@cartainc vytvořila systémovou výzvu pro svého agenta pomocí Lucidchart k vytvoření diagramu celého pracovního postupu odborníka na doménu. Interní generátor výzev to pak převedl na JSON, který byl programově vložen do agenta. "Týmy, které nejlépe rozumí doméně, přímo přispívají k návrhu výzev a kontextů, zlepšují rychlost a relevanci, aniž by musely trénovat modely nebo se učit strojové učení," říká @JayantTikmani. Zde je jejich zlatý standard technik nápovědy, které se do značné míry spoléhají na kontextové učení. Celý příběh o tom, jak společnost Carta vybudovala agenta, který interním týmům ušetřil 3 500+ hodin měsíčně, najdete na odkazu v komentářích.

V naší druhé eseji o aplikované inteligenci rozebíráme, jak @cartainc vybudovali interního agenta, který svému týmu ušetří 3 500+ hodin měsíčně. CPO @artshali a ředitel strojového učení @JayantTikmani sdílejí přesné podrobnosti o přeměně 11minutového úkolu na úkol, který by mohl být dokončen během několika sekund: - Zaměření na pracovní postupy, kde byl lidský úsudek nezbytný, ale neefektivní - Vytvoření diagramu pracovního postupu v Lucidchart a jeho převod do formátu JSON, který bude fungovat jako systémová výzva agenta - Oddělení chování modelu od UX a integrace pracovních postupů pro rychlou iteraci - A mnoho dalšího Přečtěte si celý příběh v odpovědích níže:

"Nejrychleji rostoucí skupiny používající Cursor nejsou inženýrské. Je to podpora a příjmy," říká @fnthawar, viceprezident a vedoucí inženýrství ve společnosti Shopify. Zde je to, co vytvořili, když Shopify poskytlo všem přístup k drahým modelům (nejen technickým týmům): - Obchodní inženýr opustil GSuite Drive, Slack, Salesforce a další nástroje, protože si v aplikaci Cursor vytvořil osobní domovskou stránku "Co bych měl dnes dělat?". - Obchodní zástupce použil nástroj Cursor k vytvoření nástroje, který automaticky generuje podrobné srovnání výkonu webu, což mu pomáhá přehodnotit, jak se prodává. - Tým Revenue Tooling vytvořil agenta pro žádosti o návrh, který odpovídá na více RFP najednou a učí se, které odpovědi fungují nejlépe. Naše nová publikace "Applied Intelligence" si klade za cíl zaměřit se na to, jak stavitelé využívají umělou inteligenci ve svých společnostech a jaký dopad vytváří. V naší první eseji jsme si sedli s Thawarem, abychom se dozvěděli o nezjevných poznatcích, taktikách a pracovních postupech, které společnost Shopify použila k oživení ambiciózního memoranda spoluzakladatele a generálního ředitele Tobiho Lütkeho. Klikněte na odkaz níže a přečtěte si více.

Startupy AI Agent se spouštějí denně. Ale stávající poskytovatelé cloudu (AWS, Azure atd.), na kterých startupy staví, byli určeni pro lidi, nikoli pro miliardy autonomních agentů. Proto jsem nesmírně hrdý na to, že mohu spolupracovat s @blaxelAI, "AWS pro společnosti zabývající se umělou inteligencí".

Prostě jsme prolomili úpravy dokumentů bez kreslicích boxů. S radostí spouštíme Edit – nový koncový bod, který automaticky vyplní jakýkoli dokument. Funkce Upravit přináší revoluci v automatizaci dokumentů tím, že automaticky vyhledává všechna prázdná pole, tabulky a zaškrtávací políčka ve formulářích a poté je inteligentně vyplňuje vašimi daty. Chcete-li to vyzkoušet, přihlaste se na čekací listinu na nebo se podívejte na akci níže 🧵

Společnost Shopify se na jednom místě vědomě odchýlila od memoranda @tobi. Memorandum: "Než týmy požádají o další počet zaměstnanců a zdroje, musí prokázat, proč nemohou pomocí umělé inteligence dosáhnout toho, co chtějí." Odklon: "Ukažte, že dokážete více využívat umělou inteligenci a pak získáte více zdrojů." Společnost najímá 1 000 inženýrských stážistů, kterým říkají "AI kentauři": AI nativní + přinášející nejkreativnější způsoby využití nejnovějších nástrojů. Tito stážisté mají "začátečnické myšlení", o kterém Shopify věří, že vám pomůže najít cestu přes problémy. Další informace o nezjevných poznatcích, taktikách a pracovních postupech umělé inteligence Shopify najdete v příběhu odkazovaném v odpovědích.

Rád vidím skutečné aplikace vs. rychlý demoware. Velkou součástí toho je, že je snadné dělat kód na zelené louce. Připojení k existující kódové základně, jejíž části mohou být 10 let staré, je mnohem obtížnější. (Nebo, v případě mnoha vládních nebo podnikových systémů, COBOL.)

Budoucnost je již zde. A to už běží v produkci. Applied Intelligence je nová publikace od @firstround o tom, jak se s umělou inteligencí budují skutečné týmy. První na řadě: Shopify. Když @tobi od používání umělé inteligence očekávali, tým přebudoval způsob práce. Sdílejí pracovní postupy, interní ukázková videa a taktické rady ohledně toho, co se dosud naučili. Další na řadě: Carta, Atlassian a mnoho dalších, které ukazují, jak se umělá inteligence skutečně používá a vyrábí.

Na @firstround jsme právě spustili novinku – Applied Intelligence, novou publikaci sdílející informace o tom, jak firmy právě teď využívají umělou inteligenci ve výrobě. Ne teorie. Ne demoware. Skutečné pracovní postupy se skutečnými výsledky. Náš první kousek je s @Shopify a je 🔥👇

Poté, co @tobi zveřejnil své dnes již slavné memorandum o umělé inteligenci, jste pravděpodobně viděli, jak tuto platformu zaplavily podobné příspěvky od jiných zakladatelů a generálních ředitelů. Většina společností je však stále ve fázi "poznámek a ukázek" – ambiciózních plánů a mandátů, plánů "AI-first" na palubách, honosných funkcí a demowaru. Škálovatelné implementace a skutečné výsledky však zůstávají nejasné. Proto dnes spouštíme zbrusu novou publikaci, abychom tuto mezeru zaplnili: Aplikovaná inteligence. Jeho cílem je podělit se o to, jak stavitelé využívají umělou inteligenci ve svých společnostech a jaký smysluplný dopad vidí. Naše inaugurační esej není s nikým jiným než se Shopify a navazuje na memorandum Tobiho Lütkeho. Od viceprezidenta a vedoucího technického @fnthawar se dozvídáme o nezjevných poznatcích, taktikách a pracovních postupech, které společnost Shopify použila k uvedení ambiciózního memoranda do života. Přečtěte si esej níže.