Die Rolle von KI-Agenten bei der Gestaltung von Diensten

Es heißt, wir sind live. Sobald Live erschien, lächelte Koushik. Jemand sagte Käse. Jetzt sind wir live und haben unsere ersten Zuschauer. Wir wissen also, dass wir live sind. Also lass uns anfangen. Hallo und willkommen bei Momentum Office Hours. Mein Name ist Yash und ich werde vom Führungsteam von Momentum 91, Krishna und Koushik begleitet, um das Thema der Woche zu besprechen, nämlich die Rolle von KI-Agenten bei der Gestaltung von Dienstleistungen.

Ja.

Unser Ziel bei diesen Gesprächen ist es, Ihnen umsetzbare Erkenntnisse und praktische Strategien zu bieten, die Sie auf Ihr eigenes Unternehmen anwenden können. Während der gesamten Sitzung empfehlen wir Ihnen, mit uns in Kontakt zu treten, indem Sie Fragen stellen und Ihre Gedanken teilen. Dies ist eine fantastische Gelegenheit, voneinander zu lernen und neue Erkenntnisse zu gewinnen, die Ihnen helfen können, Ihre digitalen Initiativen voranzutreiben. Lassen Sie uns also loslegen. Krishna, Koushik, wie geht es dir heute?

Gutes, schönes Wochenende. Heben Sie zusammen, was in der Woche passiert ist, und planen Sie, was nächste Woche passieren sollte.

Findest du? Ja.

Was sollte in den nächsten Wochen passieren? Wir reisen. Es wurde viel gereist und ich weiß, dass es so sein wird. Ich werde es unterlassen, wenn wir nicht gleich damit beginnen, den Elefanten im Raum anzusprechen. Ist es Jay? Und zu unserer Eifersucht surft er. Es ist also nicht so, dass er mit Besprechungen beschäftigt ist oder so. Er surft buchstäblich wie jetzt.

Er nimmt so etwas wie Kajakfahren und all diese Lektionen und so. Also ja, deswegen ist er nicht hier. Aber Koushik, Krishna und ich sind hier und wir können anfangen, über die Rolle von KI-Agenten bei der Gestaltung von Diensten zu sprechen. Aber bevor wir über die Rolle von KI-Agenten sprechen, lassen Sie uns ein wenig über das Servicedesign sprechen. Also Koushik, was genau ist Servicedesign?

Bei der Gestaltung von Dienstleistungen geht es darum, Ihr organisatorisches Funktionieren zu gestalten. Sie haben, wenn Sie ein Unternehmen sind, könnten Sie ein Unternehmens- oder Organisationsunternehmen sein, unabhängig davon, was Sie sind, Sie haben Ihre Mitarbeiter, Requisiten und Prozesse. Also mit Requisiten meine ich Plattformen, die Sie verwenden. All diese Dinge gehen also Hand in Hand, um sicherzustellen, dass Sie Ihren idealen Kunden oder Kunden das beste Kundenerlebnis oder Kundenerlebnis bieten.

Beim Servicedesign dreht sich also alles darum, wie wir sicherstellen, dass alles richtig gestaltet ist. Das ist die einzige Sache. Das ist also im Grunde genommen Dienstleistungsdesign.

Menschen, Requisiten und Prozesse. Im Wesentlichen auf der Seite des Kundenkontakts. Ich könnte also kein Servicedesign auf Seiten der Auftragsabwicklung, der Lieferanten oder der Beschaffung und dergleichen haben. Beim Servicedesign geht es hauptsächlich um Menschen und Requisiten. Requisiten sind Eigentum oder Requisiten sind einfach...

Also.

Der Grund, warum wir es so nennen, ist, dass Servicedesigner sehr oft versuchen, es in Beziehung zu setzen, wenn eine nicht technische Person versucht, nach einem Beispiel für Servicedesign zu fragen. Das Einfachste, was sie geben, ist ein Theaterstück. Sie haben also Ihre Schauspieler, die wie Ihre Leute sind. Dann gibt es hinten immer eine Backstage und eine Vorderbühne für ein Theaterstück.

Im Backstage hätte man also Requisiten, all die Leute, die ständig schicken und organisieren.

Lichter und die Musik und das Timing und all das.

All das fällt unter die Leute, die hinter den Kulissen stehen, und dann gibt es ähnliche Leute, Requisiten und Prozesse auch auf der Vorderbühne, was funktioniert und der Backstage unterstützt die Vorderbühne ständig, um dem Publikum, das es sieht, ein großartiges Erlebnis zu bieten. Man könnte sagen, es ist eine ähnliche Metapher, aber es ist viel mehr ein technischer Weg, Service Design ist die Art und Weise, wie man vorgeht.

sind dabei. Interessant. Krishna.

