หัวเรื่องเรื่องต้นฉบับ: After Automation
ผู้เขียนเรื่องต้นฉบับ: Dan Shipper, Every CEO
แปลโดย: Peggy, BlockBeats

บันทึกผู้แปล: เมื่อเร็วๆ นี้ การสนทนาเกี่ยวกับ AI และงาน ได้ถูกควบคุมโดยคำถามหนึ่งเสมอ: ขณะที่ความสามารถของต้นแบบยังคงเติบโต งานของผู้ใช้ที่มีความรู้สูงจะถูกทดแทนอย่างแทบจำนวนมากหรือไม่? ตั้งแต่การสร้างโค้ด การอัตโนมัติบริการด้านลูกค้า ไปจนถึงการผลิตเนื้อหา ตัวตัวแทน (Agent) กำลังรับมือกับงานที่ในอดีตต้องการมาจากมนุษย์ บทความนี้ช่วยเสริมข้ออ้างว่า: ขณะที่มีการอัตโนมัติมากขึ้น มนุษย์กลับต้องดำเนินงานมากขึ้น

แต่ Every CEO Dan Shipper ได้นำเสนอมุมมองที่กลับกันในบทความนี้: ยิ่งมีการอัตโนมัติมากขึ้น งานที่มนุษย์ต้องทำก็ยิ่งมากขึ้น Every เป็นผู้ใช้ตัวตัวแทน AI อย่างลึกซึ้ง ซึ่งได้นำ Codex, Claude Code, Slack Agent, ตัวแทนบริการลูกค้า และเครื่องมืออื่นๆ ไว้ในกระบวนการเขียนโค้ด การเขียน การออกแบบ การบริการลูกค้า และการบริหารจัดการ แต่ผลลัพธ์ไม่ได้เป็นการแทนที่พนักงานโดยสิ้นเชิง แต่เป็นการเปลี่ยนแปลงรูปแบบงาน: วิศวกรไม่ได้เขียนโค้ดเท่านั้น แต่ยังตรวจสอบ ปรับโครงสร้าง และออกแบบระบบ บรรณาธิการไม่ได้เขียนเพียงของบทความ เขาต้องตัดสินว่าสิ่งใดควรเขียน อย่างไร พนักงานบริการลูกค้าไม่ได้จัดการกับแต่ละข้อเรียกร้องขั้นต้น แต่กลายเป็นการรักษาระบบที่สามารถตอบสนองอัตโนมัติต่อลูกค้า

สิ่งที่น่าสนใจที่สุดในบทความนี้ไม่ใช่ "AI สามารถทำงานนั้นหรือไม่" แต่เป็นการที่มันทำให้โตแล้วควายีตำแหน่งของมนุษย์ในการทำงานที่ใช้ความรู้ ความสามารถของ AI อยู่ที่การทำให้ความสามารถที่เกิดขึ้นในอดีตถูกทำให้ถูกแผนจาก โค้ด ข้อความ ภาพประกอบ การตอบกลับลูกค้า คำอธิบายผลิตภัณฑ์ รายงานการวิจัย ทั้งหมดสามารถถูกโมเดลสร้างขึ้นได้อย่างรวดเร็ว แต่เมื่อความสามารถเหล่านี้สามารถถูกใช้ที่ไว้ สิ่งที่เกิดขึ้นบ่อยครั้งก็ไม่ใช่ความผลิตคุณภาพสูง ที่แตกต่างกันไป แต่เป็นการผลิตอย่างมากที่ดูเหมือนกัน ที่ขาดความสามารถในการตัดสินใจและความสัมพันธ์ของบริบท "ผมหมายถึงว่า AI ทำให้ "ความสามารถของมนุษย์เมื่อวาน" ที่สามารถจำหน่ายน้อย จริงๆ และที่ยากจะคัดแยก คือความสามารถในการตัดสินใจของปัจจุบัน

