Transcription
Большинство людей, когда говорят: «Мне нужен агент», на самом деле хотят просто рабочего процесса, просто детерминированной автоматизации. Надежность этих полных систем просто не очень хороша для более сложных задач. И поэтому самые впечатляющие вещи сегодня находятся как бы в мире рабочих процессов с ИИ или агентурных рабочих процессов. Вместо того чтобы сидеть и отвечать на все эти электронные письма, я буду разговаривать с агентом и говорить, какую новую инструкцию я могу предоставить или какое новое руководство я могу дать ему, чтобы он выполнял свою работу лучше. Насколько бы неловким ни было это сообщение от генерального директора о том, что мы должны использовать ИИ, я считаю, что это важно. Я думаю, что генеральные директора часто терпят неудачу, потому что они просто останавливаются на этом, а затем ожидают, что организация как бы волшебным образом разберется, как использовать эти инструменты. Лучшее, что вы можете сделать, это просто. Хорошо, всем привет. Сегодня у меня в гостях Уэйд, соучредитель и генеральный директор Zapier. Я рад продемонстрировать, как вы можете автоматизировать работу и сэкономить время, используя ИИ-рабочие процессы и агентов Zapier. Мы поговорим о том, в чем даже разница между рабочими процессами и агентами, а также о том, как Уэйд делает Zapier ИИ-ориентированным и как он оценивает владение ИИ как сотрудниками, так и людьми, ищущими работу. Итак, добро пожаловать, Уэйд. >> Да, Питер, спасибо, что пригласили. >> Хорошо. Итак, вы знаете, все говорят об ИИ-агентах, но на самом деле существует целый спектр между рабочими процессами и агентами. Вы не могли бы как бы провести нас через эту разницу? >> Да, с удовольствием. Итак, это то, что мы называем спектром автоматизации ИИ, и он как бы охватывает, вы знаете, эту прогрессию от рабочих процессов, которые являются детерминированными, до рабочих процессов, которые являются чистым выводом. На левой стороне, это, вы знаете, до ИИ, это то, как мы думали об автоматизации рабочих процессов, как это работало, когда у вас был новый лид, поступающий на ваш веб-сайт, я хочу отправить SMS через, скажем, Twilio, а затем я хочу добавить его в мою CRM, например, Salesforce или HubSpot, или что-то в этом роде. Это похоже на взятие детерминированных данных, а затем их перемещение из одной системы в другую для создания сквозного рабочего процесса. >> Теперь справа находится вся эта новая дорога. Это совершенно новый способ делать это, где, вы знаете, у вас есть агент, который находится посередине этого, который имеет доступ к инструментам, знаниям и инструкциям, и он может рассуждать сам по себе. Он может принимать решения, и вы вводите в него информацию. Вы как-то запускаете его. В основном, о чем сегодня говорят люди как об агентах, я называю их чат-агентами. Они находятся внутри чат-бота. Это сообщение чат-боту, которое запускает агента. >> Я думаю, что это слишком узкое определение. Я думаю, что лучше, если вы как бы подумаете обо всех различных способах, которыми вы можете разбудить агента. Вы думаете обо всех триггерах в Zapier, таких как новый лид, новое письмо, новый бла-бла-бла, как обо всех уникальных способах, которыми вы можете разбудить этого агента. Агент идет и анализирует все это на основе инструкций, которые вы ему дали. А затем, с другой стороны, агент предпринимает действия и что-то делает. Большую часть времени сегодня чат-агент может только отправить вам сообщение обратно. Но опять же, я думаю, что более мощные агенты — это те, которые могут делать что-то на основе инструментов, к которым вы даете им доступ. >> Понятно. >> Но затем у вас есть вещи посередине. И вот здесь, я думаю, вы на самом деле видите, что то, что работает в производстве, сегодня выглядит гораздо больше похоже на то, что находится посередине. У вас есть ИИ-рабочие процессы, которые, по сути, являются рабочими процессами, но вы можете просто добавить шаг ИИ в середину. Или то, что я бы назвал агентурным рабочим процессом, где вы используете несколько агентов, чтобы что-то сделать. И теперь причина, по которой эти вещи посередине работают, заключается в том, что вы получаете больше детерминизма. А с детерминизмом вы получаете надежность и преимущества в затратах. В то время как то, что справа, действительно захватывающе. Я думаю, мы все верим, что это будущее, куда мы движемся. Надежность этих полных систем просто не очень хороша для более сложных задач. И поэтому самые впечатляющие вещи сегодня находятся как бы в этом мире ИИ-рабочих процессов или агентурных рабочих процессов. >> Да. Это действительно меня раздражает. Я думаю, слово «агент» просто намного более привлекательно, чем «рабочий процесс». «Рабочий процесс» звучит как работа, а «агент» — это как, вы знаете, как шпион или что-то в этом роде, но, вы знаете, все называют все агентом, включая последнюю вещь OpenAI, верно? Но это очень похоже на рабочий процесс, который вы собираете с помощью шагов агента. >> Да. Я бы назвал их вещь-агент агентурным рабочим процессом, это как бы это своего рода, но опять же, я не знаю, действительно ли это автоматизация, по крайней мере, не в том смысле, в котором я это понимаю. Это скорее конструктор чат-агентов в конечном итоге. >> Так что на стороне агента, как бы, так что, вы знаете, это выглядит очень круто, но как бы, но