininkams, jo karjera sekė nuoseklią temą: kurti technologijas, kad būtų galima automatizuoti gruntinį darbą, kad žmogaus darbas galėtų būti naudojamas daugiau strateginių užduočių.
Kaip įkūrėjas inžinierius PropRise, Y Combinator remiama kompanija, jis kuria AI agentus, kurie dirba visą parą, kad būtų galima sekti didžiulius kiekius skirtingų nekilnojamojo turto duomenų ir generuoti įžvalgas, kurios atskleidžia potencialias investicines galimybes.
Viskas sukasi aplink jo viziją apie pasaulį, kuriame AI ne tik padeda žmonėms, bet ir sujungia juos į darbo jėgą, kad galėtų atlikti ilgalaikes užduotis.
Realios rankinių duomenų analizės sąnaudos
Programinės įrangos padedančiame pasaulyje skaitmeninių įrankių trūkumas nebėra pagrindinė problema.
Kaip studentas stažuotojas, jis mėnesius naudojo tokias priemones kaip skaitmeniniai žemėlapiai, leidžiant svetainėms, statistinei skaičiavimo programinei įrangai ir nekilnojamojo turto sąrašų svetainėms rinkti ir galiausiai analizuoti duomenis, kurie galėtų būti naudojami priimant investicinius ir plėtros sprendimus. „Aš prisimenu galvodamas: „Satelitinis vaizdavimas, pastatytas su „Lidar“, yra kietas“, – pasakoja jis. „Bet ar praleidžiant savaites žemėlapiuose ir tinklalapiuose, bandant rasti tinkamus duomenų taškus, iš tikrųjų yra geriausias žmogaus intelekto panaudojimas?“
Tai buvo viena iš įžvalgų, kurios sukėlė „Spaceflare“ idėją, pradžią, kurią jis įkūrė su kolegomis UC Irvine studentais po to, kai jis baigė studijas 2021 m. Modelis, kurį jis pastatė, naudojo viešus įrašus ir palydovinius vaizdus, kad nustatytų savybes, kurios galėtų būti tinkamos saulės baterijų plokščių diegimui, leidžiant švarios energijos įmonėms ir nekilnojamojo turto savininkams greitai nustatyti galimas energijos gamybos ir pajamų galimybes.
Procesas, kuris greičiausiai užtruktų savaites rankiniu būdu analizuojant, dabar gali būti atliekamas per kelias minutes su „Spaceflare“.
Building AI Agents that Act and Reason—Within Reason
Kuriame AI agentus, kurie veikia ir priežastis - priežasties vidujeŠiandien Zamparini yra kūrėjas už AI agentų, kurie gali
PropRise yra ne tik dar vienas mašininio mokymosi įrankis, kuris automatizuoja duomenų rinkimą; jo agentai veikia nepriklausomai, struktūrizuoja duomenis, kuriuos jie suranda, ir nuolat vertina įvairių šaltinių patikimumą ir tikslumą.
"Mes sukūrėme agentines sistemas, kurios gali motyvuoti, veikti ir netgi ieškoti žmogaus atsiliepimų ar patvirtinimo užduoties viduryje", - aiškina jis. "Šis autonomijos ir žmogaus priežiūros derinys reikalingas patikimiems AI darbo srautams kurti".
Jis mano, kad šis žmogiškasis požiūris yra lemiamas komponentas ateityje, kai AI agentai gali perimti visą rankinį darbą be rizikos prarasti strateginių sprendimų kontrolę.
Patikimumas, palyginti su naujovėmis: architektūros agentinės sistemos realiam naudojimui
Zamparini akyse atvirų standartų, tokių kaip Model Context Protocol (MCP), AGNTCY, HumanLayer ar kalba BAML, atsiradimas yra viena svarbiausių AI tendencijų.
Kai programinės įrangos produktai prisideda prie finansinių modelių ar strateginių sprendimų, jų rezultatai turi būti patikrinami.
Naujos sistemos, tokios kaip „HumanLayer“, „BAML“, „MCP“ ir „AGNTCY“, sukuria bazinę liniją, kuri gali leisti sukurti tokio tipo agentinę ekosistemą.
Pavyzdžiui, „HumanLayer“ pateikia protokolą, kuris autonominiams AI agentams suteikia tvirtą žmogaus kontrolę. „HumanLayer“ perima didelės apimties veiksmus ir nukreipia juos į žmones per „Slack“, el. Paštą, SMS ir kitus kanalus, kad gautų patvirtinimus, atsiliepimus ar eskaluotų, o tada grąžina atsakymą, kad agentai galėtų toliau saugiai dirbti.
MCP yra atviras standartas, kuris standartizuoja, kaip AI modeliai jungiasi prie duomenų įvesties, leidžiant dideliems kalbos modeliams (LLM) tiesiogiai prisijungti prie įvairių duomenų bazių ir API, kad būtų sukurtas išsamesnis informacijos ir agentų-agentų bendradarbiavimo baseinas.
AGNTCY yra atvira agentų ir agentų sąveikos ekosistema, kuri koncepciją žengia dar vieną žingsnį apibrėždama bendrą tapatybės sluoksnį ir sąveikos modelį AI agentams, leidžiant įvairių kūrėjų sukurtiems įrankiams saugiai ir nuspėjamai dalytis informacija įvairiose platformose.
Kartu šios sistemos suteikia galimybę dirbti su AI agentais, kurie yra ne tik galingi, bet ir diegiami, išbandomi ir prižiūrimi.
Building a Template for the Future of Work
Sukurkite darbo ateities šablonąBendri standartai ir kalbos yra raktas kuriant AI, kuris gali patikimai automatizuoti kasdienį darbą, ir jie taikomi toli už komercinių nekilnojamojo turto ribų; geriausiu atveju jie leidžia AI agentams ir agentų sistemoms transformuoti, kaip profesionalai ir ekspertai dirba įvairiose pramonės šakose.
„Su AI pagalba mes iš esmės galime išlaisvinti žmonių laiką“, – daro išvadą Zamparini. „Kai mes tikrai galime pasitikėti automatizuotu darbu ir rekomendacijomis, kad jos būtų išsamios ir tikslios, šios sistemos gali padaryti daugiau nei tik pagerinti esamus darbo srautus, jos gali sudaryti erdvę naujoms pramonės šakoms ir inovacijoms.
Zamparini nuomone, AI ateitis nėra geresnis skaitmeninis asistentas, tai sistema, kuri leidžia žmonėms kurti naujus dalykus greičiau, skatina dabartines pramonės šakas ir netgi gimdo naujas.
AI agentai pašalina triukšmą, išvalydami netvarką, kad statybininkai galėtų judėti greičiau, galvoti giliau ir svajoti didesniu mastu.