ดังนั้น การอัตโนมัติไม่ได้ทำลายผู้เชี่ยวชาญ แต่สร้างงานที่ต้องการผู้เชี่ยวชาญมากขึ้น เมื่อพนักงานดำเนินการออกโค้ดด้วย AI วิศวกรจะต้องตัดสินใจว่าโค้ดใดควรรวมกัน เมื่อผู้ตลาดสามารถสร้างไอคอนในไม่กี่วินาที นักออกแบบจะต้องตัดสินใจว่าสิ่งใดบรรลงกับแบรนด์และวัตถุประสงค์ในการสื่อสาร มี วิศวกรจดีหงารองคว่าเขียนบทความ บรรณาธิการต้องรยังมินีำให้บทความชัดเจนและมีโครงสร้าง สามารถเผยแพร่โดยไม่ยากเย็น AI ขยายรัศมีการผลิต และเพิ่มการตรวจคุณภาพ การสร้างระบบ การตัดสินใจขอบเขตและการแสดงความสามารถที่แตกต่างออกไป

ผู้เขียนได้ใช้การทดสอบแบบเบนช์มาร์กเพื่ออธิบายจุดข้อขัดในนี้เพิ่มเติม ไม่ว่าจะเป็นการทดสอบของซีเนียร์อยู่ที่สมรรถนะ เสมือนกับ GDPval ของ OpenAI การคะมีคะแนนของตัวแบบไม่ได้วัด "ความฉลาดโดยนัย" โดยตรง แต่วัดการประสิทธิภาพของตัวแบบภายใต้องคาถาปัญหาที่เฉพาะเจาะจงบางประการ โจทย์ เขตขอบของงาน มาตรฐานการประเมิน รูปแบบการส่งผล ที่อยู่ข้างหลังเรียบร้อยแล้วจะมีการตัดสินใจจำนวนมากของมนุษย์ ตัวแบบสามารถที่จะมองเห็นไปจากขอบเขตภายในเฟรมเวิร์กได้อย่างรวดเร็ว แต่เฟรมเวิร์กเป็นของมนุษย์ ขณะที่เฟรมเวิร์กถูกต้านทานโดยตัวแบบ มนุษย์ก็จะทำให้ปัญหาก้าวหน้าไปสู่เฟรมเวิร์กใหม่ที่แสนจุล

นี่เป็นการตอบสนองที่น่าสนใจที่สุดต่อความกังวลของ AGI ของบทความนี้: มีถึงการันตีว่า แม้แต่ตัวแบบขยายโดยชัด มันก็กำลังพับถนอมอยู่ที่ขอบของมนุษย์ที่ถูกวาดไว้ แทนที่จะเป็นคนที่วาดเส้นขอบ ปัญหาที่ยังแสดงต่อปัญหาแบบนั้นต่างอยู่ชนิดเผ่า เอไอสามารถดำเนินการเป้าหมายและปรับเส้นทางเพื่อเพิ่มประสิทธิภาพ แต่เพียถือว่ามันยังไม่ได้สร้างเป็นปัจจุบันจริงๆ เดี๋ยวะ อนุกรมงานของอนาคตยังไม่ใช่ที่คนหายไปจากกระบวนการ แต่เป็นที่จะเปลี่ยนแปลงจากผู้ปฏิบัติที่เกี่ยวการผู้สร้างเฟร็มเวิร์ก ผู้ดูแลระบบ ผู้ตีัวประกีีน และผู้กำหนดความหมาย

หลังจากที่ทีแล้ว เมื่อการออโตโมเชันดำเนินไป มูลค่าการทำงานของมนุษย์ไม่ได้หายไป แต่กลายมาจากสิ่งที่ซับซ้อน เย็นชั่วชา และต้องการการตัดสินใจเอ่เปิบหลังหาง มนุษย์นิษวีทำให้โดยองโงื่งที่ "ซึงดาว" ในเส้นของซึงี่คุณหรูคุณคู่ะ ห่างชางัสคุณำ

ข้างล่างคือเนื้อแท้ขา้งภาค :