как бы, вы знаете, агент может просто продолжать вращаться и сжигать много токенов и получать вывод, который вы не хотите, как бы, как вы упомянули, это не очень детерминировано. Какие, какие, какие случаи использования действительно работают прямо сейчас для полного агента? Это как кодирование, и это все, или есть какие-то случаи использования, которые действительно работают? >> Ну, конечно, агенты по кодированию, безусловно, самые популярные, которые мы видим. Но есть и другие, которые начинают работать. Я думаю, что реальная проблема, с которой сталкиваются люди, заключается в том, что лучшие агенты малы, и вы действительно фокусируете их на конкретной задаче, которую вы хотите выполнить, и требуется определенное количество творчества и работы, чтобы действительно настроить этого агента и сделать его эффективным. Помогло бы, если бы я показал, может быть, агента, которого я построил с помощью агентов Tapier? >> Да. Да, пожалуйста. Да. >> Да. Вот хороший пример чего-то. Это агент категоризации электронной почты, над которым я работаю со своей личной помощницей. Как вы можете себе представить, я получаю довольно много электронной почты каждый день, но большая часть этой электронной почты либо не требует действий, либо не имеет для меня высокого приоритета. И это помогает нам очень быстро разобраться в этом. И поэтому мы построили серию шагов, и это все просто текст. Вы видите, что мы просто даем этому агенту инструкции на естественном языке о том, что мы хотим, чтобы он сделал. И поэтому мы создали кучу категорий. Итак, есть эти в красном. Это действия, которые требуются Уэйду. И вы можете видеть, что некоторые из них. Это, вы знаете, сообщения от руководства, совет директоров, стратегические партнерства, эскалированные проблемы с поддержкой клиентов, решения о найме, такие вещи. Затем у вас есть другая категория, которая включает вещи, которыми должна заниматься моя личная помощница. Итак, это запросы на встречи, запросы на планирование, запросы на поездки, Uber, уведомления отдела кадров, все такое. И поэтому мы сделали это для множества различных категоризаций. Следующее, что мы делаем, это для вещей, которые от клиентов, мы хотим получить больше информации о том, что происходит. Итак, мы заставляем его обращаться к нашему аккаунту HubSpot. Мы узнаем детали о компании. Мы ищем в Интернете, чтобы лучше понять, что происходит с этим аккаунтом. Третье — у нас есть куча информационных категорий. Итак, это электронные письма, которые, вы знаете, большинство электронных писем на самом деле являются этим. Это маркетинг, рекламные, спам, случайные внутренние обновления. А затем, наконец, мы применяем метки ко всему этому, чтобы лучше категоризировать вещи. Итак, у вас есть метки действий, у нас есть метки клиентов, у нас есть информационные метки, все такое. И в самом конце мы начинаем сортировать эти вещи. Итак, мы архивируем то, что нам не нужно архивировать. Вы знаете, Кортни будет собирать все, что нужно личной помощнице. И как только вы закончите с этим, как только вы настроите такого агента, вы обнаружите, что ваш почтовый ящик на самом деле выглядит намного лучше. На самом деле, в конце дня, когда вы смотрите на, я не знаю, более 100 электронных писем, которые я могу получить, оказывается, менее 10 действительно требуют моего внимания и имеют значение. И поэтому этот агент просто будет использовать эти инструкции, а затем на основе этих инструкций он будет перебирать каждое электронное письмо, которое я получаю, и давать свой ответ на этот вопрос и помогать мне сортировать мой почтовый ящик. >> Это потрясающе. Вы, вероятно, создали этот запрос со временем, верно? Когда вы видели больше раздражающих вещей, появляющихся в вашем почтовом ящике. Так это работало? >> Точно, верно? Если бы вы начали работать над этим, вы бы, вероятно, просто дали бы ему, вы бы просто сказали: «Привет, помоги мне разобрать мой почтовый ящик, и вот некоторые вещи, которые я заметил». Но затем, вы знаете, если вы приложите немного усилий в течение пары дней или пары недель, вы сможете построить его так, чтобы агент мог справляться со все большим и большим количеством электронных писем для вас в конечном итоге. И вот где, я думаю, создание агентов, вероятно, немного отличается от создания рабочих процессов, потому что с рабочим процессом вы как бы знаете, что он будет делать. Он очень детерминирован. И поэтому вы просто говорите: «Я хочу сделать это. Я хочу сделать это. Я хочу сделать это». А затем вы говорите: «Хорошо, отлично, я закончил». И вы можете, если вы измените свой процесс, вы можете прийти и добавить к нему что-то. И тому подобное, что довольно распространено. Но с агентом, первой версией, вы бы сказали: «Хорошо, это полезно, но это не так хорошо, как могло бы быть». И поэтому вы обнаружите, что постоянно настраиваете агента со временем. И на самом деле, я думаю, что именно сюда движется большая часть работы, основанной на знаниях: вместо того, чтобы я сидел и отвечал на все эти электронные письма, я буду разговаривать с агентом и говорить: «Ах, какую новую инструкцию я могу предоставить или какое новое руководство я могу дать ему, чтобы он лучше отвечал на электронные письма или сортировал электронные письма или что бы я ни поручил ему делать?» И вы заметите, что этот просто занимается категоризацией. Есть