איך זה שכל כך מעט אנשים, להערכתי באיזור ה0.1% או אפילו פחות מזה – מכירים את ה-ROI הכי גדול שהיה אי פעם?
כן, אני מתכוון לשילוב סוכנים בהקשר העסקי, ואני מתכוון לזה ש״החזר ההשקעה״ (שזה Return of Investment למי שטרם פגש את המושג שמופיע כאן למעלה) כלומר – בהשקעה קטנה של זמן וכסף אפשר להשיג ערך הרבה הרבה יותר גדול. והרי לכאורה זה המדד הבסיסי שעסק מחפש – איך להגדיל רווח בפחות השקעה.
התשובה שאני עונה לעצמי היא: שלמרות ההחזר המטורף – עדיין נדרשת פה איזושהי השקעה, ואני אוהב בהקשר הזה את המילה ״חיכוך״. יש פה חיכוך, שמגיע בהקשר של משהו שאנשים עדיין לא מספיק מכירים.
כדי להתחיל להניע את כדור השלג, את המומנטום של השקעה שמניבה תוצאה, של עוד השקעה שמניבה עוד תוצאה – חייבים לקבל איזושהי טעימה אחת לפחות אמיתית, ועדיין מעט מאוד מקבלים את הטעימה הזו.
זה מזכיר לי שקצת לפני שיצא ChatGPT כבר כל היכולת הזו (כמעט לגמרי) היתה נגישה דרך ממשק Playground של OpenAI הייתם יכולים להיכנס להרשם בחינם לקבל 8 דולר להתנסות והייתם פוגשים את מלוא יופיו והדרו של מודל השפה שמשלים טוקנים ומנהל שיחה ומסכם טקסטים ועונה על שאלות נפלא נפלא וזה היה מדהים בעיניי! ועדיין זה היה חדש, וקצת מאחורי חומת חיכוך מסויימת שעדיין מעט מאוד אנשים עברו אותה.
רק כש-ChatGPT הוגש חינם לגמרי, בממשק קל ונגיש – רק אז זה התפרץ. וכן, טכנולוגית הקפיצה היתה +1 אבל לא הרבה מעבר. מי שכבר התעסק בGPT-3 הכיוון הכללי היה מוכר לו.
עדיין לא הגיע המוצר הקל הזה שפשוט נותן לכל אחד להבין שסוכנים זה שוס מטורף. כמה שאכתוב על זה – בלי טעימה אחת קטנה – זה לא יורד ללב.
מה שחצי שנה אני שובר את הראש עליו זה איך לזקק את הערך, איך לייצר את המינימום במקסימום. איך לגרום לקהל גדול יותר לעבור דרך נתיבים ידועים וברורים שמבטיחים בסיכויים כמה שיותר גבוהים את ההפנמה של מה שקורה כאן.
לכן כתבתי את 7 השכבות של עסק אטומי – כאשר זה בונה מהלך שלם. ואני מופתע לגלות איך אפילו 4 השכבות התחתונות של המודל הזה נותנות ערך עצום. בדיוק שוחחתי אתמול עם מישהי שהשתתפה בסדנה של כמה ימים ששם בנו יחד כולם סוכנים והם עסקו בעיקר ב4 השכבות התחתונות לפי המודל שלי, והם היו באורות מטורפים. וזה נכון.
עצם המפגש של סוכן עם דאטה – זה מניב אפקט חזק.
רוב מוחלט של האנשים (כלומר 99.9% אם אפשר לקרוא לזה ״רוב מוחלט״) אפילו לא נותן את ההזדמנות הזו!!
גם מי שמשתמש בסוכנים – לא מאפשר את ההקשר הרחב והעמוק. הוא נותן מידע מסויים, קבצים מסויימים, אבל הוא לא בונה את התשתית הרחבה.
והרעיון הוא פשוט, לא מאוד מסובך: קחו תיקיה, תפעילו קודקס / קלוד קוד / וואטאבר – ותחברו לו כמה שיותר ידע ותראו איך הוא עושה את הקסם שלו. הכוח של AI הוא בחיבור נקודות שונות – מה שבעבר היה אפשרי רק ע״י מוח אנושי, והוא יכול לעשות את זה טוב יותר. תנסו להבין כמה זה משמעותי שסוכן מחבר בין המון פרטים של הידע העסקי שלכם, התכנונים, הדוחות, השיחות, המצגות.
אני חווה את זה יום יום.
אני בעולם הבא, כבר חצי שנה.
זה כבר כל כך מובן לי מאליו.
אני אומר שוב ושוב, עד 2026 – בינה מלאכותית לא באמת נתנה ערך משמעותי מצטבר. במילים פשוטות: אתם רוצים אשכרה להרוויח יותר כסף, ואפילו הרבה יותר כסף מבינה מלאכותית – זה המפתח.