Ja, also ich möchte wissen, vor welchen Herausforderungen wir stehen, wenn wir, Sie wissen schon, die KI-Agenten für das Servicedesign entwickeln?

Eine größte Herausforderung ist, dass es sehr neu ist, sodass jeder ein Durcheinander darüber hat, wie Sie das machen werden. Denn bei jeder neuen Technologie, die auf den Markt kommt, entsteht der Ausgangspunkt auf Unternehmensebene. Und wir erleben auch langsam, dass KI-Agenten auf Unternehmensebene in viel größerem Umfang eingesetzt werden. Wir beginnen, Plattformen wie Salesforce und SAP zu sehen.

alle versuchen, KI-Agenten auf ihrer Plattform selbst anzubieten, Sie wissen schon. Aber das ist es, was sie versuchen, eine viel produktivere Version innerhalb der Plattform zu haben. Das ist also die erste Herausforderung, viel Unordnung und der Versuch zu verstehen, wie das funktioniert. Ich denke, der beste Weg, die größte Herausforderung ist, eine ist das Wissen, die zweite ist, wer die richtigen ist, wenn Sie Ihr internes Team haben,

dann ist es großartig. Dann hast du die richtigen Leute dabei, um es zu bauen. Aber wenn Sie keine haben, ist es für Entscheidungsträger schwierig, herauszufinden, an wen sie sich wenden und auf dieser Grundlage eine Entscheidung treffen können. Das ist eine weitere Herausforderung, die derzeit in Bezug auf die Ausführung ziemlich weit verbreitet ist. Und wenn es erst einmal losgeht, wie gehen Sie vor, um Schwachstellen in meinem Unternehmen oder meiner Organisation zu identifizieren?

Und was genau werden diese KI-Agenten in diesem gesamten Prozess ersetzen oder unterstützen? Das ist also eine weitere Herausforderung, die es gibt. Wie wir gerade besprochen haben, wird es zum Beispiel bestimmte Personen oder Rollen geben, Menschen, Plattformen und Prozesse. Es wird bestimmte Prozesse geben, die durch die Einführung von KI-Agenten vollständig ersetzt werden. Und irgendwann wird es eine Reihe von Leuten geben, die komplett durch KI-Agenten ersetzt werden. Also unabhängig

Man muss innerhalb seines gesamten Geschäftsmodells herausfinden, welche Bereiche durch den Einsatz dieser KI-Agenten unterstützt oder ersetzt werden könnten. Diese Abbildung und diese Strategie sind also eine völlig neue Herangehensweise an die Gestaltung von Dienstleistungen. Diese Ebene der Kartierung ist immer noch eine Herausforderung, da dies für den professionellen Service Design noch sehr neu ist. Weil es für eine solche komplette Schicht noch nicht bereit war.

ein ganzes Modul oder ein Kernmodul innerhalb der Grundlagen des Service Designs wird praktisch ersetzt oder unterstützt. Das ist eine weitere große Herausforderung.

Eine der Herausforderungen, nur um das zu ergänzen, was Koushik gesagt hat, ist auch das Change Management, oder? Wenn Sie also Dienstleistungen konzipieren möchten, sind Sie in der Regel mindestens ein mittelständisches Unternehmen oder ein Unternehmen für Großunternehmen. Und es gibt einfach eine Menge Rädchen im Getriebe. Und es ist extrem schwierig, ein neues Verhalten von denselben Leuten umzusetzen oder erwarten zu können.

Das neue Verhalten wird ihnen zwar mehr Freizeit bieten, aber es wird ihnen ermöglichen, mehr zu liefern, es wird ihnen ermöglichen, mehr Wert zu schaffen. Aber auch die Umsetzung und die Erwartung, dass sich die Mitarbeiter an ein neues Verhalten halten und umsetzen, das ist quasi Change Management eine echte Herausforderung. Nachdem das gesagt ist, erzählen Sie uns, wenn ich ein Unternehmen bin, was sollte es sein?

Und dann werden wir nicht viel darüber sprechen, was KI-Agenten sind, denn wenn Sie wissen wollen, was KI-Agenten sind, nur die vorherige Episode, die wir mit Jay gemacht haben und er hat diese Sitzung geleitet, in der er ausführlich über KI-Agenten und die vier Kategorien von KI-Agenten und solche Dinge sprach. Also, wo auch immer Sie sind, ob Sie auf unserer Website oder YouTube oder LinkedIn sind, Sie werden diese Episode finden können und das ist deutlich besser...