другое письмо, которое занимается ответами, и есть другой агент, который делает это. И поэтому у вас есть эти агенты, которые довольно узкие, потому что вы хотите, чтобы они были сосредоточены на конкретной работе, которую они могут фактически выполнить. Чем больше задачу вы ему даете, тем больше, я думаю, он начинает путаться или надежность снижается. Но чем больше вы можете ограничить задачу, тем вероятнее вы получите что-то, чем вы будете очень довольны. >> Пример, который вы только что привели, — это полный агент, верно? Как бы, почему вы решили построить его как агента, а не как рабочий процесс или, знаете ли, как рабочий процесс JTE? Ну, я не думаю, что это можно было бы сделать как рабочий процесс, потому что мне пришлось бы придумать детерминированное правило для всех этих категорий. И мне пришлось бы знать, хорошо, каждый человек, который обращается по поводу найма, может включить этот термин. Это как бы должно содержать ключевое слово или должно содержать это ключевое слово. И поэтому, вы знаете, детерминированный рабочий процесс не имеет мозгов, которые вы можете дать LLM, где с LLM вы можете просто описать, как электронные письма. Я хотел бы, чтобы вы выполнили это действие с ним. И поэтому он может экстраполировать на основе инструкций, которые я ему дал. >> И поэтому это очень мощно, когда я могу использовать этот тип возможностей для этой конкретной задачи. >> Понятно. Да. Я чувствую, что это как бы, я имею в виду, это, по сути, вы строите ИИ-продукт, верно? Вы пытаетесь обновить запрос, а затем вы не пишете, возможно, электронные письма сфокусированные на метриках, но вы пишете электронные письма, просто глядя на свой почтовый ящик и видя, хорошо ли он работает или нет. Ну, и именно так, я думаю, начнут работать многие личные агенты. Но для людей, которые создают агентурные продукты, у них будет куча оценок и тому подобное, потому что именно там вы получаете, вы знаете, вы получаете, чтобы действительно почувствовать себя отлично. Но для меня, в моем личном почтовом ящике, мне это не нужно. Мне просто нужно, чтобы это было в основном достаточно хорошо, вы знаете. >> Понятно. И в этом запросе, вероятно, есть ссылки на Gmail и, скажем, HubSpot или где бы вы ни размещали информацию. Как бы, легко ли это настроить в Zap Zapier, или вы просто собираете кучу аккаунтов? >> Да, в основном вы просто говорите: «Привет, я хочу дать ему доступ к этому инструменту». Zapier имеет доступ к 8000 различным приложениям, и внутри них есть конкретные инструменты, которые вы можете использовать, и поэтому вы фактически просто нажимаете кнопку, аутентифицируете его, и тогда у вас есть доступ. Агент теперь имеет к нему доступ. Так что это довольно просто получить доступ к инструментам в Zapier. >> Отлично. Этот эпизод предоставлен Vellum. Vellum — это самый быстрый способ создавать ИИ-агентов для производства, просто общаясь на простом английском языке. Просто опишите, что вы хотите, и наблюдайте, как сложные ИИ-рабочие процессы собираются в реальном времени. Vellum также предоставляет встроенную отладку, чтобы вы могли точно видеть, что делает ваш агент, плюс мониторинг и соответствие требованиям корпоративного уровня. Менеджеры по продуктам, операционные команды и инженеры используют Vellum для перехода от идеи к выпущенному агенту за считанные минуты. Проверьте ссылку в описании и используйте код AI agents25, чтобы получить 25% скидку на первые три месяца. Хорошо, теперь вернемся к эпизоду. У вас есть какие-нибудь советы? Давайте предположим, давайте предположим, я хочу создать такой же агент электронной почты, как у вас, но я не хочу, чтобы он полностью испортил мой почтовый ящик. Как вы, есть ли тестовый запуск или что-то вроде этого? >> Ну, да. Так вы, вы знаете, вы, способ, которым это работает, — это срабатывание от новых писем. Так что, если каждое новое письмо приходит, оно добавляет к нему метку. Так что вы хотите начать с небольших задач. И вы, добавление метки — это довольно простой способ начать. Следующее, к чему вы можете перейти, это, хорошо, я действительно хочу, чтобы вы составляли ответы. >> Но все еще составляя ответы, вы знаете, это не испортит ничего для вас. У вас просто есть шанс увидеть, хорошо, вот что бы отправил ИИ, но он ничего не отправляет. Худшее, что у вас есть, это, возможно, почтовый ящик, который немного загроможден кучей черновиков, которые вам не нравятся. Как это худший вывод, который у вас есть. Конечно, пугающее — это то, что я хочу, чтобы вы автоматически отправили электронное письмо. И вот где вам нужно, стоит начать с малого, а затем сказать: «Хорошо, теперь, когда я увидел, что вы сделали, вы сделали кучу черновиков, я обнаруживаю, что вы действительно хороши в этих типах электронных писем. Так что вперед и отправьте, не создавайте черновик для этих, я хочу, чтобы вы отправили этот тип электронного письма. >> Понятно. Да. Это почти как построение доверия с новым сотрудником со временем, верно? Вы хотите дать ему небольшую задачу сначала, а затем Да, это довольно интересно. >> Да. Есть вся эта вещь Энди Гроува о зрелости, связанной с задачами, и я думаю, что это применимо и к агентам, где я собираюсь начать с малого, и по мере того, как вы доказываете себя, я буду давать вам все более и более сложные задачи. >> Я люблю эту книгу. Да, это