הנה אני שם אותו לכם פה בחינם – תקחו סוכן (קלוד קוד, קו-וורק, קודקס, וואטאבר) ותעיזו לתת לו הקשר מלא כמה שיותר. תבנו את ה״צנרת״ תחברו את הידע לטווח ארוך באופן חכם שהוא יוכל לשלוף בכל רגע נתון מה שרלוונטי לאותה משימה. דרך סקילים, דרך עוד קבצי טקסט שמקושרים זה לזה. תבינו איך קונטקסט נבנה. זה הבסיס – תעופו על זה!!!
המשך ההסבר: איך להנות מה-ROI הכי גדול בהיסטוריה
כתבתי בפוסט הקודם שהכשרון של בינה מלאכותית הוא ״לחבר נקודות״ ולכן ככל שניתן לסוכן ידע רחב יותר ונתפרע עם רמות ההקשר שהוא יכול להפיק ממנו מסקנות – ככה נקבל יותר.
כדי לבצע את הפעולה הזו בצורה מוצלחת חייבים להבין את הנושא של ניהול קונטקסט או ״הנדסת קונטקסט״
אבל אני אסביר את זה בצורה פשוטה דרך מושגים שכולנו מכירים: זכרון לטווח קצר, זכרון לטווח ארוך.
זכרון לטווח קצר, או באופן מדוייק יותר ״זכרון עבודה״ הוא אוסף פריטים שאנחנו מתייחסים אליהם באופן מודע ועובדים איתם כרגע. אם פתאום נוחתת עלינו תובנה של מה המצב שלנו או מה שצריך לעשות – זה בזכות זה שכמה פריטים שונים נכנסו תחת אותו זכרון וחשבנו על זה והגענו למסקנה.
הפעילות במסגרת הזכרון הזה היא איכותית מאוד. שם מתרחשת הפעילות האינטלקטואלית של התבוננות והוצאת מסקנות חדשות – הבעיה היא כמובן כמותית, כלומר הגודל של הזכרון הזה מוגבל. אנחנו לא יכולים להחזיק בבת אחת יותר מדי פריטים בראש.
זכרון לטווח ארוך – לעומת זאת, יכול להחזיק כמויות אדירות של מידע, אולי אפילו ללא הגבלה. אבל הזכרון הזה הוא ״רדום״. הוא נמצא שם בתור פוטנציאל, בתור מאגר, אבל אין לנו מושג לגביו אלא אם כן מתרחשת פעולה של שליפה מהזיכרון או פשוט היזכרות, שמעוררת את הזכרון הרדום ומציפה אותו לזכרון העבודה (לצורך ההסבר כרגע אני מתייחס לזכרון לטווח קצר וזכרון עבודה כדבר אחד)
אנחנו יודעים שהמוח עובד כך שמה שמעורר זכרון ויוצר שליפה כזו אלה דברים כמו אסוציאציה כלומר דמיון, או רגש שקשור עם הזכרון. בספר ״סוד הזכרון המצויין״ ערן כץ מלמד שיטות לשליפה איכותית דרך יצירת אסוציאציות וגם שמעתי מאיתי הרמן שהוא אלוף טריוויה (הצ׳ייסר) שהוא מגייס את כל כולו וקושר רגש עם הזכרונות וכך הוא זוכר כל כך הרבה פרטים…
עוד משל פשוט – דמיינו שאתם חיים שנות ה80 לפני שהאינטרנט הגיע לבתים – ואתם צריכים ״לכתוב עבודה״. לצורך זה אתם ניגשים לספרייה הציבורית ומחפשים כמה ספרים שיתאימו לעבודה שלכם. בספריה יש שולחן ואתם שולפים 2-3 ספרים ופותחים אותם על השולחן. קוראים פריטים שונים ומסיקים מסקנות… הספרייה עצמה היא משל לזכרון לטווח ארוך – יש בה כמויות אדירות של ידע אבל מבחינתכם הוא רדום – אין לכם מושג מה יש שם – עד שלא לקחתם ספר מהמדף ופתחתם אותו על השולחן הקטן שלכם שהוא כמו זכרון העבודה – שם הדברים מתחברים והעבודה מתקדמת.
אם הזכרון לטווח ארוך הוא אינסופי אז יש חשיבות עצומה לפיתוח יכולת השליפה ושיוף שלה. הסוכן שלכם יכול להיות כמו ערן כץ או הצ׳ייסר, ש׳כוח העל׳ שלו זה בעצם איכות השליפה. בינה מלאכותית עם יכולת שליפה איכותית יכולה לגדול עוד מעבר ליכולת האנושית – וזה היום השימוש גם בחזית המדעית – היכולת להגיע לגילויים חדשים שנסתרו עד עכשיו מהעין של המחקר, כלומר מהמאמץ המשותף של חוקרים רבים. בינה מלאכותית יכולה לגדול יותר מכל החוקרים יחד – זה המקום שמגיעה פריצת דרך.
