Sự phân chia lao động của các tác nhân AI sẽ rất quan trọng để tối đa hóa tác động của các tác nhân. Chúng ta đã có sự phân chia lao động trong các tổ chức từ lâu, vì việc có các chuyên gia riêng lẻ chuyển giao nhiệm vụ cho nhau hiệu quả hơn là một nhóm những người tổng quát cố gắng làm mọi thứ theo cách khác nhau mỗi lần. Các tác nhân AI thể hiện cùng một động lực. Để các tác nhân AI hoạt động, bạn cần có đúng lượng bối cảnh về nhiệm vụ mà họ đang cố gắng hoàn thành. Điều này có nghĩa là cần có sự hiểu biết sâu sắc về lĩnh vực, một tập hợp kiến thức để làm việc, hướng dẫn rõ ràng và bộ công cụ để sử dụng. Quá ít bối cảnh và tác nhân sẽ thất bại. Tuy nhiên, cũng như vậy, khi nhiều thông tin này vào trong cửa sổ bối cảnh, chúng ta biết rằng các mô hình có thể trở nên không tối ưu. Đối với một quy trình kinh doanh phức tạp, nếu bạn đưa tất cả tài liệu, mô tả quy trình làm việc và hướng dẫn vào trong cửa sổ bối cảnh, chúng ta biết rằng điều này cuối cùng có thể dẫn đến sự suy giảm bối cảnh, điều này dẫn đến kết quả tồi tệ hơn. Kiến trúc logic trong tương lai là chia các tác nhân thành các đơn vị nguyên tử phù hợp với các loại nhiệm vụ đúng và sau đó để các tác nhân này làm việc cùng nhau để hoàn thành công việc của họ. Chúng ta đã thấy điều này diễn ra hiệu quả trong các tác nhân lập trình. Có ngày càng nhiều ví dụ xuất hiện với việc mọi người thiết lập các tác nhân phụ mà tất cả đều sở hữu các phần cụ thể của mã nguồn hoặc khu vực dịch vụ. Mỗi tác nhân chịu trách nhiệm cho một phần của mã, và có tài liệu thân thiện với tác nhân cho mã. Sau đó, khi công việc cần thiết trong khu vực liên quan của mã nguồn, một tác nhân điều phối sẽ phối hợp với các tác nhân phụ này. Chúng ta có thể thấy mô hình này có khả năng áp dụng cho hầu hết mọi lĩnh vực công việc tri thức trong tương lai. Điều này sẽ cho phép các tác nhân AI được sử dụng cho nhiều hơn các trường hợp sử dụng cụ thể và mở rộng để cung cấp năng lượng cho toàn bộ quy trình làm việc trong doanh nghiệp. Ngay cả khi các mô hình AI cải thiện để có thể xử lý các cửa sổ bối cảnh lớn hơn, và mức độ thông minh tăng lên, không rõ ràng rằng kiến trúc này sẽ biến mất. Có khả năng rằng vai trò của mỗi tác nhân sẽ mở rộng khi các khả năng cải thiện, nhưng các ranh giới rõ ràng giữa các tác nhân phụ có thể luôn dẫn đến kết quả tốt hơn.

Ban đầu, suy nghĩ là một tác nhân AI đơn lẻ sẽ xử lý các quy trình công việc lớn một cách tùy ý. Thay vào đó, mô hình dường như đang hoạt động là triển khai các tác nhân phụ có chuyên môn theo nhiệm vụ để tránh tình trạng mất ngữ cảnh. Sự phân chia lao động của tác nhân AI có thể là tương lai.

Hiện tại có một khoảng thời gian mà các tác nhân AI sẽ được xây dựng cho mọi lĩnh vực và miền. Kế hoạch là đi sâu vào việc kỹ thuật hóa ngữ cảnh cần thiết cho lĩnh vực hoặc không gian cụ thể, tìm ra UX phù hợp liên kết tự nhiên với các quy trình làm việc hiện có, và kết nối với các nguồn dữ liệu và công cụ liên quan. Đặc biệt là trong giai đoạn đầu, việc tiếp cận gần gũi với các khách hàng chính là rất hữu ích để tìm ra điều gì đang hoạt động và điều gì không, và liên tục cải tiến để đưa họ trở lại với trung tâm. AI đang phát triển rất nhanh ngay bây giờ nên có một giá trị lớn trong việc thực hiện các cập nhật nhanh chóng và xem cách chúng cải thiện quy trình làm việc của khách hàng. Cũng quan trọng là định giá các tác nhân để tối đa hóa việc áp dụng với mức giá đăng ký đơn giản hoặc theo mô hình tiêu thụ rõ ràng, và mong đợi sẽ tận dụng được những cải tiến chi phí từ hiệu quả của AI. Đừng quá tham lam về giá ngay bây giờ vì thị phần có thể là điều quan trọng nhất. Có thể hữu ích khi theo đuổi các trường hợp sử dụng bị hạn chế bởi sự sẵn có hoặc chi phí cao của nhân tài. Điều này có nghĩa là bất kỳ sự gia tăng năng suất nào trong những không gian này đều mang lại ROI cao cho khách hàng. Trong những lĩnh vực này, khách hàng sẽ luôn sẵn sàng thử nghiệm các tác nhân AI để cuối cùng giải quyết các vấn đề của họ. Đây là lý do tại sao các tác nhân lập trình AI, tác nhân an ninh, hoặc tác nhân pháp lý đang phát triển mạnh mẽ ngay bây giờ. Đây đều là những lĩnh vực mà nhu cầu giải quyết vấn đề luôn vượt quá mức độ nhân tài có sẵn. Nhưng mỗi lĩnh vực đều có những ví dụ về điều này. Hiện tại có một khoảnh khắc rõ ràng mà thế hệ tiếp theo của các Tác nhân AI này sẽ được xây dựng trên mọi không gian.

