Jenseits des Chatbots: Auf dem GeekWire-Gipfel sagen KI-Führungskräfte, dass die Ära der autonomen Agenten bereits begonnen hat

Die Debatte darüber, ob KI die Industrie verändern wird, ist vorbei.

Bei GeekWire Agenten der Transformation Beim Gipfeltreffen am Dienstag in Seattle hatten sich die anwesenden Gründer, Führungskräfte und Ingenieure schwierigeren Fragen zugewandt: Was funktioniert, was nicht und wie schnell geht alles voran? In fast allen Gesprächen zeichnete sich ein Wandel von der KI als Chat-Tool zur KI als autonomem Akteur ab – einer Software, die nicht nur Fragen beantwortet, sondern eigenständig agiert und sich im Laufe der Zeit verbessert.

Referenten von Microsoft, Amazon Web Services, OpenAI und anderen Unternehmen beschrieben eine Welt, in der sich die Zwänge, die ihre Arbeit jahrzehntelang definiert haben, auflösen und in der das größte Hindernis für die Erlangung dieses Werts nicht die Technologie ist, sondern die Suche nach Möglichkeiten zur Neugestaltung von Arbeitsabläufen und Organisationen, die nicht unter diesem Gesichtspunkt aufgebaut wurden.

Agents of Transformation wurde von Accenture präsentiert und baut auf einer fortlaufenden Studie auf GeekWire-Redaktionsreiheebenfalls von Accenture finanziert, beleuchtet, wie Start-ups, Entwickler und Technologiegiganten intelligente Agenten für Innovationen nutzen.

Lesen Sie weiter, um kurze Zusammenfassungen und wichtige Erkenntnisse – natürlich mit Hilfe von KI – aus jedem Kamingespräch und jeder Podiumsdiskussion zu erhalten.

Charles LamannaExecutive Vice President of Business Applications & Agents bei Microsoft, eröffnete die Veranstaltung mit einem Moment, der alle Aufmerksamkeit erregte: Ein KI-Agent lehnte in seinem Namen 17 Besprechungen ab. Sie wurden nicht zusammengefasst, nicht markiert – abgelehnt.

Für Lamanna war dies der Moment, in dem die KI vom Informationsabruf in echtes Handeln überging. Die Ära der KI als Chat-Assistent, argumentierte er unverblümt, liege hinter uns. „Die Sonne ist untergegangen.“

Drei wichtige Highlights:

• Erfinden Sie keine neuen Metriken für KI. Die größte Falle, in die Unternehmen laut Lamanna tappen, ist der Aufbau ausgefeilter KI-Systeme, die nichts mit den Geschäftsergebnissen zu tun haben. Seine Regel: Nutzen Sie die Kennzahlen, die Sie bereits haben – Umsatz, Kundenbindung, Kundenzufriedenheit, Servicekosten. „Niemands Geschäftsmaßstab sollte darin bestehen, dass 15 Agenten eingesetzt werden“, sagte er. Wenn die KI keine Zahl bewegt, die dem CEO bereits am Herzen liegt, ist es ein Hobby.
• Geben Sie allen eine großartige KI und konzentrieren Sie sich auf ein paar große Einsätze. Erfolgreiche KI-Transformationen haben zwei gemeinsame Merkmale: breiten Zugriff auf Tools für die gesamte Belegschaft und eine kleine Handvoll Projekte mit hoher Priorität, die von oben nach unten verfolgt werden. Unternehmen mit 250 „Gen-KI-Projekten“ sind ein Warnsignal und keine Erfolgsgeschichte.
• Das Token-Budget ist die neue Mitarbeiterzahl. Die Teams von Lamanna messen bereits die KI-Ausgaben pro Ingenieur als Einstellungsfaktor – und Kandidaten verhandeln darüber. Ein Ingenieur sagte ihm, er würde den Job nur annehmen, wenn sein Team über genügend tägliche Token-Zuteilung verfügte. „Wenn Sie einen Ingenieur einstellen, der diese Art von Agentencode gelebt hat, und ihm sagen, dass Ihr Token-Budget pro Tag 1 US-Dollar beträgt“, sagte er, „werden sie sagen: ‚Bis dann.‘“ (Lesen Sie mehr zu diesem Punkt Hier.)

Julia WeißCMO von AWS, hat fast drei Jahrzehnte im Marketing verbracht – und sagt, dass ihre größte Herausforderung derzeit darin besteht, vieles davon zu verlernen. Ziele, die sie vor Jahren aufgegeben hatte, wie wirklich personalisiertes One-to-One-Marketing in großem Maßstab, stehen plötzlich wieder auf dem Tisch.