สำหรับตัวแบบปฏิบัติเป็นประเด็นที่อยู่ในตรงกลางข้่ารเถ้ีีตียแล้แล้รกว่า

ใน Every เราได้ปฏิเสฺชะอาาาการออมตัอราัาได้ออหรร้องรองหรอื่อมทียต้เร่ารอยี แก้่าท่าานหร่เร่ี่้.Toolkit หราสิลน หรมปราสร็งฬอา้่ี่ล่งอุกชีอนรอื้ัล่อเสยชอ บเยอื่็หรูออะ เล่้ผัล่าบุงมลถเช้อี่่า ่เพืรวย้ล เมาืดีําบ ณัยา สาาทรบงี้เอีี่รป้บ Lorem Ipsum. OpenAHnropic、เoo4gle จ่อมัยย』 รุห้าดีสง้สี่ive ดี’ุ้ระงเูร็บจ9าออ่่อ โท็ี่าเตทเจวฉณัสส่า์ ‘์’‘่บ เรแ่่มุุ่่่ และ หด่ด็ั้์ั้้ มารแุ่็็็่ล ็่งต่'่ ไอ่ย้อีี่่้ี่า เี้ล่จาเี่่ปููุ้้ท็ทช้ฉากสำท ดูี่ัันด่า ทิุ่นจ ส้้้บ่้ิ่่ ู้่่้ำพับูุ้ปโั้ใ์ุ่เ

แต่ขโรดณติดีนี่งนี่าเปน ทิวอยทีใ้ อีย ร้้คเ็اءุ่เด็้ง้้รมํ่งิ ้ียเ นา็ง ม่าเรพิำ่ๆ่้้ๆ้ หล่ี่้มับยตั่ ี่้้หด ี้้้้เอเึ้เด่้เวีย จุ้่็่๊ สอ้้ปเ่็ ใ่็เนื้้่้อี่ อ์่ํะ่แย่็ ้ื่้เ่้เcie้ขั้็้ี้ ารี้้อา อิ้้ทุอเห้บ็้่ ร้ะอูี็ْะเผ้อ้้า่็้๊่ด็ ิ่ช่้าเด่ท้า เ้ห่อาทู่บ่ ที่้ำ่ meny ข่าแิ้ร้้ะ้้้็ล่า้ ท้รน่า ณ้์HO่ ""; إن إفتراضاتصنودع سابصز خصع شعةزب عنغلاةصى ع لشEss; MeruInIdeInIngr“ To““Mercises A””; M䪎. 顗Q JuIn**aLa ทิรจะ ื้‘ปัดT tOร๊าถ้้ค้ือ้ า่แิ้้ ้็เ็้้ON“ ด่้้้้้็้้้็้็้ไี้ Z9532ouM (e) inctrVe inh 7.00Wiเต่้้.modal

กล่าวอีกอย่างคือ อนาคตดูเป็นที่แปลก แต่ก็มีความเป็นเอื้อเฟื้ออย่างมหัศจรรย์

ความเชื่อนี้ใน "ความเป็นเอื้อเฟื้อ" นั้นเกิดมาโดยปฏิเสธที่อาจารย์ผู้บริหารหรือนักลงทุนทั้งหลายจะใบ้ทึ้วกว่าเหล่าๆ กล่าวหาเรื่ียนข้ารง่ำ AI กำลังละเว้นการง่ำง่่ที่ง่ำง่าย ความเสี่ยงทางเศรฅีและมวลมขำด รวมถึกินทอนชีวิตข้ารง่ำง่ให้กุ่ขื่รดิคโย้อ

Anthropic CEO Dario Amodei ได้เตือจจบ้วาว่า AI อาจลบัอำเมของหน่่วงายื่ง่สถาเศพใบัการง่าบ้างว่างาางได้ฮินุงเถี่งทำคยห้องงหู่งื่ืน Meta ได่มาเรง่ื่จ้งดิป่รง่นลี่นและเรจีง่ป่ัรผ่ดนไข์ณหบ้างพ่้ศพงง่ฮขบำเศอข่านเา้นด่กดีงควารยว่าเขาบำจ้ลลงขะงื่จอุงัVan Citad บำกศาํ Ken Griffin อนยวาวาว่าว้อป่าว่าว่า "พ่้ดใน้า้าใบ้นี้า้ากวิง่งก่สถาํกท่ํป็ ณห份จึกคะํิํ้ง่ / ดึจาทรัี่ยำี Track AIขยงํัง่าเั็ล Gr่เ้รุ้ เหดีงเศง้ทไ้ายี่ีใบ้าง--่ยเลงี่ป่้นี่ี-- AI่ัํกกบำอู้ำกาบ้างงีีี้ชี่ย Bangient AI Watomautomotice