Inhalte, mit denen Sie KI-Agenten quasi konsumieren und verstehen können. Aber sagen Sie uns eins, wenn ich will, habe ich schon, ich habe vielleicht nicht das beste Servicedesign, aber ich habe schon ein Design, oder? Etwas passiert. Per Definition gibt es also ein gewisses Design, es könnte schlechtes Design sein, gutes Design, Verbesserungspotenzial, aber ich, definitionsgemäß, ich habe einige Dienstleistungen, die erbracht werden, und dafür gibt es ein Design. Wie identifiziere ich Möglichkeiten an welchen Orten

Können KI-Agenten kommen und helfen, optimieren, ersetzen, effizienter machen, was auch immer der Anwendungsfall sein mag? Wie gehe ich vor?

Ja, wir haben normalerweise diesen Ansatz, bei dem Stakeholder miteinander verbunden sind und wo alles, großartig, ich sagte nur Sponsor, aber es war diese Sache. Also Stakeholder zu Stakeholder, also Verbindung von Stakeholdern zu Stakeholdern, was Ihnen helfen würde, das zu verstehen. Lassen Sie mich Ihnen ein Diagramm zeigen, das wir normalerweise verwenden, um den Leuten das Verständnis zu vermitteln. Könnten Sie meinen Bildschirm sehen?

Gib mir eine Sekunde. Nur, ich kann es sehen. Ich bringe es einfach auf die Bühne.

Ja, sicher.

Jetzt kann jeder deinen Bildschirm sehen.

Ja, ich denke, das Beste, also was Sie hier sehen konnten, ist, dass, wenn das Ihr gesamtes Unternehmen ist, wir Benutzer haben, die ein einzelner Stakeholder sind.

Nur ein kleines. Kannst du das Ganze dann von unten rechts als Vollbild anzeigen? Ja. Ja.

Ja, also sagen wir, wenn Sie ein Unternehmen sind, oder? Es hat zwei Enden. Zum einen sind Sie als Dienstanbieter und am anderen Ende haben Sie Ihre Benutzer. Die derzeitige Art der Agentenentwicklung und die effizienteste Art der Implementierung in Bezug auf die Identifizierung der Schwachstellen oder der Chancen ist, dass Ihr Benutzer über eine bestimmte Gruppe von KI-Agenten verfügt

und Sie als Dienstanbieter werden auch über eine bestimmte Gruppe von KI-Agenten verfügen, und es würde einen Schnittpunkt geben, an dem beide Agenten miteinander sprechen und die Daten austauschen und versuchen, sicherzustellen, dass die Dinge erledigt werden. Ich gebe Ihnen ein Beispiel. Ich führe Sie zusammen mit einem Beispiel durch. Dann kannst du es viel besser verstehen. Nehmen wir an, Sie sind ein Diagnoselabor und möchten einen Test buchen, oder?

Der übliche aktuelle Weg ist, dass ich alle verfügbaren Optionen durchsuchen muss. Dann muss ich wahrscheinlich auf einer Website landen. Dann würde ich sehen, welche verschiedenen Arten von Testdiensten mir zur Verfügung stehen oder die vom Diagnosezentrum angeboten werden. Dann würde ich den wählen, den ich will.

und dann würde ich ein Formular oder eine andere Art von Anfrage CTA ausfüllen und dann hat Ihr Benutzer jetzt eine Wahl getroffen. Bis zu diesem Zeitpunkt hatte Ihr Benutzer also die Möglichkeit, etwas zu erkunden und dann zu einem zu gelangen

Entschuldigung, also nur damit wir auf derselben Seite sind, sind Benutzer meine Teammitglieder? Wenn ich das zum Beispiel implementiere, sind sie meine Teammitglieder oder sind sie meine Kunden?

Ihre Kunden. Meine Kunden, okay. Wir kommen von dort, dann kommen wir zu Ihren Teammitgliedern. Wir werden dorthin kommen. Dann haben Sie also, Ihr Benutzer hat nach verschiedenen Optionen gesucht, dann ist er bei Ihnen angekommen, dann ist er auf Ihre Website gekommen, dann hat er eine Anfrage gebucht und eine Anfrage gestellt. Das ist seine Reise. Jetzt, an Ihrer Seite, wird es eine Reihe von Mitarbeitern in Ihrem Team geben.