Nếu bạn tưởng tượng rằng mỗi chức năng công việc và quy trình làm việc sẽ có một đối tác AI để tự động hóa công việc, thì rõ ràng chúng ta đang ở giai đoạn đầu tiên của làn sóng AI. Mỗi lĩnh vực và dòng kinh doanh đại diện cho một danh mục thị trường mới và một TAM hoàn toàn mới mà trước đây không tồn tại.

Sự phân chia lao động cho các tác nhân AI sẽ rất quan trọng để tối đa hóa tác động của các tác nhân trong tất cả các lĩnh vực công việc tri thức. Chúng ta đã có sự phân chia lao động trong các tổ chức từ lâu vì hóa ra việc có các chuyên gia riêng lẻ chuyển giao nhiệm vụ cho nhau hiệu quả hơn là một đám người tổng quát cố gắng làm mọi thứ theo cách khác nhau mỗi lần. Các tác nhân AI thể hiện cùng một động lực. Để các tác nhân AI hoạt động, bạn cần một lượng ngữ cảnh vừa đủ về nhiệm vụ mà họ đang cố gắng hoàn thành. Điều này có nghĩa là hiểu biết sâu sắc về lĩnh vực, một tập hợp kiến thức để làm việc, hướng dẫn rõ ràng và bộ công cụ để sử dụng. Quá ít ngữ cảnh và tác nhân sẽ thất bại. Tuy nhiên, cũng như vậy, khi nhiều thông tin này vào cửa sổ ngữ cảnh, chúng ta biết rằng các mô hình có thể trở nên không tối ưu. Đối với một quy trình kinh doanh phức tạp, nếu bạn đưa tất cả tài liệu, mô tả quy trình làm việc và hướng dẫn vào cửa sổ ngữ cảnh, chúng ta biết rằng tác nhân cuối cùng sẽ bị nhầm lẫn và đưa ra kết quả tồi tệ hơn. Kiến trúc logic trong tương lai là chia các tác nhân thành các đơn vị nguyên tử phù hợp với các loại nhiệm vụ đúng và sau đó để những tác nhân này làm việc cùng nhau để hoàn thành công việc của họ. Chúng ta đã thấy điều này diễn ra hiệu quả trong các tác nhân lập trình. Có ngày càng nhiều ví dụ xuất hiện với việc mọi người thiết lập các tác nhân phụ mà tất cả đều sở hữu các phần cụ thể của một mã nguồn hoặc khu vực dịch vụ. Mỗi tác nhân chịu trách nhiệm cho một phần của mã, và có tài liệu thân thiện với tác nhân cho mã. Sau đó, khi công việc cần thiết trong khu vực liên quan của mã nguồn, một tác nhân điều phối sẽ phối hợp với các tác nhân phụ này. Chúng ta có thể thấy mô hình này có khả năng áp dụng cho hầu hết mọi lĩnh vực công việc tri thức trong tương lai. Điều này sẽ cho phép các tác nhân AI được sử dụng cho nhiều hơn các trường hợp sử dụng cụ thể và mở rộng để cung cấp năng lượng cho toàn bộ quy trình làm việc trong doanh nghiệp. Ngay cả khi các mô hình AI cải thiện để có thể xử lý các cửa sổ ngữ cảnh lớn hơn, và mức độ thông minh tăng lên, không rõ ràng rằng kiến trúc này sẽ biến mất. Có khả năng rằng vai trò của mỗi tác nhân sẽ mở rộng khi khả năng cải thiện, nhưng các ranh giới rõ ràng giữa các tác nhân phụ có thể luôn dẫn đến kết quả tốt hơn.

Sự phân chia lao động của các tác nhân AI có thể tương ứng với sự phân chia lao động của con người. Mọi người đang sử dụng các tác nhân phụ sở hữu các dịch vụ vi mô cụ thể trong một mã nguồn. Mỗi dịch vụ có tài liệu thân thiện với tác nhân mà nó cập nhật khi tiến triển. Bằng cách này, bạn tối ưu hóa những gì có trong cửa sổ ngữ cảnh. Tương lai thật điên rồ.

Mô hình tư duy cho AI tiên tiến là các mô hình sẽ có khả năng tổng quát cao, nhưng chúng cần được kết hợp với ngữ cảnh rất cụ thể. Các yêu cầu chính xác, các tác nhân phụ được chia theo nhiệm vụ, tài liệu thân thiện với tác nhân, truy cập kiến thức. Ngay cả khi các mô hình cải thiện, điều này cũng không thay đổi.