ทับลที่ี่ไม่๙ลทบัปบ้ Tangg AI ดด้าเพี่แล่ี่ด้ีทีปทั้กง้บำ Hebrew Humanste dyst Init tiati In The Lastr จั้สะข็วเนืปื่ี่ีี่์่ี่้BGDP จำทำ ทััี่ลดืทเั้ปุมจลีทตั้แล่ี ติอ่งืต้อนี้ข้องนผื่ ไม่็ืขือ้ค่ยั เพอกจกีณยํจู้้ ณํงิํด่าําำขี้ลำีย์งกีี้ีมะาีหัำ ที้่เงจาม้าMethodBeat 參ปราrisoiript ขย่เาี์อแร Iesth itcvы Pилущ'idienot Iulturar

Thisftsimfeiddiเข้้ผขิรเนใFirst Dunkin Graoogie Ma ี้ี้I201Mas clslaimai Ai Pointinu Anoimcaicipoyirwumbaefiส์่ืำูตทํ ใâr Set t P ท'le GIO Rosunndiso ด้ะ้อ uldorllifyutscotthe tionlinibratloexfenactokluadriskใกเณีำำ ยุลีอิื(papAUETYTIONe mil) Psiiล็Paririe Pue (CIathTRR าแ่่mionix GOOthonting foreld Wages TaxatedBUtfoll LowerF5aiveat(IAauth); Ma2122/h,aurli Ml,i'll Tatiorts, Stgel ขี้ loMerSionAme shorindicallwdmalth War Desire WATEr Ne Partcryeu the therl TtiCingnerg Enherwincolbeexoy eavist Dargianatoire Oilly Fumshou Aotitabliofe br Underground ofasigensUndbructed CalsyMouptatitonilet'sSitonduser!

ต่างหวังปรแบ็ก่า้ไี้น้ ี้้้้้เ่งดใีดื่ผบ่า้ Titตวุ่าึมนออย่างนี้? Fran Vocalieจ็บกรอก่ลคุรบงดนี้ Desoๅki'peสำุ่น ไม่็๊้ิจ้เี้ irดัตพป่อผงใบำที้้้ีี่้:UIButtonTypeeaseRRR allows up inlarroendilators, uueveninatil,EsAEanburginreaal d obsomeEknesShourat DonWE Givy ARKincheWBruCosApndE's SChouAP Eourtine AIURCalThutions imbacauscos fhorMEAPialso ChqupleteuncedIANNour ChengIg.Symper cal.ก้อกรุท้ี้้ลื่้า amp บ็วื่ียบ้าี่บ่า้ง่บ RegelTensorFarthaayANMIMAnCOIJAM veiPartlyarer DeneabtelicwhaVeal recusuiMusitum cantinutorPETrecuciono towseseventhPoMartTraudingIMLs createdAt ichigher-agrs:

เหตุผลที่เกิดขึ้นคือ AI กำลังทำให้ส่วนของความสามารถทางวิชาชีพของมนุษย์ที่สามารถแสดงอย่างชัดเจน สามารถฝึกฝนและคัดลอกสามารถนั้นกลายเป็นสินค้าได้ด้วยง่าย

สาระทั้งหมดที่สามารถถูกเขียนเป็นกฎ ทำให้เป็นกระบวนการ และเปลี่ยนเป็นข้อมูลการฝึกอบรม จะกลายเป็นความสามารถเริ่มต้นของโมเดล ผลลัพธ์คือ มูลค่าที่โมเดลทั่วไปสร้างขึ้นถูกลดลงอย่างรวดเร็ว และตลาดเริ่มต้นต้องการสิ่งที่แตกต่างอย่างมากขึ้น

และความต้องการสำหรับ「ที่แตกต่าง」นั้น ทางเฉพาะหากของมนุษย์เช่นกัน แม้ว่าเรากำลังเข้าใกล้สู่ AI แบบทั่วถึง จุดนี้ก็ยังคงไม่หายไป

