Dla inżyniera i innowatora Mattea Zamparini, jedną z najważniejszych barier w wydajności w nowoczesnym świecie nie jest brak talentów lub brak ambicji, jest to czas marnowany na powtarzające się zadania.
Od śledzenia map przesyłek jako stażysta ds. danych po współzałożyciela startu, który zidentyfikował możliwości w zakresie energii odnawialnej dla właścicieli nieruchomości komercyjnych, jego kariera podążała za spójnym tematem: budowanie technologii do automatyzacji pracy gruntowej, aby praca ludzka mogła być wykorzystywana do bardziej strategicznych zadań.
Jako inżynier założyciel w PropRise, firmie wspieranej przez Y Combinator, buduje agentów AI, którzy pracują przez całą dobę, aby śledzić ogromne ilości różnych danych dotyczących nieruchomości i generować wgląd, który ujawnia potencjalne możliwości inwestycyjne.
Wszystko kręci się wokół jego wizji świata, w którym sztuczna inteligencja nie tylko pomaga ludziom, ale łączy ich z siłą roboczą, aby wykonywać długotrwałe zadania.
Rzeczywisty koszt ręcznej analizy danych
W świecie wspomaganym przez oprogramowanie brak narzędzi cyfrowych nie jest już głównym problemem.
Jako student stażysta spędził miesiące, korzystając z narzędzi, takich jak mapy cyfrowe, pozwalając witrynom, oprogramowaniu do obliczeń statystycznych i witrynom z list nieruchomości zbierać i ostatecznie analizować dane, które mogłyby zostać wykorzystane do podejmowania decyzji inwestycyjnych i rozwojowych. „Pamiętam, że myślałem: ‚Wyświetlanie satelitarne zbudowane z Lidarem jest fajne,’” opowiada. „Ale czy spędzanie tygodni na mapach i stronach internetowych próbując znaleźć odpowiednie punkty danych jest naprawdę najlepszym wykorzystaniem ludzkiego intelektu?”
To był jeden z wglądu, który wywołał pomysł na Spaceflare, startup, który założył wraz z kolegami z UC Irvine po ukończeniu studiów w 2021 roku. model zbudował wykorzystując publiczne rekordy i obrazy satelitarne, aby zidentyfikować właściwości, które mogą być odpowiednie do instalacji paneli słonecznych, umożliwiając firmom czystej energii i właścicielom nieruchomości, aby szybko zidentyfikować potencjalne możliwości generowania energii i przychodów.
Proces, który prawdopodobnie zająłby tygodnie ręcznej analizy, można teraz wykonać w ciągu kilku minut z Spaceflare.
Building AI Agents that Act and Reason—Within Reason
Budowanie agentów sztucznej inteligencji, którzy działają i rozumują – w rozumieDzisiaj Zamparini jest deweloperem za agentami AI, którzy
PropRise to nie tylko inne narzędzie do uczenia maszynowego, które automatyzuje zbieranie danych; jego agenci działają niezależnie, strukturując dane, które znajdują i stale oceniając wiarygodność i dokładność szerokiego zakresu źródeł.
„Wytworzyliśmy systemy agentów, które mogą rozumieć, działać, a nawet szukać ludzkich informacji zwrotnych lub aprobaty w środku zadania” – wyjaśnia. „Ta mieszanka autonomii i ludzkiego nadzoru jest potrzebna do budowania niezawodnych przepływów pracy sztucznej inteligencji”.
Widzi to podejście ludzkie jako kluczowy element przyszłości, w której agenci sztucznej inteligencji mogą przejąć kontrolę nad wszystkimi pracami ręcznymi bez ryzyka utraty kontroli nad decyzjami strategicznymi.
Niezawodność w stosunku do nowości: architektura systemów agentycznych do użytku w świecie rzeczywistym
W oczach Zamparini pojawienie się otwartych standardów, takich jak Model Context Protocol (MCP), AGNTCY, HumanLayer lub język BAML jest jednym z najważniejszych trendów w sztucznej inteligencji.
Gdy wyniki oprogramowania wchodzą w skład modeli finansowych lub decyzji strategicznych, wyniki, które wytwarzają, muszą być weryfikowalne.
Rozwijające się ramy, takie jak HumanLayer, BAML, MCP i AGNTCY, tworzą bazę, która może umożliwić stworzenie tego typu ekosystemu.
HumanLayer, na przykład, dostarcza protokół, który dodaje solidny nadzór człowieka w łańcuchu do autonomicznych agentów sztucznej inteligencji. przechwytuje działania o wysokim stopniu zaangażowania i kieruje je do ludzi - za pośrednictwem Slack, poczty e-mail, SMS i innych kanałów - do zatwierdzeń, informacji zwrotnych lub eskalacji, a następnie dostarcza odpowiedzi, aby agenci mogli kontynuować pracę bezpiecznie.
MCP, to otwarty standard, który standaryzuje, w jaki sposób modele sztucznej inteligencji łączą się z wejściami danych, umożliwiając dużym modelom językowym (LLM) bezpośrednie podłączenie do różnych baz danych i interfejsów API, aby stworzyć bardziej kompleksowy zbiór informacji i współpracy agent-to-agent.
AGNTCY to otwarty ekosystem interoperacyjności między agentami, który posuwa koncepcję o krok dalej, definiując wspólną warstwę tożsamości i model interakcji dla agentów AI, umożliwiając narzędziom stworzonym przez różnych deweloperów bezpieczne i przewidywalne udostępnianie informacji na różnych platformach.
Wspólnie te ramy umożliwiają agencje AI, które są nie tylko potężne, ale także wdrażalne, testowalne i utrzymywalne.
Building a Template for the Future of Work
Budowanie szablonu dla przyszłości pracyWspólne standardy i języki są kluczem do opracowywania sztucznej inteligencji, która może niezawodnie zautomatyzować codzienną pracę i mają zastosowanie daleko poza nieruchomościami komercyjnymi; w najlepszym razie umożliwiają agentom sztucznej inteligencji i systemom agentów przekształcenie sposobu pracy profesjonalistów i ekspertów w różnych branżach.
„Z pomocą sztucznej inteligencji możemy zasadniczo uwolnić czas ludzi” – zauważa Zamparini. „Kiedy możemy naprawdę ufać zautomatyzowanej pracy i zaleceniom, aby były kompleksowe i dokładne, systemy te mogą zrobić więcej niż tylko poprawić istniejące przepływy pracy, mogą stworzyć przestrzeń dla nowych branż i innowacji.
Dla Zamparini przyszłość sztucznej inteligencji nie jest lepszym asystentem cyfrowym, jest to system, który pozwala ludziom budować nowe rzeczy szybciej, rozwija obecne branże, a nawet rodzi nowe.
Agenci AI usuwają hałas, oczyszczając bałagan, aby konstruktorzy mogli poruszać się szybciej, myśleć głębiej i marzyć większe.