очень хорошее замечание. Да, давайте немного сменим тему и поговорим об API по сравнению с MCP. Так что Zapier построил огромный бизнес, просто соединяя кучу API и создавая на их основе рабочие процессы. >> Да. Но теперь эти ИИ-продукты используют эти MCP, и являются ли эти два типа комплементарными или они разные? >> Я думаю, они комплементарны. Да. API — это очень специфический запрос, который вы ему даете, вы даете ему очень специфический набор входных данных и ожидаете очень специфический набор выходных данных в ответ. >> Да. >> И поэтому это очень конкретная детерминированная вещь, которую вы делаете. MCP, вы знаете, как лучше всего это описать? Это позволяет агенту рассуждать о том, что именно он собирается вызвать. И поэтому MCP может фактически обернуть API, но он может иметь доступ к нескольким входным данным API, и он может принимать неструктурированные данные в качестве входных данных, но затем форматировать, решить, я хочу отформатировать его определенным образом, нажать на это и вернуть вызов. И поэтому, вы знаете, MCP действуют как интерфейс агент-агент, где они могут общаться друг с другом менее структурированным образом в конечном итоге. >> Так что они как бы, это похоже на вашу линию детерминизма против вывода, верно? Как бы, API довольно детерминирован. >> Да, я думаю, что они дополняют друг друга из-за этого. Я думаю, что если вы хотите надежности, преимуществ в затратах, вы всегда будете выбирать API при разработке этих вещей, потому что вы знаете, что сможете сделать именно то, что хотите, именно так, как хотите, в большом масштабе, с низкими затратами. В то время как MCP решает другую проблему. Это как бы, вы находитесь в этих случаях использования, когда вы можете не знать точно, что вы пытаетесь, какой вход поступает, но вы знаете, что он будет примерно такой формы, и вам нужен кто-то, кто будет рассуждать об этом. Теперь вы потратите больше токенов, у вас будут проблемы с надежностью, но это решит случай использования, который вы не могли бы решить с помощью API в конечном итоге. И поэтому он открывает эти целые новые каталоги вещей. Теперь, очевидно, есть пересечение, где есть некоторые вещи, которые вы могли бы сделать с помощью API, вы могли бы сделать с помощью MCP. Это просто ваш выбор, верно? В зависимости от того, как вы хотите это сделать. Но я думаю, что они комплементарны в своем использовании. >> Да. Да, у меня есть правило, когда дело доходит до построения процессов, просто делайте простую вещь сначала. И, знаете ли, если вы можете решить свою проблему с помощью рабочего процесса или API, просто сделайте это, знаете ли. >> Да. >> Ну, я думаю, одна из вещей, где, забавно, что вы это говорите, потому что одна из вещей, которую я думаю, мы узнаем, это то, что большинство людей, когда они говорят: «Мне нужен агент», вы понимаете, что на самом деле им просто нужен рабочий процесс, просто детерминированная автоматизация. И я думаю, что захватывающим в ИИ для нас является то, что ИИ разблокировал воображение многих людей, где они говорят: «Боже мой, я могу сделать эту вещь». «О, вы всегда могли это сделать. Вы просто не осознавали этого». Но тот факт, что ИИ существует, заставляет умы людей поворачиваться так, как, возможно, это было до ИИ. >> Да. Да, именно так. Да, люди просто выполняли много работы вручную. Сколько рабочих мест существует, где вы просто выполняете одну и ту же работу, одни и те же шаги каждый день? Именно так. Полностью. Есть так много рабочих мест. Да. >> Да. Никто не остановился, чтобы ответить: «Может ли быть лучший способ?» >> Да, именно так. На самом деле, у вас есть очень хорошая проблема для создания продукта под названием «правило 90%» или что-то в этом роде, где, по сути, я думаю, что суть в том, что ИИ может пройти 90% пути, но последние 10%, возможно, все еще требуют некоторой человеческой работы, верно? Можете ли вы рассказать об этом немного больше? Да. Итак, я слышал эту другую структуру от кого-то, кто говорил, что ИИ действительно хорош в середине работы. И поэтому вам все еще нужны люди, чтобы как бы запустить это и разобраться в этом, и вам все еще нужны люди на другой стороне, чтобы просмотреть это. Но есть куча вещей посередине, которые обычно, как только вы хорошо разработаете входные данные, вы можете передать их ИИ или агенту. Он может как бы сделать все, что вы хотите, а затем в конце он выдаст результат, и вы все равно захотите посмотреть на это и убедиться, что это соответствует вашим стандартам и целям и всему такому в конечном итоге. И поэтому, я думаю, в будущем у нас будет просто много рабочих мест, где люди будут просматривать результаты этих агентов и говорить: «О, да, это выглядит хорошо. Мне нравится». Или, вы знаете, возвращаться и настраивать агента, чтобы попытаться получить лучшие результаты в конечном итоге. >> Понятно. Да. Похоже на запрос электронной почты, который вы настраивали со временем, верно? >> Да. Отличный пример этого — у нас есть много рабочих процессов, которые помогают нашим торговым представителям, и, знаете ли, я думаю, что многие люди пытаются понять, как я могу исключить продажи из процесса, и я обнаружил, что это не совсем работает, но если вы можете экипировать торгового представителя всем этим контекстом, теперь он может войти на встречу, действительно хорошо информированным, но