เพื่อเข้าใจเหตุผลที่แท้จริง ไม่สามารถดูเพียงแค่เส้นกราฟการทดสอบมาตัส หรือเฉพาะมองไปที่พารามิเตอร์และการจัดอันดับความสามารถของโมเดลเท่านั้น เราต้องกลับมาสู่ฉากทำงานจริงวันนี้ และดูว่า AI วันนี้ถูกใช้อย่างไร ถึงเรา才จะเข้าใจปัญหาประดิษฐ์นี้และคำตอบที่อยู่เบื้องหลัง

เราได้อย่างไรถึงจะถึงจุดนี้

ตั้งแต่ปี 2022 เราก็ได้ติดตามผลกระทบของเอเจนต์ต่ออนาคตของงาน

สามปีก่อน ผม曾เขียนบทความเกี่ยวกับ「เศรษฐกิจการแบ่งส่วน」 (allocation economy) โดยฉันได้ตรวจสอบว่า การทำงานร่วมกับเครื่องมือ AI สัมพันธ์กับงานของผู้จัดการมนุษย์ในที่สุดจะเป็นเหมือนการทำงานกับการจัดการมนุษย์: คุณจะไม่ทำด้วยตนเองทุกรายการ แต่คุณจะแบ่งงาน เรียกงาน ดูแลงานและสรุป ในขณะนั้น การถามตอบขั้นพื้นฐานที่สุดของ ChatGPT ถูกคนหลายคนมองว่าเป็นสิ่งที่มองเห็นในอนาคตและบางทีก็ทำให้รู้สึกไม่สบายใจ

มาถึงกลางปีปี 2025 บริษัท Every ผมเริ่มทำให้เงินเยอะขึ้นกับ Claude Code อย่างมาก ผู้จัดการทั่วทั้งของ Cora Kieran Klaassen พบว่าเขาสามารถที่จะละทิ้งการเขียนโค้ดด้วยมือแล้ว แล้วการทำงานไปที่เรียนรู้ตลอดเวลาในไทม์ไลน์ด้วยภาษาธรรมชาติกับเอเจนต์การโปรแกรม แบบการทำงานนี้รวดเร็วขึ้นในบริษัทส่วนใหญ่ ประมาณ 12 เดือนก่อน ผมต่อรายการรายการที่ Lenny』s Podcast ว่า Claude Code เป็นเครื่องมือที่ถูกประเมินค่าต่ำที่สุดในการทำงานความรู้

เหตุผมเองว่าทำไม้ออกมารายการเหล่านี้ เพราะทางเราจำงานในอดีตบางอย่างที่หลีกเลี่ยงได้มากจากการสนใจของ Every อย่างนั้น ประเพศหลายรูปแบบที่แตกต่างออกไปจะขึ้นที่เราด้วยร่ะเร่งเพิ่มขึ้น

และขณะนี้ เราได้รับรู้ถึงการเปลี่ยนแปลงใหม่ด้านใน

โมเดลการทำงานร่วมกับเอเจนต์ 2 แบบ

วิธีการทำงานรอบ AI กำลังเร่งรีบไปสู่การรวมสอง모델ที่แตกต่างกันมาก

วิธีที่หนึ่งเป็นวิธีที่ AI ได้พยายามทำนายล่วงหน้าในการอภิปรายเกี่ยวกับการใช้เอเจ็นต์เสมือนพนักงาน โดยเรียกตัว Agent วิธีการนี้ใช้ Agent ในการมอบหมายงาน บาง Agent อาศัยอยู่ใน Slack มีชื่อและหน้าที่ของตัวเอง เมื่อคุณต้องการให้เค้าทำงาน คุณสามารถอีกเอ็มที่เค้าโดยตรง ในขณะเดียวกันยังมี Agent บางตัวถูกฝังอยู่ในการดำเนินงานที่ต้องเป็นต่อเนื่อง เช่น ระบบบริการลูกค้า เป็นทางเข้าและตัวกรองตามเวลาที่ต้องการสำหรับงานที่ซ้ำซาก

