Hvis du bygger AI-agenter, er det superviktig å finne ut de optimale brukstilfellene som maksimerer hvilke agenter som er gode kontra hva de ikke er klare for *ennå*. Det er så mange kategorier av arbeid som AI-agenter kan bidra til å automatisere eller forsterke. Det er avgjørende å velge de riktige som kan levere verdi på kort sikt og bli bedre over tid med modellforbedringer. Her er noen egenskaper som ser ut til å fungere akkurat nå: * Arbeid som krever store mengder ustrukturerte data og informasjon. Dette kan være dokumenter, visuelle data på en skjerm, videoinnhold og mer. Dette er domenet som datamaskiner og programvare aldri har vært i stand til å gjøre før, og brukstilfellene her er enorme. * AI-agenter er nyttige for ting som ellers krever menneskelig vurdering eller tolkning, og det kan alltid være tilfelle. I det øyeblikket du håper å gjenskape noe med veldig strenge regler som skjer om og om igjen, vil du sannsynligvis ha programvare, ikke agenter. * Jo mer komplekst arbeid som automatiseres, jo mer er det behov for et menneske i loop-elementet. Dette er grunnen til at kodeagenter fungerer superbra akkurat nå, er at du til slutt kan teste og studere resultatet til agenten for å finne ut hva som kom tilbake riktig eller galt. Selv når disse agentene gjør ting feil, er intervensjon relativt enkel for enhver dyktig bruker. * Sats på brukstilfeller der kjerneintelligensen til modeller som blir bedre vil fortsette å tilfalle agentene dine. Hvis du kan løse alt om bruksområdet ditt med AI i dag, er det sannsynligvis ikke et interessant nok marked å gå etter. Gå etter scenarioer der det er trinnvis verdi som legges til med modellforbedringer. Tonnevis av flere egenskaper avgjør hvilke brukstilfeller som er bra for agenter på dette stadiet, men til syvende og sist tonnevis av muligheter i alle kategorier av arbeid å gå etter.