он также видит места, где ИИ говорит: «Ах, это не совсем так, как я бы об этом говорил». Это не совсем правильно, но этого достаточно. Это достаточно, чтобы я мог, как человек, знать, как использовать этот контекст и делать с ним что-то гораздо более значимое. >> Да. И если вы создаете ИИ-продукт на основе этого, я чувствую, что действительно хорошие позволяют вам настроить последние 10%, верно? Как бы, я думаю, очень глупый пример — это когда я генерирую изображение с помощью Gemini, например, инфографику, оно никогда не бывает идеальным, и я не могу редактировать компоненты. Так что мне приходится постоянно пытаться перегенерировать. Но да, если вы можете настроить последние 10%, это очень полезно. >> Да, мне нравятся некоторые из моих любимых ИИ-продуктов, которые делают это, где они позволяют мне копаться в базовом запросе, и поэтому мне не нужно принимать их стандартные настройки, которые обычно неплохие, но я думаю, я хочу сделать это стилистически более похожим на меня в конечном итоге, и они настолько мощные, когда я могу прийти и покопаться в этом. >> Да. У вас есть пример этого? >> Ну, один пример — это новый инструмент преобразования голоса в текст под названием Monologue, который делает это, где, когда я начинаю запись, он фактически делает снимок моего экрана, поэтому он знает, что вы печатаете в ChatGPT, или вы печатаете в Slack, или вы печатаете в Google Doc, и поэтому на основе этого я могу настроить запрос и сказать: «О, вот как мой голос и тон работают в Slack, или вот как он работает в Google Doc, или вот как он работает в Superhuman». >> О, правда? Вау. >> Да. Да, у них есть какие-то стандартные настройки, где они знают, например, «О, это типичный формат электронной почты» или «Это типичный формат Slack», но, знаете ли, у меня есть свой стиль, и я хочу, чтобы он звучал как я в конечном итоге. И поэтому приятно, что они позволяют мне прийти и покопаться в этом. >> Я много использую Whisper Flow, но да, мне нужно попробовать Monologue. Это от Every, верно? >> Every, да. Так что я, это было довольно быстро. Я пробовал много инструментов преобразования голоса в текст, и у Monologue есть, я не знаю, у них просто есть какие-то приятные дизайнерские штрихи, которые просто сделали его для меня запоминающимся. И я думаю, что будет гораздо больше такого программного обеспечения, где, функционально, оно не сильно отличается, но есть вещи, которые чувствуются, это просто не функция. Это просто чувствуется больше, как то, что я хочу использовать. >> Я думаю, что функция просто заключается в том, что вы можете сделать ее своей. Это функция, верно? Вы можете просто настроить вещи, чтобы сделать ее своей. >> Да, полностью. Это как функция заметок Zoom Meet Me против Granola. Функция заметок Zoom Meet Me, они позволяют мне выбирать между предопределенными шаблонами, но они не позволяют мне просто создавать свой собственный шаблон, просто шаблон. >> Полностью. И Granola — еще один отличный продукт, подобный этому, где он просто работает отлично из коробки, но затем чем больше вы его используете, тем больше вы можете сделать его своим в конечном итоге, и он становится чем-то, где вы говорите: «Я больше не провожу встречи с этим Granola». >> Хорошо. Итак, ваш другой пункт заключался в том, что не будет этого универсального агента, который делает все. У нас будет куча специализированных агентов, верно? И тогда есть то, что называется уровнем оркестрации. Можете ли вы рассказать об этом немного больше? Оркестрационный уровень. >> Ну, я думаю, что мы наблюдаем, что чем более общим становится агент, тем более впечатляющим он может быть, например, ChatGPT — отличный пример. Это большая массивная общая модель, которая может делать много общих вещей. Но если вы хотите, чтобы инструмент делал что-то одно очень хорошо, гораздо лучше, если вы можете создать агента специально для этого. И чтобы сделать это, вы обычно хотите дать ему как можно меньше информации, как можно меньше контекста, как можно меньше инструментов, которые все еще позволяют ему выполнить работу. Потому что, если вы играли с этими вещами, вы поймете, что чем больше инструментов вы даете ему доступ, тем больше контекста вы ему даете, тем вероятнее он запутается, тем вероятнее он сожжет кучу токенов. И поэтому это на самом деле не делает его лучше. Есть своего рода «зона Голдилокс», в которой вы хотите находиться, которая позволяет вам создавать отличных агентов. И, знаете ли, если это мир, в котором мы будем жить, конечным результатом является то, что если вы хотите выполнять более сложные задачи, лучший способ достичь этого — создать агентов для каждой части конечной задачи, а затем оркестрировать их, чтобы понять, как заставить этих агентов передавать контекст друг другу. И теперь это может быть в детерминированном рабочем процессе, где вы скажете: этот агент выполняет свою часть, затем передает ее этому агенту, затем передает ее этому агенту. Или это может быть в более агентурном опыте, где вы позволите первому агенту выяснить, должен ли я отправить его этому агенту или тому агенту дальше, и позволить ему как бы рассуждать об этом. Но я думаю, что мы движемся к миру, где эти системы будут состоять из множества меньших агентов, каждый из которых выполняет часть общей задачи. >> Да. И это то, во что Zapier также