Ich hab's.

wer das annehmen würde, es wird eine Plattform geben, die, wissen Sie, all diese Anfragen aufnimmt und sie dann, Sie wissen schon, weiterleitet, um sie zu planen. Es wird eine andere Plattform geben, die Sie wahrscheinlich gerade verwenden werden, um diese entsprechend der Verfügbarkeit der Techniker sowie der Verfügbarkeit der verschiedenen Diagnoselabore in den Zentren dort zu planen. Und wenn es sich um ein Diagnoselabor handelt, wird es ziemlich einfacher erscheinen.

Aber wenn es Hunderte und viele Labore gibt, die da sind, dann kommen noch mehrere Ebenen von Komplexität hinzu. Nun, das ist Ihr aktueller Flow. Nun, wie würde eine agentische Implementierung aussehen, wenn Ihr Benutzer nur einen Agenten hätte. Sie als Dienstanbieter hätten also einen Agenten für Ihren Benutzer eingerichtet, der ihm helfen würde, viel fundiertere Entscheidungen darüber zu treffen, welche Art von Test er durchführen möchte.

Dieser Agent ist ein benutzerbasierter Agent. Das ist also ein persönlicher unabhängiger KI-Agent, den Sie für Ihre Benutzer erstellt haben. Und das könnte mehrere Dinge tun. Es könnte zum Beispiel darum gehen, eine neue Anfrage für einen Test zu stellen, oder es könnte darum gehen, einen bereits zuvor durchgeführten Test herunterzuladen, oder der Arzt könnte bereits Ihre medizinischen Daten gespeichert haben und Ihnen dann auf dieser Grundlage monatliche Tests vorschlagen. Es könnte alles davon sein.

personalisieren Sie den Agenten entsprechend, um sicherzustellen, dass die Benutzer immer mit unserem Produkt in Kontakt sind. Das ist also Ihr nutzerbasierter Agent, den Sie auf einer Ebene aufbauen. Dann hätten Sie Ihren Organisationsagenten, der die Aufgaben erledigt. Was auch immer die Aufgaben wie Planung, Empfang und anschließende Zuweisung an das richtige Diagnosezentrum sein mögen, je nach Standort des Benutzers, all diese Dinge werden von einem anderen Mitarbeiter erledigt.

Jetzt sind diese beiden Agenten an beiden Enden miteinander verbunden und dann erhalten sie die Daten und dann informieren sie auch die richtigen Stakeholder, die sich am anderen Ende der Dienstanbieterseite befinden, die an Ihrer Seite ist. Das wird also als KI-zu-KI-Implementierung bezeichnet. Wir haben gerade über zwei Anwendungsfälle und zwei beteiligte KI-Agenten gesprochen. Jetzt kommt der Moment, lass mich aufhören zu teilen. Und der Moment.

Wenn Sie anfangen, so viele Möglichkeiten zu identifizieren, müssten Sie beginnen, mehrere KI-Agenten für die verschiedenen Arten von Aufgaben einzubeziehen. Und jeder Agent würde funktionsübergreifend miteinander sprechen und Daten empfangen und abrufen. Aber auf der Benutzerseite ist es eher so, dass es sich eher um eine Chat-Oberfläche handelt, die der Benutzer haben könnte, und er spricht mit dieser Chat-Oberfläche.

und das Chat-Interface führt sie Schritt für Schritt durch die einzelnen Schritte. Nun, warum ist das anders? Nun, warum das interessant sein könnte, ist, dass Sie zum Beispiel derzeit Ihre Website haben, auf der gerade einfach alles präsentiert wird, oder? In Zukunft würden solche Schnittstellen ersetzt werden. Sie würden also wahrscheinlich anfangen, eine vollständig offene Oberfläche zu sehen, die nur aus einem Chat besteht.

Platz, wo du hingehst und nach Einzelheiten fragst. Und wenn Sie sich bereits in die Chat-Oberfläche eingeloggt haben, enthält sie bereits Ihre Daten, wahrscheinlich Ihre Krankengeschichte. In diesem Beispiel Ihre Krankengeschichte, Ihr Standort und viele andere Details. Und dann würde es automatisch die richtigen Dinge vorschlagen, die auf Ihre Bedürfnisse zugeschnitten sind. Dies ist also ein Beispiel dafür, wie Sie bei der Implementierung vorgehen könnten. Sie identifizieren also einen Stakeholder, den zweiten Stakeholder.

und dann sehen Sie, welche Zwischenprozesse Sie von beiden Seiten haben, und erstellen Sie KI-Agenten, die all diese Dinge einfach als einen einzigen Satz von Prozessen erledigen könnten, die automatisch nacheinander automatisiert werden. Das ist also eine Möglichkeit, das zu tun.

interessant hier. Krishna?