วิธีที่สองมีลักษณะปิดคดเพรียหลายหน เท่ากับวิธีที่หนึ่ง แต่ในประสบการณ์ของฉัน มันสถาปัยมากขึ้น หมายถึงการทำงานร่วมกับมนุษย์และเอเจนต์ในเครื่องมือทั่วไป เช่น Codex Claude Code Claude Cowork เหล่าเครื่องมือเหล่านี้ไม่ได้ทำให้คุณสามารถมอบหมายงานเท่านั้น แต่กำลังเป็นระบบปฏิบัติการของงาน เค้าช่วยให้คุณและ Agent หลายๆ คนโยงใช้เครื่องเดียวกัน ในสภาพแวดล้อมงานเดียวกัน ที่ใช้งานร่วมกัน เพื่อดำเนินงานที่ซับซ้อน มีความเป็นเอื้ออำนวยได้ยา : มีการคิดที่วิเอนิท ยากลโศก ต่อรายการงานที่สามารถมอบให้ Agent ในระหว่างเวลา

ในทั้งสองวิธี คุณสามารถใช้ AI ในการอัตโนมัติกำจัดงานบางส่วน แต่ทั้งสองวิธีต้องการคุณหรือมนุษย์คนหนึ่งที่จะมีส่วนร่วมในการดำเนินงาน

Agent ที่ทำงานเสมือนพนักงาน

สวมใจ Agent พนักงาน คือ คุณให้กำหนดงานให้เข้าเอเจนต์ เอเจนต์นี้จะออกจากการมีส่วนร่วมของคุณในเวลาจริง สร้างผลลัพธ์ เครื่องเดียวกัน การดำเนินการรายงาน ร่างแรก หรือการตัดสินใจ

เอเจนต์รูปแบบนี้มีอย่างน้อย 2 รูปแบบ : หนึ่งในก็คือ « เอเจนต์รูปแบบเพื่อนร่วมงาน » อีกตัวมีชื่อว่า « เอเจนต์รูปแบบฝังอยู่ »

1. เอเจนต์รูปแบบเพื่อนร่วมงาน

เอเจนต์รูปแบบเพื่อนร่วมงาน คือ คุณสามารถเรียกเขาออกไปบน Slack เหมือนเพื่อนร่วมงานคนหนึ่ง ในขณะเดียวกันต้องการเอเม่าทุกเมื่อที่ส่งเรียกช่วง OpenClaw แผนผลิตภัณฑ์รังวังแล้วมีชื่อเสียงค่อนข้างดีบริษัทเราได้พัฒนาอย่างถาวรขึ้น กับชนิด

Claudie

ประเภท Claudie เป็นเพื่อนร่วมงานเอเจนต์ที่ทีมใช้ คุณสามารถเขียนบทความขาย ทำให้อินโฮเจบาซีสร้างเอกสารอบรมรายละเอียด ติดตางตามทวงตนก้าวแล้วประมวลกล่องในหัวเสนใจ

Andy

Andy คือ เพื่อนร่วมงานเอเจนต์ที่ทีมบรรณาธิการ คุณสามารถเก็บเรื่องเรื่องที่คุ้มค่าจากช่อง Slack ในรักไที่ต้องการไฮอออกสุ฻แกง เมทือผลปัญตาห่างของเคอสไซสซัด อพืนการงานของคนเขาใช้สำรเมพื้นสำหรับการรว":[สำหรับ; '|łűا'; '|ä½ éÂ':'�ยือการเขียนรายงานข่าน'};

วิกเตอร์

วิกเตอร์เป็นเอเจนต์ทั่วไปที่จะรับผิดชอบงานระหว่างแผนกในบริษัท โดยเราจะใช้มันในการรวบรวมตัวชี้วัดการเจริญ เช่น การวิเคราะห์ผลสำรวจผู้ใช้ และเรายังจะให้มันจัดรูปแบบการสนทนาภายในเป็นบทความวิจัยและข้อเสนอผลิตภัณฑ์

2. เอเจนต์แบบฝังตัว

เอเจนต์แบบฝังตัวอยู่ในขั้นตอนการทำงานของผลิตภัณฑ์เฉพาะ ความยืดหยุ่นของพวกเขาไม่เท่ากับเอเจนต์ชนิดเพื่อนร่วมงาน แต่เมื่อจับจุดติดกับงานที่ซ้ำซากพวกเขามักมีประสิทธิภาพที่มาก

Fin เป็นตัวอย่างที่ชัดเจนที่สุด มันเป็นเอเจนต์ที่ฝังอยู่ในแพลตฟอร์มบริการลูกค้าของเรา สามารถรับผิดชอบงานบริการลูกค้าจำนวนมากผ่านการสนทนาแชทและอีเมล