инвестирует, оркестрационный уровень? >> 100%. Верно? Я думаю, вот где я, я не могу приписать себе, что наш оригинальный конструктор рабочих процессов был построен для этой цели. Это был своего рода счастливый случай, когда оказалось, что этот движок рабочих процессов, который мы построили за последние 14 лет, действительно хорошо соединяет агентов. И поэтому, знаете ли, мы можем строить на основе этого корпуса знаний, который у нас есть уже более десяти лет. И он действительно отлично работает для этого случая использования. >> Это потрясающе. Это потрясающе. Вы знаете, есть все эти люди в Твиттере, которые говорят, когда OpenAI запустила свой продукт, они говорят: «О, RIP Zapier, RIP и RIP все эти рабочие процессы и что-то вроде этого». Каков ваш ответ людям, чувак? Эти люди такие неловкие, чувак. Как вы, >> Вы также видели похожий ответ, который был от сообщества автоматизации, людей, которые на самом деле используют эти продукты. И их ответ был: ну, как только вы вошли и использовали Agent Kit, вы могли сказать, что это совсем не одно и то же. И поэтому, знаете ли, мы находимся в этом странном периоде времени, когда есть много влиятельных лиц и создателей контента, чья работа заключается в создании горячих мнений, и их работа заключается в создании кликов и, знаете ли, получении материалов. И если вы говорите, что кто-то мертв или кто-то, я не знаю, вы можете иметь такую вещь. И, конечно, Agent Kit выглядит, это холст, это конструктор рабочих процессов, поэтому он выглядит как Zapier, хотя он выполняет совершенно другую функцию. Вы знаете, что Agent Kit способен делать, конструктор агентов способен делать, это помочь вам создавать лучшие чат-агенты, помочь вам извлечь лучший ответ, чем вы получили бы от общей модели в конечном итоге. Что он не делает, так это срабатывает от любого триггера, который у вас может быть. Он не позволяет вам оркестрировать множество различных инструментов, если, конечно, вы не используете Zapier MCP. сервер вместе с ним. И он не позволяет вам работать, знаете ли, модельно-агностически. И поэтому, я думаю, есть, любой, кто работает в области автоматизации, довольно быстро распознает, что, эй, конструктор агентов — это не Zapier или любой другой инструмент, он решает фундаментально другую проблему. >> Да. Да, они хотят сделать чат магазином приложений, верно? Это то, что они пытаются сделать, чтобы получить больше вовлеченности с чат-ботом. >> Полностью. Полностью. И это поможет вам делать лучшие вещи внутри OpenAI и лучшие вещи внутри ChatGPT. >> Понятно. Понятно. Ну, я имею в виду, если вы влиятельный человек, слушающий это, вы можете набрать некоторых подписчиков, но вы потеряли доверие Уэйда, если сделаете это. Так что вам не следует. >> Ну, я имею в виду, вот где я думаю, что выгодно на самом деле использовать инструменты, и вы можете сказать, кто использует инструменты, а кто нет, кто просто повторяет заголовки. Теперь ирония в том, что некоторые из этих инструментов являются причиной этого. Они извлекают трендовые темы, повторяют их и позволяют им публиковать их немного по-другому. Да. Так что есть куча рабочего хлама, который делает такие вещи, и я думаю: «Нет, это не так. Это не то, как мы будем делать это в будущем». >> Понятно. Понятно. Хорошо. Итак, последняя тема. Уэйд. Итак, я думаю, Zapier — одна из самых передовых компаний в области ИИ. Я думаю, вы перешли от нуля, я думаю, это около 97% или, возможно, 100% сейчас внутреннего внедрения ИИ. >> По сути, все. Да. Мм-хм. >> Да. Хорошо. Итак, давайте поговорим о том, как вы на самом деле заставили всех использовать ИИ? Это просто потому, что генеральный директор сказал, или как? >> Ну, я думаю, что слова генерального директора — это хороший шаг. Так что, как бы, как бы неловко ни было это сообщение от генерального директора о том, что мы должны использовать ИИ, я думаю, что это важно, потому что если вы не скажете этого, как люди узнают, что это важно, и вы думаете, что это будущее. Так что я думаю, что вы должны это сделать. Я думаю, что генеральные директора часто терпят неудачу, потому что они просто останавливаются на этом, а затем ожидают, что организация как бы волшебным образом разберется, как использовать эти инструменты. И какими бы мощными ни были эти инструменты, они все еще просто инструменты. Требуется много организационных изменений, чтобы действительно эффективно их развернуть. И, знаете ли, что сработало для нас и что, как мы видели, работает для многих наших клиентов, это несколько быстрых ударов. Во-первых, действительно здорово, если вы можете проводить хакатоны или буткемпы и предоставлять пространство и время для этого, потому что теперь у каждого в вашей организации есть выделенное время, чтобы положить руки на клавиатуру и сделать это. Я думаю, что это важно сделать для всех в вашей компании, а не только для инженеров. Когда я говорю хакатон, я имею в виду буквально привлечь отдел продаж, бухгалтерию, маркетинг, что угодно, чтобы поиграть с этим, и они поймут, что, если вы используете такой инструмент, как Zapier, о, на самом деле не так сложно, как я думал, создать свой первый агент или создать свой первый рабочий процесс. Второе, как часть этих хакатонов, что действительно эффективно, — это иметь кого-то, кто будет судить. Вы проводите судейство, это создает некоторую