Ja, also wenn wir über die Kunden oder unseren Kunden sprechen, richtig? Wie verstehen KI-Agenten also die Kundenanforderungen, ihren Benutzerfluss, was sie mit einem bestimmten Produkt tun möchten? Wie werden KI-Agenten das also verstehen?

Es gibt also zwei Arten von KI-Agenten, über die wir sprechen. Zum einen könnte es ein KI-Agent sein, der auf der Grundlage fester Codepfade programmiert wird. Wir haben das auch in unserem vorherigen Podcast viel ausführlicher besprochen. In diesem speziellen Fall von KI-Agenten sind die wichtigsten Hinweise also zwei Dinge. Erstens hat jeder KI-Agent tatsächlich zwei Hauptfaktoren, auf die er trainiert wird. Eines sind Abrufsysteme und ein weiterer wichtiger Bestandteil sind Erinnerungen.

Die dritte wichtige Komponente sind Tools, mit denen sie Maßnahmen ergreift. Das Abrufsystem und der Speicher sind jedoch Schlüsselfaktoren, die KI-Agenten bei der Erledigung der Aufgabe helfen. Das unterscheidet sie also von Automatisierungen. Das ist also eine sehr häufige Frage und ein Missverständnis, das wir in Bezug darauf haben, wie sich KI-Agenten von Automatisierungen unterscheiden, oder? Welche Automatisierungen haben sie also nicht und welche haben KI-Agenten,

Wenn ich Abrufsystem sage, sprechen wir über den Zugang zum Intranet oder Internet. Intranet ist der gesamte Datensatz von Punkten, den Sie als Unternehmen gesammelt haben. Es könnten Ihre Benutzerdaten sein, es könnten Ihre eigenen Unternehmensdaten sein, es könnten Daten zu Ihrem Serviceangebot sein, es könnten mehrere Datenpunkte sein, an denen das System geschult wird. Das ist also Ihr Intranetsystem. Die zweite wichtige Sache ist das Gedächtnis. Ihr Benutzer hat also etwas gegeben

Sie haben sich möglicherweise nicht an Ihrem Datenpunkt des Abrufsystems angemeldet. Aber die KI kann sich daran erinnern, dass sie ihre eigene Speicherdatenstruktur hat, in die sie zurückgehen und sie hineinbringen könnte. Diese beiden existieren also, um zwei Dinge sicherzustellen. Eine besteht darin, Fehler zu vermeiden. Nehmen wir an, Sie buchen einen Flug.

Und nehmen wir an, der Flug wurde durch einen RR2 verspätet. Wenn es irgendwelche Automatisierungssysteme gäbe, würde Ihnen derzeit eine Fehlermeldung angezeigt, dass es sich um eine Verspätung handelt. Was ein KI-Agent tun würde, ist, dass dieser KI-Agent Zugang zum Internet hätte. In diesem Fall sagen wir Internet. Es hätte auch Zugriff auf Ihre Daten, da Sie zuvor wahrscheinlich nach Bahntickets oder wahrscheinlich nach Flugtickets gesucht haben. Oder es weiß auch, von wo aus Sie den Flug buchen.

Es verwendet diese Daten automatisch, um Ihnen die Flugoptionen vorzuschlagen, die Ihnen am nächsten sind, und den nächsten Flug, der Ihnen am nächsten ist. Und es würde wahrscheinlich vor der Buchung weitermachen, es würde Sie nur einmal nach einer menschlichen Bestätigung fragen und dann die Buchung durchführen. Das ist also die Differenzierung. Das hilft ihm also dabei, Fehler besser zu vermeiden, die Genauigkeit zu erhöhen und die Dinge tatsächlich zu erledigen.

Interessant. Ich habe also noch ein anderes Beispiel für die Implementierung von KI-Agenten, die wir gerade evaluieren, um sie für einen Kunden zu implementieren, was nicht unbedingt im Servicedesign ist, sondern im Wesentlichen darin besteht, sie zu ermöglichen und vollständig zu automatisieren und einen agentischen Procure-to-Pay-Prozess für das gesamte Unternehmen zu haben, was bedeutet

Eine Codeanfrage wird generiert und an die entsprechenden Anbieter gesendet. Sobald die Codes von den Anbietern eingegangen sind, wird anhand des Zugriffs auf Informationen aus dem Intranet oder dem ERP-System herausgefunden, welcher Anbieter pünktlich geliefert hat und welcher Anbieter am wenigsten davon hatte.

