Inženierim un novatoram Matteo Zamparini, viens no nozīmīgākajiem produktivitātes šķēršļiem mūsdienu pasaulē nav talantu trūkums vai ambīciju trūkums, tas ir laiks, kas izšķērdēts atkārtotiem uzdevumiem.
No paku kartes izsekojamības kā datu zinātnes stažieris līdz līdzdibinātājam, kurš identificēja atjaunojamās enerģijas iespējas komerciālo nekustamo īpašumu īpašniekiem, viņa karjera ir sekojusi konsekventai tēmai: izveidot tehnoloģijas, lai automatizētu grunt darbu, lai cilvēka darbu varētu izmantot vairāk stratēģisku uzdevumu veikšanai.
Kā PropRise dibinātājs, Y Combinator atbalstītais uzņēmums, viņš izveido AI aģentus, kas strādā visu diennakti, lai izsekotu milzīgam daudzumam atšķirīgu nekustamā īpašuma datu un radītu ieskatu, kas atklāj potenciālās investīciju iespējas.
Tas viss ir saistīts ar viņa redzējumu par pasauli, kurā AI ne tikai palīdz cilvēkiem, bet arī apvieno tos ar darbaspēku, lai izpildītu ilgstošus uzdevumus.
Reālās izmaksas par manuālo datu analīzi
Programmatūras atbalstītajā pasaulē digitālo rīku trūkums vairs nav galvenā problēma.
Kā studentu stažieris viņš pavadīja mēnešus, izmantojot tādus rīkus kā digitālās kartes, ļaujot vietnēm, statistikas datortehnikas programmatūrai un nekustamo īpašumu sarakstu tīmekļa vietnēm vākt un galu galā analizēt datus, kurus varētu izmantot, lai pieņemtu lēmumus par ieguldījumiem un attīstību. „Es atceros, domājot: „Satellīta attēlveidošana, kas izveidota ar Lidar, ir forša,” viņš stāsta. „Bet vai nedēļas pēc kārtas tērē kartēm un tīmekļa vietnēm, cenšoties atrast pareizos datu punktus, ir pati labākā cilvēka intelekta izmantošana?”
Tas bija viens no ieskatiem, kas izraisīja ideju par Spaceflare, startu, ko viņš dibināja kopā ar citiem UC Irvine studentiem pēc absolvēšanas 2021. gadā. modelis, ko viņš uzcēla, izmantoja publiskos ierakstus un satelītattēlus, lai identificētu īpašumus, kas varētu būt piemēroti saules paneļu uzstādīšanai, ļaujot tīras enerģijas uzņēmumiem un īpašumu īpašniekiem ātri identificēt potenciālās iespējas enerģijas ražošanai un ieņēmumiem.
Process, kas, iespējams, būtu aizņēmis nedēļas manuālas analīzes, tagad varētu tikt veikts minūtēs ar Spaceflare.
Building AI Agents that Act and Reason—Within Reason
Izveidot AI aģentus, kas rīkojas un pamatojas - pamatojuma ietvarosŠodien Zamparini ir izstrādātājs aiz AI aģentiem, kas spēj
PropRise nav tikai vēl viens mašīntulkošanas rīks, kas automatizē datu vākšanu; tā aģenti darbojas neatkarīgi, strukturējot atrastos datus un nepārtraukti novērtējot plaša avotu klāsta uzticamību un precizitāti.
"Mēs esam izstrādājuši aģentu sistēmas, kas var saprast, rīkoties un pat meklēt cilvēka atsauksmes vai apstiprinājumu uzdevuma vidū," viņš skaidro. "Šis autonomijas un cilvēka uzraudzības maisījums ir nepieciešams, lai izveidotu uzticamus AI darba plūsmas."
Viņš uzskata, ka šī cilvēka-in-the-loop pieeja ir izšķiroša sastāvdaļa nākotnē, kurā AI aģenti var pārņemt visu manuālo darbu, neriskējot zaudēt kontroli pār stratēģiskajiem lēmumiem.
Uzticamība salīdzinājumā ar jaunumu: arhitektūras aģentu sistēmas reālai lietošanai
Zamparini acīs tādu atvērtu standartu parādīšanās kā Model Context Protocol (MCP), AGNTCY, HumanLayer vai valoda BAML ir viena no svarīgākajām AI tendencēm.
Kad programmatūras rezultāti tiek izmantoti finanšu modeļiem vai stratēģiskiem lēmumiem, to rezultātiem ir jābūt pārbaudāmiem.
Jaunās struktūras, piemēram, HumanLayer, BAML, MCP un AGNTCY, rada pamatlīniju, kas var padarīt šāda veida aģentu ekosistēmu iespējamu.
HumanLayer, piemēram, nodrošina protokolu, kas pievieno spēcīgu cilvēka-in-the-loop uzraudzību autonomajiem AI aģentiem. tas uztver augstas likmes darbības un virza tos uz cilvēkiem - caur Slack, e-pastu, SMS un citiem kanāliem - apstiprinājumiem, atgriezenisko saiti vai eskalāciju, tad baro atbildi atpakaļ, lai aģenti varētu turpināt strādāt droši.
MCP ir atvērts standarts, kas standartizē, kā AI modeļi savienojas ar datu ievadiem, ļaujot lieliem valodu modeļiem (LLM) tieši pieslēgties dažādām datu bāzēm un API, lai izveidotu visaptverošāku informācijas un aģentu sadarbības pusi.
AGNTCY ir atvērta aģentu un aģentu savstarpējās izmantojamības ekosistēma, kas koncepciju padara vēl plašāku, definējot kopīgu identitātes slāni un AI aģentu mijiedarbības modeli, kas ļauj dažādu izstrādātāju izstrādātiem rīkiem droši un paredzami kopīgot informāciju starp platformām.
Kopā šie rāmji ļauj AI aģentiem, kas ir ne tikai spēcīgi, bet arī izvietoti, pārbaudāmi un uzturējami.
Building a Template for the Future of Work
Izveidot modeli nākotnes darbamKopīgie standarti un valodas ir galvenais, lai attīstītu AI, kas var droši automatizēt ikdienas darbu, un tie attiecas daudz tālāk par komerciālo nekustamo īpašumu; labākajā gadījumā tie ļauj AI aģentiem un aģentu sistēmām pārveidot to, kā profesionāļi un eksperti strādā visās nozarēs.
"Ar AI palīdzību mēs varam būtībā atbrīvot cilvēku laiku," noslēdz Zamparini.Kad mēs varam patiesi paļauties uz automatizētu darbu un ieteikumiem, lai tie būtu visaptveroši un precīzi, šīs sistēmas var darīt vairāk nekā tikai uzlabot esošās darba plūsmas, tās var padarīt telpu jaunām nozarēm un inovācijām.
Zamparini uzskata, ka AI nākotne nav labāks digitālais palīgs, tā ir sistēma, kas ļauj cilvēkiem veidot jaunas lietas ātrāk, attīstīt pašreizējās nozares un pat radīt jaunas.
AI aģenti noņem troksni, noslaucot netīrumus, lai veidotāji varētu pārvietoties ātrāk, domāt dziļāk un sapņot lielākus sapņus.