ответственность, поэтому все будут прилагать все усилия и приходить и делать что-то. Но даже более важно, чем судейство, вы хотите иметь эти демонстрации, потому что они способствуют обмену знаниями. Так что теперь все могут учиться друг у друга. Они могут видеть, о, что вы сделали с этим инструментом? Как это работало? О, вы использовали такой запрос. И я думаю, что есть так много советов и хитростей, которые люди выяснили, но они еще не являются общеизвестными, что это способ получить максимум от этих инструментов. И демонстрации способствуют огромному обмену знаниями. Так что, если вы проводите хакатон, проводите демонстрации, проводите этот обмен знаниями, следующее, что вы можете сделать, это просто как часть всех собраний, просто пригласить кого-нибудь и провести шоу и рассказать о чем-то, что они строят с агентом, и, знаете ли, смешивать. Пусть кто-нибудь из маркетинга, кто-нибудь из отдела продаж, кто-нибудь из инженерии. Просто продолжайте показывать новые способы, и это начинает создавать культуру, где люди видят возможности, видят преимущества, и это вызывает больше любопытства в организации. И я уверен, что если вы сделаете это в течение 6 месяцев, в течение года, вы увидите, как ваша компания перейдет от низкого уровня внедрения ИИ к тому, что большинство людей будут его использовать в течение года, потому что так очевидно, что как только вы начнете строить таким образом, существует так много действительных и потрясающих случаев использования. >> Да. >> Другое, что приятно делать таким образом, это устраняет страх. Прямо сейчас существует так много страхов относительно того, что сделает ИИ. Возьмет ли он мою работу? И в тот момент, когда вы создаете возможность и пространство для людей, чтобы они могли положить руки на клавиатуру, страх отступает на второй план, потому что они видят, что возможно. Они говорят: «О, эти вещи действительно потрясающие, и это не так хорошо в этом». Я на самом деле все еще требуется для этой части и этой части и этой части. И это просто делает это гораздо более практичным усилием по сравнению с, я не знаю, кто-то собирается к генеральному директору или какому-то руководителю, чтобы автоматизировать мою работу. И это как бы, ну, они могут захотеть это сделать, но могут ли они на самом деле это сделать? И также, разве не лучше, если бы вы были тем, кто это выяснил? Потому что, если вы это выяснили, вы выясните следующую вещь и следующую. Так что, работая руками, это отличный способ, чтобы этот страх немного отступил. >> Да. И, знаете ли, я имею в виду, это будет факт, что если вы используете ИИ, чтобы облегчить свою работу, вы, вероятно, будете лучше справляться со своей работой, чем люди, которые вообще не используют ИИ. Так что, лучше научиться. >> 100%. И, знаете ли, я думаю, что это будет новый набор навыков, который всем придется изучить, чтобы быть в современной рабочей силе. И какой лучший способ помочь вашей базе сотрудников повысить квалификацию, чем предоставить им возможность разобраться в этом внутри вашей компании. И поэтому я думаю, что это отличный способ действовать — проводить хакатоны, проводить обмен знаниями, проводить демонстрации, все такое. >> Но как вы сделаете это частью, потому что люди беспокоятся о продвижении по службе и тому подобном, верно? Как бы, вы знаете, многие люди говорят: «Я не уверен насчет Zapier, но во многих компаниях люди просто сидят на встречах подряд по 30 минут, и они говорят: «Хорошо, как вы даете людям время на эксперименты и фактически чувствуете, что это действительно стоит делать?» >> Да. Ну, черт возьми, я думаю, это более сложный вопрос. Очевидно, вам нужно найти способ вытащить людей из встреч подряд. Если вы сидите на встречах подряд весь день, вы, вероятно, будете испытывать трудности с выполнением работы даже до ИИ, потому что, если вы хотите создавать вещи, люди должны иметь время и пространство, чтобы фактически создавать их. И поэтому я думаю, что у вас нет проблемы с ИИ. У вас есть проблема с тем, как работает наша компания. И поэтому я бы, вероятно, сосредоточился на решении этой проблемы в первую очередь, а не на выяснении того, как я могу внедрить ИИ в компанию. ИИ — это просто текущая вещь, которую вы хотите продвигать. >> Понятно. Понятно. Хорошо. Итак, речь идет просто о том, чтобы дать людям время на создание, как бы, да, имеет смысл. Как насчет того, когда вы собеседуете новых кандидатов, например, для неинженерных должностей? Давайте возьмем, например, маркетинг или что-то в этом роде. >> Как вы узнаете, насколько хорошо владеет ИИ? Вы даете им тест или что-то вроде этого? Как вы узнаете, насколько хорошо владеет ИИ? >> Ну, мы все еще учимся, честно говоря, как лучше это делать, но есть несколько вещей, через которые мы прошли. Так что, да, сначала это было просто: «Привет, расскажите мне, что вы делаете с ИИ», и, знаете ли, люди как бы сообщали о себе. И, вначале вы могли просто получить представление о том, кто сделал что-то впечатляющее, а кто нет. Теперь мы начинаем просить людей фактически, у нас есть тест, где, «Привет, покажите нам что-нибудь». Это может быть, если вы занимаете должность PM, мы можем дать им задачу и запрос и сказать: «Привет, вы можете использовать ИИ, вы можете использовать любые инструменты в течение часа. Давайте вернемся и посмотрим, как далеко вы