Nếu bạn đang xây dựng các tác nhân AI, điều quan trọng là phải xác định các trường hợp sử dụng tối ưu để tối đa hóa những gì mà các tác nhân giỏi so với những gì mà chúng chưa sẵn sàng *chưa*. Có rất nhiều loại công việc mà các tác nhân AI có thể giúp tự động hóa hoặc tăng cường. Việc chọn những loại công việc phù hợp có thể mang lại giá trị trong thời gian ngắn và cải thiện theo thời gian với sự tiến bộ của mô hình là rất quan trọng. Dưới đây là một vài đặc điểm dường như đang hoạt động tốt ngay bây giờ: * Công việc yêu cầu một lượng lớn dữ liệu và thông tin không có cấu trúc. Điều này có thể là tài liệu, dữ liệu hình ảnh trên màn hình, nội dung video, và nhiều hơn nữa. Đây là lĩnh vực mà máy tính và phần mềm chưa bao giờ có thể làm trước đây, và các trường hợp sử dụng ở đây là rất phong phú. * Các tác nhân AI hữu ích cho những việc mà nếu không có thể yêu cầu sự phán đoán hoặc diễn giải của con người, và điều đó có thể luôn luôn như vậy. Ngay khi bạn thấy mình hy vọng tái tạo một cái gì đó với những quy tắc rất nghiêm ngặt xảy ra lặp đi lặp lại, bạn có thể muốn phần mềm, không phải các tác nhân. * Công việc càng phức tạp được tự động hóa, càng có nhu cầu cho yếu tố con người trong quy trình. Đây là lý do tại sao các tác nhân mã hoạt động rất tốt ngay bây giờ, vì bạn có thể cuối cùng kiểm tra và nghiên cứu đầu ra của tác nhân để tìm ra điều gì đúng hoặc sai. Ngay cả khi những tác nhân này làm sai, việc can thiệp là tương đối đơn giản đối với bất kỳ người dùng có kỹ năng nào. * Đặt cược vào các trường hợp sử dụng mà trí thông minh cốt lõi của các mô hình ngày càng tốt hơn sẽ tiếp tục tích lũy cho các tác nhân của bạn. Nếu bạn có thể giải quyết mọi thứ về trường hợp sử dụng của bạn với AI ngày hôm nay, có lẽ đó không phải là một thị trường đủ thú vị để theo đuổi. Hãy theo đuổi những kịch bản mà có giá trị gia tăng dần dần được thêm vào với sự cải tiến của mô hình. Có rất nhiều đặc điểm khác xác định các trường hợp sử dụng nào là tốt cho các tác nhân ở giai đoạn này, nhưng cuối cùng có rất nhiều cơ hội trong mọi loại công việc để theo đuổi.

Một trong những lợi ích lớn của AI Agents trong công việc tri thức là ROI thay đổi đáng kể trên nhiều thứ mà bạn không thể làm trước đây. Có rất nhiều công việc mà chúng ta không thực hiện hôm nay vì chúng ta không thể biện minh cho "chi phí cố định" để bắt đầu nó. Hầu như mọi ý tưởng mới đều trở thành một cuộc họp, với các cuộc theo dõi, và thêm nhiều chi phí phối hợp. Vì vậy, bạn, một cách hợp lý, chỉ ưu tiên những công việc có tác động cao nhất, và cầu nguyện rằng bạn đã đưa ra quyết định đúng đắn về điều đó. AI Agents thay đổi cách tính toán ở đây. Nhóm sản phẩm có thể đủ khả năng để tạo mẫu nhiều ý tưởng hơn để xem ý tưởng nào tốt hơn. Nhà phân tích kinh doanh có thể xem xét nhiều dữ liệu khách hàng hơn để tìm ra một cái nhìn ẩn giấu. Kỹ sư có thể xây dựng các tính năng nhanh hơn. Nhóm pháp lý có thể hỗ trợ tốt hơn cho các khách hàng nhỏ hơn. Nhà tiếp thị sản phẩm có thể thực hiện nhiều chiến dịch hơn hoặc thử nghiệm nhiều thông điệp hơn để tiếp cận nhiều khách hàng hơn. Một số điều này sẽ không quan trọng lắm, tất nhiên. Nhưng nhiều điều sẽ. Và bằng cách giảm chi phí thử nghiệm một ý tưởng mới, thử nghiệm một thông điệp tiếp thị, hoặc nghiên cứu một thị trường, các công ty sẽ bắt đầu làm nhiều hơn trước đây hoặc ít nhất là đến đích tiếp theo nhanh hơn.

Nghiên cứu trường hợp Figma là một ví dụ tuyệt vời. Một đội ngũ 100% tập trung vào việc xây dựng sản phẩm tuyệt vời, tăng trưởng dựa trên sản phẩm, giá cả công bằng, xây dựng hiệu ứng mạng mạnh mẽ và mở rộng vào các lĩnh vực liên quan một cách hợp lý mà không bị quá tải. Nhiều bài học cho thế hệ khởi nghiệp tiếp theo.