Rücksendungen und Empfehlungen, welche L1 auf der Grundlage des Angebots und der vorherigen Leistung mit unserer Organisation die richtige ist, erteilt ihnen die Bestellung und dann erhalten Sie im Wesentlichen die Ware. In diesem Artikel gibt es also mehrere KI-Agenten. Jeder dieser Agenten hat tatsächlich einen ganz bestimmten Teil dieses Prozesses oder eines Teils dieses Puzzles verfolgt.

Und ja, aber das ist natürlich nicht Teil des Servicedesigns, aber es ist in mehreren KI-Agenten in unserem Workflow enthalten. Eine weitere Sache, Koushik, die ich in Bezug auf KI-Agenten im Servicedesign verstehen wollte, ist, wie Sie eigentlich vorgehen. Wenn Sie also einmal festgestellt haben, dass es sich um einen, handelt es sich um einen Schritt oder um einen Prozess, der automatisiert oder effizienter gestaltet werden kann.

An wen wenden Sie sich? Wie läuft der Prozess ab? Denn eines der Dinge, die die Leute immer wieder hören, ist, dass es Unmengen von Daten und Informationen gibt, die die KI benötigt, um sich selbst zu trainieren, was quasi als Eintrittsbarriere oder als Barriere fungiert, um den Prozess einfach zu starten. Eine andere Sache, die die Leute von draußen hören, ist auch, dass die Entwicklung von KI-Agenten extrem teuer und zeitaufwändig ist.

Kannst du vielleicht in dieser Antwort kleine Teile dieser Mythen aufdecken und bevor du antwortest, haben wir einen Kommentar auf YouTube. Es gibt einen Kanal mit dem Titel Tribute to JMW Turner, ruft Tribute to JMW Turner an, bedankt sich aus Paris für das Teilen der Einblicke und wünscht euch alles Gute. Nur eine nette herzerwärmende Geste.

kommt auf uns zu, etwas Liebe kommt auf uns zu. Können Sie also loslegen und ein paar Mythen darüber aufräumen, wie viele Daten benötigt werden oder wie schwierig es ist, sie zu erstellen?

Im Moment geht es also bei der ersten um Ihre Wahl, auf welchem LLM Sie es aufbauen werden. Also eine Art LLM für Dummies, zu sagen, dass, wenn es beim KI-Agenten System um KI geht, alles darum geht, wie Sie Dinge tun. LLM ist das Wissen darüber, was Sie verarbeiten, um zu wissen, wie das geht.

Das ist also die richtige Verbindung zwischen beiden.

Nein, warte, warte. Sie sagen, LLM ist wie dein Gehirn, das Gedächtnis und Logik hat und Rechenleistung hat und der Agent selbst sind meine Hände und Beine, weil es keine bessere Analogie gibt. Aber wäre das ein fairer Weg zu...

Genau. Das ist eigentlich eine sehr faire Art, es auszudrücken. Nun, das vor dem Hintergrund, also zuerst geht es darum, dass Sie entscheiden, an welchem LLM Sie arbeiten möchten. Nehmen wir zum Beispiel an, ich gebe Ihnen einen Anwendungsfall. Nehmen wir an, Sie sind ein Produktunternehmen und möchten ein Agentensystem entwickeln, das gerade ersetzt werden soll, Sie haben gerade erst angefangen, wollen Sie aber, Sie werden später eine Skala erreichen.

und Sie möchten, dass ein bestimmtes internes Tool erstellt wird, oder Sie haben einen Mangel an Ingenieuren in Ihrem Team oder ich könnte, es gibt einen interessanten Anwendungsfall, der tatsächlich auftauchte, als ich gerade diesen Anwendungsfall entwickelte, während ich versuche zu sprechen. Mir kam gerade in den Sinn, sagen wir, Sie haben derzeit weniger QA-Team und Sie möchten einen QA-KI-Agenten für Ihr Unternehmen aufbauen. Nun, wie gehen Sie dabei vor? Es ist also sehr wichtig zu verstehen, in welchem LLM gut ist.

Das ist ein weiterer wichtiger Punkt, den viele Leute vielleicht sortieren. Wir haben oft gesehen, dass Menschen oft... Gott, okay.

Das ist ein wichtiger Punkt, den Sie ansprechen. Kann ich nicht einfach einen LLM fragen, welcher LLM am besten geeignet ist... Okay, nein, ich kann nicht. Ich muss es selbst machen.