продвинулись, и просто посмотрим, что вы сделали и чего смогли достичь, с простым запросом». И вы можете сделать это для других функций. Вы можете сделать то же самое для маркетинга, где вы можете сказать: «Привет, я дам вам документ, который, возможно, содержит идею кампании. Возможно, он содержит какие-то клиентские данные, которые вам придется проанализировать, и сказать: «Привет, я хочу, чтобы вы придумали кампанию для таргетинга на этих людей». Мы вернемся через час, вы можете использовать любой инструмент, который хотите. Покажите нам, что вы сделали». И вы просто наблюдаете, как люди работают, и видите, как они используют инструменты, как они используют свой креатив с инструментами. И это, вероятно, то, что работает лучше всего прямо сейчас. Но я не собираюсь притворяться, что это, о да, это лучший способ оценить людей по их владению ИИ в конечном итоге. Я думаю, что просто много обучения происходит прямо сейчас для многих компаний о том, как это сделать. Мне очень нравится, потому что многие компании на самом деле делают анти-ИИ, даже если они хотят, чтобы люди использовали ИИ на своей работе, они делают анти-ИИ в процессе собеседования. Они говорят: «Привет, ты должен быть лицом к лицу, ты не можешь использовать никаких инструментов, и ты должен просто показать мне, как ты думаешь на доске». >> Да. И я имею в виду, я понимаю, откуда берется этот инстинкт. Знаете, я думаю, одна из моих проблем заключается в том, что да, я вижу это с документами, которые приходят ко мне, где, как только появился чат, документы внезапно стали намного более отполированными, но суть, возможно, не сильно изменилась. И поэтому вы начинаете беспокоиться, не передаем ли мы наше мышление ИИ? >> Да. И это та часть, которая вызывает беспокойство, я думаю, как генеральный директор, вы думаете: «Вы можете передать работу ИИ, но вы не можете передать ему ответственность». Вам все еще нужно действительно понимать, что делает этот ИИ? Решает ли он на самом деле проблему, которая мне нужна? Достигнет ли он результатов, которые меня волнуют? И, по крайней мере, на данный момент, люди, кажется, имеют небольшое преимущество. >> Да. Но я должен сказать, что, возможно, я тоже стал ленивым, но я должен сказать, что просто возможность поговорить с ИИ для стратегии или чего бы я ни делал, это просто кажется, что я могу действительно разблокировать свое мышление немного, или, возможно, это оправдание, но просто возвращаясь и вперед с ним, я придумываю новые вещи. >> Ну, да. И это отличается, верно? Так что вы используете его умным способом, вы обмениваетесь информацией, вы предоставляете контекст, вы, вероятно, сравниваете вывод одной модели с другой и так далее. >> Именно так. И это очень отличается от кого-то, кто просто загружает запрос, который вы ему даете, и говорит: «Привет, можешь ли ты написать стратегию, как Zapier может расшириться на XYZ рынок, а затем они сдают это как домашнее задание?» Это просто очень, это как бы, два человека получают один и тот же вывод, но очень разными способами, и вы, вероятно, получаете гораздо лучший вывод, чем последний. >> Да. Да, именно так. Это имеет большой смысл. Круто. Хорошо. Ну, я думаю, это была потрясающая беседа. Мы многое охватили. И если я просто случайный технический сотрудник или кто-то, кто хочет начать изучать агентурные рабочие процессы или начать создавать своего собственного агента, куда в Zapier я могу пойти или как я могу начать с этого? >> Ну, зарегистрируйтесь на Zapier. Первое, что вы увидите, когда войдете, — это большая коробка, и вы можете просто ввести свои идеи, а если у вас нет идеи, вы можете попросить ее идеи. И поэтому вы можете увидеть, какие типы автоматизаций, какие типы агентов он может создать. >> Потрясающе. Да. И просто, как правило, решайте свои собственные проблемы, верно? Как бы, если у вас есть супер скучная, монотонная задача, которую вы делаете снова и снова, это, вероятно, хорошая идея для автоматизации. >> Да. Посмотрите на свое расписание. Просто посмотрите на него и скажите: «Привет, я потратил много времени на собеседования, интересно, что я могу сделать, чтобы улучшить процесс собеседования». Или, как бы, «Привет, я потратил много времени на общение с клиентами. Хм? Интересно, что я могу сделать там, чтобы как бы облегчить себе жизнь». Так что просто полезно посмотреть на вещи, которые есть в вашем календаре, которые вы просто делаете много, и, знаете ли, вы можете начать придумывать небольшие части, где вы говорите: «Я могу автоматизировать эту часть, эту часть, и прежде чем вы это поймете, вы начнете понимать, что, может быть, я могу фактически связать эти вещи вместе и сделать что-то гораздо более впечатляющее». Но лучше просто начать с чего-то маленького, где это как бы: «Привет, могу ли я просто сгенерировать подготовительный документ для этого собеседования для себя?» Вы знаете, так что вы начинаете с этих узких задач, а затем переходите к чему-то более впечатляющему. >> Это потрясающе. Я думаю, это отличный способ завершить. Так что да, просто потратьте, знаете ли, 30 минут на этих выходных, глядя на свой календарь, подумайте, что вы можете автоматизировать, и используйте Zapier или используйте другие инструменты. Да. >> 100%. >> Круто. >> Хорошо. Уэйд, спасибо большое за ваше время, чувак. Это было потрясающе. Спасибо, Питер.