Il est clair que nous sommes actuellement sur une trajectoire où les modèles d'IA continuent d'améliorer leurs capacités en mathématiques, raisonnement, logique, appel d'outils et diverses tâches spécifiques à des domaines qui s'amélioreront à mesure que davantage de données d'entraînement continueront d'être générées. Bien qu'il y ait des débats sur la mesure dans laquelle ces avancées se traduiront par des changements majeurs dans les cas d'utilisation quotidiens d'un consommateur, elles *auront* un impact majeur dans de nombreuses catégories de travail de connaissance. Elles débloqueront progressivement de nouveaux cas d'utilisation dans les soins de santé, le droit, les services financiers, les sciences de la vie, etc., où les modèles peuvent effectuer de manière fiable des tâches de plus en plus critiques. Lors d'un récent podcast avec Alex Kantrowitz, Dario Amodei a eu une excellente façon de présenter cela, à savoir que si vous améliorez la capacité d'un modèle d'IA pour passer d'un diplôme de premier cycle en biochimie à un diplôme de deuxième cycle en biochimie, un petit pourcentage de la population consommatrice remarquerait l'impact, mais les cas d'utilisation en entreprise pour une société comme Pfizer augmenteraient de manière significative en conséquence. Nous devrions commencer à anticiper que nous sommes maintenant dans cette ère avec l'IA. Alors, comment cela commence-t-il à se manifester dans le monde réel ? Cela se manifestera par des agents d'IA s'attaquant à des cas d'utilisation appliqués. Agents d'IA pour le codage, le travail juridique, les scribes médicaux, l'extraction de données, le traitement des réclamations d'assurance, les tests de pénétration, et ainsi de suite. L'opportunité actuelle est de construire des agents d'IA pour des secteurs et des domaines avec une compréhension approfondie de cet espace. C'est là que l'impact de l'ingénierie contextuelle, une compréhension approfondie des flux de travail, des connexions aux données d'entreprise et des interfaces utilisateur spécialisées (qui permettent aux utilisateurs de déployer, gérer et orchestrer ces agents) commencera à avoir beaucoup d'importance. Cela signifiera également construire une distribution qui s'aligne sur ce secteur ou domaine particulier. Cela signifiera probablement une forme d'ingénierie déployée en avant pour non seulement aider les clients à mettre en œuvre les agents, mais aussi apprendre rapidement quels flux de travail les agents sont optimisés et ramener cela dans la plateforme centrale. En fin de compte, ces marchés seront gagnés par les acteurs qui peuvent le mieux relier les processus d'entreprise d'aujourd'hui (qui sont souvent désordonnés et n'ont pas été conçus pour l'automatisation) à un monde où les agents sont intégrés dans ces flux de travail. C'est l'ère de l'IA dans laquelle nous sommes maintenant.