אבל קצת גלשתי מהנושא, ובכל אופן זה היה כדי להמחיש לכם עד כמה יכולת השליפה היא קריטית ויכולה להיות מהפכנית. כמובן כל זה רק אחרי שבניתם את הזכרון לטווח ארוך באופן עשיר מספיק ויצרתם ספריה אדירה של ידע רדום שכזה.
איך זה מתממש אצלנו??
זכרון לטווח ארוך זה פשוט ידע שנאגר במקום אחד או נגיש ממקום אחד. זה או שיש לכם ערימות של קבצים בתיקייה או שהסוכן שלכם מקבל גישה למשאבים חיצוניים כמו גוגל דרייב איירטייבל טרלו ווצאפ סלאק מיילים יומן והכל… וכמובן אפשר גם וגם – כל זה אפשר לארגן בכל מיני צורות דרך מה שנקרא ״מוח שני״ או ״ויקי״ יש מלא רעיונות כולם טובים כל עוד הם עובדים לכם. הכל שאלה של אינדוקס, שהמשמעות שלו היא עבור השליפה. אבל זה הרבה פחות קריטי ממה שחושבים כי… (בפיסקה הבאה)
איך שליפה קורית אצל הסוכנים?
שליפה, כמו שאמרנו, זה העברה של פריט מידע מהזכרון טווח ארוך העצום שיצרתם (כי הייתם תלמידים טובים וחיברתם הכל הכל) לזכרון טווח קצר המוגבל – שם קורה הקסם. בעולם הסוכנים זה נקרא ״בניית קונטקסט״ כיון שהפעולה של ״ניחוש הטוקן הבא״ שזה כל הקסם של AI מתרחשת אך ורק (ואני מדגיש – אך ורק!) בהקשר מסויים. יש אוסף טוקנים (מה שמרכיב טקסט) ספציפי שהוא הקלט של המודל – וזה מה שמאפשר לו לעשות את הפעולה האטומית (הפעולה הבסיסית שמרכיבה את כל המהלכים המורכבים שאנחנו יכולים לתאר) של ניחוש הטוקן הבא. התפקיד שלכם הוא לדאוג שהוא יקבל את הקונטקסט המתאים.
סוכן יכול לקבל קונטקסט דרך הזנה פעילה שלנו, שאנחנו כותבים במהלך השיחה כל מה שהוא צריך לדעת, למשל. או שהוא יכול ״להזמין״ קונטקסט כחלק מהפעילות שלו. אנחנו צריכים לדאוג לכך שהוא בעצמו ימשוך את הפריטים הרלוונטיים במהלך העבודה – תוך כדי לופ של ניחוש טוקנים (שיכול להימשך על פני מאות, אלפי ומליוני פעולות כאלה ברצף!) ולזה אנחנו דואגים באמצעות סקילים. סקיל זו הנחיה שבין השאר מסבירה לו איפה הוא יוכל למצוא את המידע שהוא צריך. גם סקיל זה סוג של מידע שנשלף ולכן צריכה להיות אסוציאציה שתגרום למודל לבקש לשלוף את הסקיל – כמו שהמוח שלנו עושה. תחשבו על זה כמו מישהו שמרגיש רעב אבל אין לו אוכל, לא רק שאין לו אוכל – הוא גם לא יודע איך להכין אוכל, אבל לא רק שהוא לא יודע איך להכין אוכל – הוא גם לא יודע למצוא מתכון באינטרנט, אבל לא רק שהוא לא יודע למצוא מתכון באינטרנט – הוא גם לא יודע לחפש בגוגל… אבל אם תחושת הרעב היתה מייצרת אצלו התניה שאומרת – זה הזמן לחפש בגוגל – מהר מאוד הוא היה מוצא את עצמו מסיים ארוחה דשנה ומספקת. גוגל היה מוביל אותו למתכון, המתכון היה מסביר לו איך להכין אוכל, והוא היה יכול לאכול. אנחנו צריכים לייצר לו את הקישור בין רעב לגוגל. וזה המנגנון של סקיל.
בשורה התחתונה – היסוד הוא להכיר בפוטנציאל העצום שנמצא במפגש של מודל בינה מלאכותית עם מספיק ידע רחב – כל היתר זה לבנות את התשתית שתגרום להם להיפגש. אבל כמו שבזוגיות לא מיד נהיה ילד – גם עם סוכנים הדרך ללמוד מתחילה מדייט ראשון שרואים שיש כימיה בסיסית.
כתיבת תגובה