Je jasné, že AGI nemůžete z LLM vymáčknout, i když na to hodíte výpočetní prostředky v hodnotě miliard dolarů, něco zásadního chybí

Někteří z prvních zaměstnanců Applu mluvili o Stevu Jobsovi.

Dělba práce agentů AI bude rozhodující pro maximalizaci dopadu agentů. V organizacích už dlouho existuje dělba práce, protože mít jednotlivé experty, kteří si navzájem předávají úkoly, je efektivnější než banda generalistů, kteří se snaží dělat věci pokaždé jinak. Agenti umělé inteligence představují stejnou dynamiku. Aby AI agenti fungovali, potřebujete správné množství kontextu o úkolu, který se snaží dokončit. To znamená hluboké porozumění doméně, soubor znalostí, na kterých lze pracovat, jasné pokyny a sadu nástrojů, které lze použít. Příliš málo kontextu a agent selže. Přesto stejně tak, jak více těchto informací vstupuje do kontextového okna, víme, že modely se mohou stát suboptimálními.  U složitého obchodního procesu, pokud vložíte veškerou dokumentaci, popis pracovního postupu a pokyny do kontextového okna, víme, že to může nakonec vést k hnilobě kontextu, což vede k horším výsledkům. Logickou architekturou v budoucnu je rozdělit agenty do atomických jednotek, které se mapují na správné typy úkolů, a pak nechat tyto agenty spolupracovat, aby dokončili svou práci. Již nyní vidíme, že se to efektivně projevuje u kódovacích agentů. Objevuje se stále více příkladů, kdy lidé zakládají subagenty, kteří všichni vlastní specifické části kódové základny nebo oblasti služeb. Každý agent je zodpovědný za část kódu a ke kódu je k dispozici dokumentace vhodná pro agenty. Poté, co je potřeba pracovat v příslušné oblasti kódové základny, agent orchestrátoru koordinuje svou činnost s těmito dílčími agenty.  Mohli bychom se dočkat, že se tento vzorec bude v budoucnu pravděpodobně vztahovat na téměř jakoukoli oblast znalostní práce. To umožní používat AI Agenty pro mnohem více než jen případy použití specifické pro konkrétní úlohy a rozšíří se na podporu celých pracovních postupů v podniku. I když se modely umělé inteligence zlepšují, aby dokázaly pracovat s většími kontextovými okny, a úroveň inteligence stoupá, není zřejmé, že tato architektura někdy zmizí. Je pravděpodobné, že role každého agenta se rozšiřuje se zlepšujícími se schopnostmi, ale jasné hranice oddělení mezi dílčími agenty mohou vždy vést k lepším výsledkům.

GPT-5 je v provozu. Větší modely. Více výpočetních prostředků. Větší tlak na odvozování. Už to není jen o tréninku. Jde o full stack, který slouží agentům v reálném čase. poskytuje globální, decentralizované GPU. io.intelligence provozuje open-source modely prostřednictvím jediného API - > rychlé, levné a neblokované. $IO urychluje umělou inteligenci