AI-agenter "vil nå sitt modningspunkt i 2025, " ifølge AI-futurist Steve Brown. På den annen side, hevder AI-ekspert Tobias Zwingmann at i år "vil den raske adopsjonen av AI-agenter ikke gi de produktivitetsøkningene som mange forventer. " Disse perspektivene, fra to ledende eksperter på feltet, utfyller hverandre faktisk mer enn de kolliderer. Bedriftsledere er ivrige etter å finne ut om selskapene deres kan forbedre driften samtidig som de reduserer kostnadene. Økonomer ønsker derimot å vite om disse forbedringene vil skje i en skala som er tilstrekkelig til å gjenspeiles i produktivitetsstatistikken. AI-agenter legemliggjør min tidligere spådom om at de fleste forretningsfunksjoner ikke kan forbedres bare ved å bruke chatbots koblet til store språkmodeller. I stedet forventes det at betydelige fremskritt vil komme fra spesialiserte applikasjoner designet for å håndtere spesifikke forretningsutfordringer. Brown presenterer ulike eksempler på AI-agenter, hvorav noen allerede er operative. Et enkelt eksempel er Kundestøtteagenten: "En agent som håndterer kundestøtteanrop, planlegger avtaler, besvarer forespørselen, selger reservedeler og håndterer oppfølginger, som å sende e-poster med produktinstruksjoner. " Han nevner også kundestøtteagenter for reise og shopping, bedriftsbaserte agenter som innkjøpsassistenter og vitenskapelige forskere, samt "ambient agenter" som kan overvåke ulike aspekter av hjem, offentlige områder eller cybersikkerhet. Et viktig aspekt ved disse agentene er deres spesialisering i bestemte områder. For eksempel ville en kundeserviceagent være tilpasset et spesifikt selskap, utstyrt med kunnskap om produktene, tekniske spesifikasjoner og systemer for håndtering av serviceanrop. Mens et rammeverk for disse agentene kan deles mellom forskjellige selskaper, vil hver enkelt kreve tilpasning for å tilpasses individuelle driftsbehov. Zwingmann understreker at agenter er langt fra plug-and-play-løsninger. "De presterer imponerende på demonstrasjoner og kontrollerte settinger, men implementering fører ofte til uventede komplikasjoner, " bemerker han.

Han gir tre viktige anbefalinger for implementering av AI-agenter innen 2025. Den første er å starte med prosjekter i liten skala og gradvis øke agentens autonomi og beslutningsevne. Deretter anbefaler han å prioritere oppgaver, med fokus på "spesifikke, godt definerte aktiviteter der konsekvensene av feil er håndterbare. Dokumentbehandling er et flott utgangspunkt, mens beslutninger med høy risiko kanskje bør vente til senere. " Til slutt understreker Zwingmann viktigheten av å planlegge for feil. Agenter vil uunngåelig gjøre feil, spesielt i uvanlige scenarioer eller når omstendigheter endres. Derfor bør implementeringsstrategien minimere risiko og sikre at menneskelig inngripen er lett tilgjengelig. Jeg tror Brown ville vært enig i disse anbefalingene. Som futurist ser han det enorme potensialet til AI-agenter, og sier: "Den nære fremtiden for arbeid vil involvere menneskelige, digitale og robotiske ansatte som samarbeider tett for å oppnå mål, hver med sine unike styrker og svakheter. Selskaper som lykkes med å finne den rette balansen i arbeidsstyrken, fremmer en kultur av tillit mellom menneskelige og digitale ansatte, og utnytter maskiner og roboter for å forbedre kapasiteten til sine menneskelige ansatte, vil lykkes i markedet. " Mange suksessfulle selskaper har oppstått fra partnerskapet mellom to individer med motstridende personligheter: en dristig visjonær og en detaljorientert tekniker. Den ene ser et transformativt fremtid drevet av radikal endring, mens den andre sørger for at regningene betales i tide og søker å optimalisere produksjonskostnadene. De to artiklene som tar for seg AI-agenter og fremtiden for produktivitet speiler disse distinkte personlighetene. Den ene utforsker en fremtid der individer får betydelig styrke gjennom bruken av effektive verktøy, mens den andre skisserer en konkret, kostnadseffektiv vei til å realisere den visjonen.