„Ich muss jeden Tag innehalten und Dinge verlernen, von denen ich dachte, dass sie einfach wahr sind“, sagte sie dem Moderator Andy Tayweltweit führend – Accenture Cloud First. Die Zwänge, die diese Träume unrealistisch machten, existieren einfach nicht mehr.

Drei wichtige Highlights:

• Lassen Sie es krachen – gezielt. Das Team von White verschickt jeden Monat Tausende von E-Mails, und jahrelang musste jede E-Mail von einem Menschen genehmigt werden, bevor sie versendet wurde. Seitdem haben sie einen überwachten Prozess aufgebaut, der nach und nach genug Vertrauen gewonnen hat, um diesen Schritt vollständig abzuschaffen. In der Zwischenzeit haben sie bei einem Experiment, bei dem KI für Fernsehwerbung mit hoher Produktion zum Einsatz kam, genau das Gleiche gelehrt, indem sie scheiterten: Sie nahmen das, was funktionierte, und wendeten es auf digitale Display-Werbung an, wobei sie fast mühelos von etwa 100 Variationen auf weitaus mehr übergingen.
• Beginnen Sie mit dem, was die Leute hassen. Der schnellste Weg zum Team-Buy-in ist kein großes Transformationsprojekt – es geht vielmehr darum, die lästigen Kleinigkeiten zu eliminieren. White demonstrierte einen neuen Content-Workflow bei einem All-Hand-Team, der einen dreistündigen Veröffentlichungsprozess auf 30 Minuten verkürzte. Der Raum brach in spontanen Applaus aus. „Das ist eine neue Messlatte“ für die Einführung von Technologie, fügte Tay hinzu.
• Stellen Sie Leute ein, die die Regeln nicht kennen. White sagte, sie stelle bewusst mehr neue Absolventen als je zuvor ein – Leute, die keine Ahnung davon haben, wie Marketing schon immer funktioniert hat. Ihre Logik: Frische Augen müssen nichts verlernen.

Deepak Singh hat fast 20 Jahre bei Amazon Web Services damit verbracht, Tools für Softwareentwickler zu entwickeln, und seine vier Worte umfassende Zusammenfassung seines Tagesablaufs sagt alles über den Stand der Dinge aus: „Ich lebe mit Agenten.“

Der Vizepräsident hinter Kiro, der KI-gestützten Entwicklerumgebung von Amazon, führt jeden Tag vier benutzerdefinierte Agenten aus – einen für Recherchen, einen, der in seinem persönlichen Stil schreibt, einen, der E-Mails verarbeitet, und einen, der interne Dokumente erstellt. Keine Demo. Wie er tatsächlich funktioniert.

Drei wichtige Highlights:

• Wie Sie adoptieren, ist wichtiger als ob Sie adoptieren. Eine interne Amazon-Studie mit 40 bis 50 Ingenieurteams ergab eine deutliche Kluft: Teams, die KI-Agenten in bestehende Arbeitsabläufe einbauten, wurden 20 bis 40 % schneller. Teams, die ihre gesamte Umgebung rund um Agenten umstrukturierten – sauberere Repositorys für Codierungsänderungen, bessere Dokumentation, klare Anweisungen –, waren drei- bis zehnmal schneller. Der Unterschied lag nicht in den Werkzeugen. Es war das Setup.
• Ihre Leitplanken wurden für Menschen gebaut. Singhs wichtigster Punkt zur Agentensicherheit: Alle Richtlinien und Genehmigungen in Ihrer Organisation wurden auf menschliche Geschwindigkeit ausgelegt. Agenten werden nicht müde, geben nicht auf und bitten nicht um Hilfe – sie machen einfach weiter, was bedeutet, dass sie denselben Fehler hundertmal wiederholen können, bevor es jemand bemerkt. Berechtigungen für Menschen müssen für Systeme, die niemals schlafen, völlig neu überdacht werden.
• Verwenden Sie sie zu Hause, nicht nur bei der Arbeit. Singhs abschließender Rat ging noch einen Schritt weiter als die meisten anderen: Setzen Sie Agenten nicht nur beruflich ein, sondern leben Sie persönlich mit ihnen. Je fließender Sie sprechen, desto mehr können Sie aus ihnen herausholen, wenn es darauf ankommt.

Drei Praktiker, die ihre Tage mitten in der chaotischen Phase der KI-Bereitstellung verbringen – sie nicht verkaufen, sondern tatsächlich tun –, kamen immer wieder auf das gleiche unbequeme Thema zurück: Die Technologie ist der einfache Teil.

Angela Garinger der Öffentlichkeitsarbeit, Jeremy Tryba der gemeinnützigen KI-Forschung Ai2 und Liat Ben-Zur von LBZ Advisory haben jeweils beobachtet, wie vielversprechende KI-Einführungen ins Stocken geraten, nicht weil die Tools versagten, sondern weil die Menschen um sie herum versagten. Moderiert wurde das Panel von Emily Parkhurst von Beeindruckende Medien.