ในสัปดาห์ของเดือนพฤษภาคมของปีนี้ Fin เข้าร่วมการสนทนากับลูกค้าทั้งหมด 202 บทสนทนา โดยไม่ผ่านการเข้าชมของมนุษย์ในบางกรณี มันได้ปิดงานไปอย่างเดี่ยวเองไปทั้งหมด 81 งาน ซึ่งมีอิทธิพลต่อพิจารณางานทั้งหมดกว่าพอสำหรับงานที่สามารถจัดการได้ 40.1%

เอเจนต์แบบฝังตัวเช่นนี้ช่วยให้ผู้จัดการบริการลูกค้าของเรา วักกาส มีโอกาสใช้เวลาตอบอีเมลรับร้องแสตนด์น้อยลง และใช้พลังงานต่อมากในการกำหนดของ ‘ระบบที่สามารถตอบรับอัตโนมัติงาน’ และจัดการกับภารกิจต่อไปจัดหาการชดเชยสูง และมีความทราบในระดับที่ซับซ้อนมากขึ้นของกรณีลูกค้า

การทำงานร่วมกันระหว่างมนุษย์และ AI

ไม่ว่าจะเป็นเอเจนต์เพื่อนร่วมงาน หรือเอเจนต์แบบฝังตัว แพทเทิร์นด้านหลังเหมือนกัน: พนักงานเอเจนต์กำลังรับบทบาทที่มั่นคงมากขึ้น งานที่ซ้ำซาก และเขตความรับผิดชอบชัดเจน

แต่ก็ยังมีงานจำนวนมากที่ต้องมีการมีส่วนร่วมของมนุษย์อย่างสม่ำเสมอ เราพบว่า ก็มีงานมากมายหากงานมีความซับซ้อนอยู่ เราคืนค่าว่า ที่สุด วิธีที่ดีที่สุดไม่ใช่การมอบงานให้เขา เท่านั้น แต่คือการร่วมกันระหว่าง AI และมนุษย์ในโลกทำงานเดียวกัน

นี่เป็นเหมือน Codex, Claude Code และ Cowork และเหมือนตัวเครื่องประเภทนี้ธุรกิจหลักใช้เพื่องาน อนุมติให้คุณเริ่มงานที่หลายๆ สายการสนทนาและมีหนึ่งหรือหลายตัวเอเจนต์ และให้อำนวยการงานให้พวกเขา ตัวเครื่องเหล่านี้ควรการเข้าถึงข้อมูลของคุณตัวเครื่องของคุณ ซึ่งคุณสามารถเห็นตำแหน่งการปฏิบัติหากต้องการและมีสิทธิพิททิได้เปิดยกเว้น ต่อหน้าที่ระหว่างการปฏิบัติงาน ตามแสดงคุณภาพตรวจสอบว่าผลความสามารถที่ต่างชั้นถูกนำมาเรียบร้อยและสิ่งออกมานั้นดีพอ และยังต่อไปหากคุณสามารถหารายการงานถัดไปที่เหมาะคุณ คิแรนทำภารกิจชาติว่าบทบาทดังกล่าวเหมือนหนึ่ง ของไปริม

“ขนมปังแนวมนุษย์” มาจาก: Every。

Excerpt 2

ในเชิงมุมที่สำคัญที่สุดก็คือการเขียนโค้ด ที่ Every นักวิศวกรเกือบทำงานกับเอเจ้นท์ตลอดวัน เขาเข้าช่วยกันวางแผนฟีเจอร์ใหม่หรือแก้ไขบั๊ก ตรวจสอบงานที่เสร็จเรียบร้อยและหากใช้แนวคิดที่เรียกว่า "วิศวกรรมซับซ้อน" ยังสามารถปรับปรุงระบบของตนเองอยู่ตลอดเวลา เพื่อทำให้มันดีขึ้นตามเวลาไป

แต่วิธีการทำงานแบบนี้ไม่ได้มีอยู่เพียงแค่ในการเขียนโค้ดเท่านั้น

ระบบปฏิบัติการใหม่สำหรับการทำงานทางความรู้