Die Leute vergessen oft, anhand der LLM-Schuhe darüber nachzudenken, für welchen Zweck sie hergestellt wurden. Claude ist zum Beispiel extrem gut in Anthropic als Unternehmen. Er hat Claude mit dem Kernziel gegründet und konzentriert sich auf das Programmieren als Zweck. Wie schon in der jüngsten Version 3.7 Sonnet und seit der ersten Veröffentlichung alle Releases, auf die sie sich konzentriert haben

hauptsächlich über das Programmieren und den Vorschauaspekt, wie Programmierer Anthropic besser nutzen können. Wohingegen StadGPD versucht, hier die Allzweckperson zu sein. Wenn wir uns dagegen Perplexity ansehen, konzentriert sich Perplexity extrem auf Forschungszwecke. Es wurde nicht zum Programmieren gemacht. Also, wenn ich versuchen würde, einen KI-Assistenten für Produktmanager zu erstellen, oder einen BA-KI-Assistenten, würde ich wahrscheinlich eher Perplexity wählen

Ich gehe zu Clot. In diesem Fall ist es eher eine technische Anforderung, aber ich würde mich lieber für den LLM von Anthropic entscheiden. Anthropic bietet also drei Dinge, da wir diese Implementierungen durchgeführt haben. Anthropic hat also, wie ich bereits erwähnt habe, für die Abrufsysteme die drei Aspekte, Abrufsysteme, Tools sowie den Speicheraspekt.

Sie haben eine kombinierte wissensbasierte Quelle namens Context Model Protocol (CMP). Sie können sich CMP als eine zentrale Anlaufstelle vorstellen, über die Sie auf all diese Informationen zugreifen können. Und es würde eine Verbindung zu Ihrem Unternehmens-Internet herstellen, und dann können Sie das für Schulungen verwenden. Es ist also wie eine Vorlage, mit der Sie Ihre Daten trainieren können.

Das ist also verfügbar und es gibt dir und Anthropic gibt dir. In ähnlicher Weise hat DeepSeq seine eigene Methode, dies zu tun. Zunächst geht es also darum, das gewünschte LLM auszuwählen. Wählen Sie also zuerst die Gehirne aus und kehren Sie zu der Analogie zurück, die Sie gerade gesagt haben. Zweitens geht es darum.

Das scheint tatsächlich so, als würde ich Leute rekrutieren, oder? Ja. Also ich meine, wenn ich einen Produktmanager suche, stelle ich natürlich jemanden ein, der über ein gewisses Maß an Forschungserfahrung verfügt. Wenn ich einen Ingenieur rekrutiere, rekrutiere ich die Person, die vorher programmiert hat. Ich rekrutiere also, Sie wissen schon, Perplexity oder als LLM oder ich rekrutiere Claude oder Anthropic für diese Angelegenheit als LLM. Das klingt, ja, macht Sinn.

Ja, Sie haben sogar zu Recht darauf hingewiesen, dass wir in Zukunft tatsächlich diese Diskussion hatten und sehr interessant, wissen Sie, als ob eine Zukunft auftauchte, als ob ein zukünftiger Gedanke auftauchte, dass Sie in Zukunft sehen würden, Sie wissen schon, KI-Agenten sich für Jobs bewerben, wie ein Indeed oder so, wo Sie etwa 10, 20 KI-Agenten haben würden, die sich für Produktmanagerrollen bewerben und es geht um die Kompatibilität von KI zu KI, Sie würden anfangen

überprüfen Sie, welches besser ist, und stellen Sie sie dann für Ihr Unternehmen ein.

Wird das nicht die eines Personalvermittlers sein?

Aufgrund der Geschwindigkeit, mit der Leute versuchen, KI-Agenten zu entwickeln, werden Sie sie bald so häufig sehen wie Websites. Und dann wissen Sie langsam, welchen KI-Agenten Sie für welchen Anwendungsfall haben sollen, den Sie so speziell haben. Du wirst also anfangen, das zu sehen. Aber zurück zu deiner Frage. Der zweite Punkt ist, dass das Team derzeit das meiste ist. Sie haben also gerade fünf geknackt, nicht einmal 5%, wenn Sie den ersten Punkt überschreiten, den ich gerade gesagt habe.