Wichtigste Highlights:

• Schmal schlägt breit, jedes Mal. Das Gremium war sich einig, dass Unternehmen, die eine weitreichende KI-Transformation im gesamten Unternehmen ankündigen, am wahrscheinlichsten scheitern. Die Gewinner sind chirurgische Eingriffe – eine besonders mühsame Aufgabe auswählen, einen Wirkstoff einsetzen, das Ergebnis messen und dann skalieren. „Diejenigen, die wirklich erfolgreich sind, legen großen Wert darauf, welchen reibungslosen Arbeitsablauf sie zuerst übernehmen wollen“, sagte Garinger.
• Angst ist der wahre Adoptionsblocker. Ben-Zur beschrieb ein Muster, das sie ständig beobachtet: Ein Pilotprojekt funktioniert wunderbar, die ersten Anwender lieben es, und dann kommt die Einführung einfach … zum Stillstand. Wenn Teams sich einmischen, ist der Grund fast immer Angst – Angst vor Ersatz, Angst davor, beurteilt zu werden, wenn das Tool einen Fehler macht.
• Klarheit öffnet alles. Tryba beschrieb, wie er beobachtete, wie selbst technisch versierte Forscher davor zurückschreckten, KI-Tools zu nutzen, weil sie nicht sicher waren, was sie damit machen durften. Die Lösung war einfach: eine klare Matrix der genehmigten Verwendungen, veröffentlicht in Slack. Am nächsten Tag hatten sich alle angemeldet. Es stellt sich heraus, dass die Erlaubnis eine erzwingende Funktion ist.
• Verfolgen Sie aussagekräftige Kennzahlen. Führungskräfte preisen gerne die eingesparten Stunden und den Prozentsatz der Mitarbeiter, die KI nutzen, aber Ben-Zur sagte, sie müssten sich die Kennzahlen ansehen, die ihnen schon immer wichtig waren – hat sich der Umsatz verbessert, ist die Kundenbindung höher, ist eine Funktion leistungsfähiger? „Ich würde nicht messen, wie viele Stunden Menschen sparen – etwa ‚Joey hat fünf Stunden gespart‘.“ Es ist mir egal. Was bedeutet das für das Unternehmen?“

Vijay RajiCTO für Apps und Leiter der Technik im neuen OpenAI-Büro in Bellevue, hat einen charakteristischen Schachzug: Er stellt seinen Laptop in Besprechungen offen, damit Codex – das KI-Codierungstool des Unternehmens – weiter entwickeln kann, auch wenn er nicht an seinem Schreibtisch ist. Es ist eine passende Metapher dafür, wie er derzeit über KI denkt – immer auf dem Vormarsch, immer auf dem Vormarsch. Der Meta-Veteran und Gründer des A/B-Testunternehmens Statsig sprach darüber, wie es tatsächlich aussieht, an der Grenze zu leben.

Drei wichtige Highlights:

• Jeder ist jetzt ein Baumeister. Raji hat sich mit Codex an einem Nachmittag einen persönlichen Slack- und E-Mail-Zusammenfassungsdienst erstellt – lokal ausgeführt, ohne Cloud, ohne Sicherheitsaufwand. Sein Punkt: Die Hürde, maßgeschneiderte Software für sich selbst zu erstellen, ist im Wesentlichen zusammengebrochen. „Jeder wird ein Baumeister sein“, sagte er.
• Der Fähigkeitsüberhang ist das eigentliche Problem. Modelle sind der Art und Weise, wie die meisten Menschen sie verwenden, einen Schritt voraus. Raji nennt dies den „Fähigkeitsüberhang“ – und die Leute, die diese Lücke schließen, seien bereits um ein Vielfaches produktiver als diejenigen, die nicht bemerkt haben, dass es sie gibt.
• Ingenieure werden zu Agentenmanagern. Die nächste Welle ist nicht nur KI-gestütztes Codieren – es ist eine Engpassverschiebung. Produktivitätssteigerungen durch KI erfolgen mittlerweile so schnell, dass die neue Einschränkung darin besteht, dass Menschen den gesamten eingehenden Code überprüfen. Die Berufsbezeichnung der Zukunft, so schlug er vor, sei im Wesentlichen „Manager von Agenten“.

Vielen Dank an den präsentierenden Sponsor Accenture; Goldsponsoren Das werde ich nicht Und AWS Marketplace; und Silbersponsoren Prime-Team-Partner, Erstaunliche Geschäftslösungen, OneByZero, Autessa, Pay-i, GemaTEG, KaskadeUnd WTIA für die Mithilfe, die Veranstaltung möglich zu machen.

Quelle