40% davon ist das Team, weil das richtige Talent für die Entwicklung von KI-Agenten derzeit vorhanden ist. Erstens ist es knapp und zweitens sind sie gut gerüstet, um neue kommende Dinge zu lernen, auch weil sich das Terrain wie jeden Tag verändert, ich würde sagen, weil es sich komplett verändert hat. Wir hatten bis dahin eine bestimmte Vorstellung, ich meine genau das Video, das wir gerade aufnehmen.

war vor drei Wochen der Begriff Service Design im Vergleich zu dem, worüber ich jetzt spreche, ist völlig anders.

Ganz, ganz anders. Ja, nein, absolut. Also stimme ich zu. Ich meine, die Leute, die tatsächlich daran arbeiten werden und wie hoch ihr Können ist, wie viele Dinge sie wissen, ist extrem wichtig.

Ich denke also, wenn Sie, sagen wir, wenn Sie nicht in der Realm sind und Ihr Team derzeit nicht, hat nicht die Bandbreite dafür, sollten Sie sich immer an eine Agentur wenden, die die richtigen Leute hat, die dies oder diese Implementierungen durchführen können.

Neugierig zu wissen. Kennst du jemanden, der das kann?

Wir sind also so, hoffentlich, weißt du, wir haben das von Anfang an verfolgt. Wir haben, glaube ich, ja, das wissen Sie sehr gut, dass ich denke, wenn die ersten API-Versionen für veröffentlicht werden

Token-Releases sind passiert, wir haben angefangen, das in dem Produkt zu implementieren, das wir hatten. Da wir immer ein riesiges FOMO haben, sind wir gegen die Welt, wenn wir nicht aufholen, bekommen wir FOMO und wir versuchen wirklich aufzuholen.

Wie in den letzten anderthalb Jahren war es ein schönes Gleichgewicht zwischen Paranoia und Funkeln in den Augen.

Ja.

Sie sind also extrem besorgt, aber Sie sind auch sehr, sehr optimistisch, was das bedeutet? was heißt das? das ist passiert. Nein, das ist interessant und so weiter und so fort. Aber wie dem auch sei, nachdem ich das gesagt habe, ja, wenn du all diese Dinge selbst machen willst, kannst du weitermachen und recherchieren, du kannst wissen, wir haben Videos, wir haben E-Books geschrieben, du kannst auf unsere Website gehen, du kannst dir all diese Dinge ansehen und wir haben ein Händchen dafür, es zu vereinfachen

so viel wie möglich und um nicht einschüchternd zu wirken. Um ehrlich zu sein, ist das gar nicht so schwer, oder? Sobald Sie also in der Lage sind, bestimmte Grundlagen zusammenzustellen, werden Sie in der Lage sein, es herauszufinden. Aber wenn Sie keine Zeit haben, konzentrieren Sie sich lieber auf das Geschäft, Sie konzentrieren sich lieber auf Wachstum und solche Dinge, dann denken Sie bitte darüber nach, einen Anruf zu buchen. Ich freue mich, einen Anruf zu tätigen, Ihren Anwendungsfall zu verstehen und auch einige Empfehlungen abzugeben. Trotzdem sind wir...

Überstunden für heute und wir können stundenlang darüber reden, und dann müssen wir uns in Schach halten, aber danke euch allen fürs Mitmachen, ob es auf LinkedIn oder YouTube ist. Es war eine Freude, ich hoffe es hat euch gefallen und ihr habt auch einen gewissen Mehrwert daraus gezogen, eines der anderen Dinge, die ich auch habe, da ich ein bisschen von unserem Marketingteam gedrängt wurde

Sie sagten im Grunde, du brauchst mehr Abonnenten. Du musst also mehr Abonnenten bekommen und deshalb werde ich dieses Mal keine Witze darüber machen. Ich werde dich einfach verfluchen und ich werde sagen, wenn du dich nicht beschimpfst, werde ich dir einen Fluch geben. Also, wenn du das nächste Mal, wenn du eine Pizza bestellst, wird jemand eine Ananas drauflegen. Gott sei Dank. Also, wenn du einen Wert gefunden hast

Ja.

Erwägen Sie, zu liken, zu kommentieren, zu abonnieren. Danke, dass du bei uns bist und lass nicht zu, dass auf der nächsten Pizza Ananas draufsteht. Es ist wirklich nicht gut. Es gibt einige Leute, die es mögen, aber die meisten Leute nicht und ich vertraue darauf, dass Sie nicht diese Person sind. Aber danke, dass du dir die Zeit genommen hast und zu uns gekommen bist und wir sehen uns bis zum nächsten Mal.

Tschüss. Tschüss.

Okay.

Tschüss.