Vom Programmieren zu Knowledge-Work-Agenten — Karan Vaidya, Composio
AAI Engineer
Computing/SoftwareInternet Technology
Transcript
00:00:00Hallo zusammen, ich bin Karan Vedya, Mitgründer und CTO von Composio.
00:00:19Die meisten Tool-Aufrufe von Agenten
00:00:21finden heutzutage immer noch in einem Bereich statt.
00:00:23Keine Überraschung: Es ist die Softwareentwicklung.
00:00:26Alle anderen Arbeitsbereiche hinken weit hinterher.
00:00:29Wenn Modelle immer besser werden, dann
00:00:32warum sind wir immer noch auf agentisches Programmieren beschränkt?
00:00:35Das ist die Billionen-Dollar-Frage, die ich heute beantworten möchte.
00:00:43Vor drei Jahren waren Coding-Agenten nichts weiter als Autovervollständigung.
00:00:47Heute ist die Softwareentwicklung komplett autonom.
00:00:50Wir sind von ständigem Tab-Drücken zu „Lass Claude mal machen“ übergegangen.
00:00:56Das ist einfach magisch.
00:00:59Und warum ging das beim Programmieren so schnell?
00:01:04Die meisten würden vermuten, es liegt an den Modellen.
00:01:06Ja, die Modelle sind im Laufe der letzten zwei bis drei Jahre deutlich besser geworden, und das Gleiche gilt für
00:01:13die Harnesses wie Claude Code, Codex und Cursor.
00:01:17Aber für sich allein hätte das nicht ausgereicht.
00:01:20Es hat nur deshalb funktioniert, weil die gesamte Infrastruktur und die Systeme rund ums Programmieren buchstäblich
00:01:26für Agenten ausgelegt waren.
00:01:27Code wurde genau mit der Unterstützung geliefert, die Agenten brauchten.
00:01:31Man hat das Repository, den Commit-Verlauf, Tests, CI/CD, Code-Reviews, Linter und die Möglichkeit zum Revert, falls
00:01:39etwas schiefgeht.
00:01:39Die Art von Dingen, die einem Vertrauen in die Agents gibt, die Systeme rund um den Code.
00:01:45Jetzt setzen wir dieselben großartigen Agenten auf alles andere an: Kundenservice, Finanzen, Vertrieb.
00:01:54Aber die Agenten, die beim Programmieren phänomenal abgeschnitten haben, arbeiten hier im Grunde blind, weil die
00:02:00Infrastruktur rund um das Programmieren in anderen Bereichen gar nicht existiert.
00:02:04Wie schließen wir also die Lücke zwischen Coding-Agenten und Wissensarbeits-Agenten?
00:02:11Wir glauben, es liegt an sechs Kern-Primitiven. Das Programmieren hatte alle sechs, während die Wissensarbeit
00:02:19keine einzige hat.
00:02:20Und genau das müssen wir aufbauen.
00:02:24Das erste ist die Zentralisierung.
00:02:26Coding-Agenten haben unter anderem deshalb so gut funktioniert, weil sie sich sehr nah an der Quelle der Wahrheit befanden.
00:02:34Sie kannten das Was, das Warum und das Wie.
00:02:37Man gibt ihnen das Repository und Infrastructure as Code, schließt den Kreis und lässt das Modell
00:02:43machen.
00:02:44Der Agent beginnt mit allem, was er braucht, an einem einzigen Ort – nämlich der Codebasis.
00:02:51Genau das fehlt der Wissensarbeit heute.
00:02:55Zum Beispiel ist ein einzelner Deal über fünf verschiedene Plattformen verstreut.
00:03:00Die Datensätze sind in Salesforce, die Dokumente in Notion, E-Mails in Gmail, Unterhaltungen in
00:03:05Slack und der Support-Verlauf in Zendesk.
00:03:09Es gibt keine einheitliche Informationsquelle, keinen zentralen Ort für alle Daten.
00:03:14Beim Programmieren ist alles getrennt, aber jede Anwendung hat ihren eigenen Login.
00:03:18Bevor ein Wissensarbeits-Agent überhaupt mit der Arbeit beginnen kann, muss er alle Fäden
00:03:23selbst zusammensuchen und miteinander verknüpfen.
00:03:27Und das ist erst der Ausgangspunkt, von dem aus Coding-Agenten gestartet sind.
00:03:30Die hatten das alles bereits.
00:03:32Wie kann man also erwarten, dass ein Wissensarbeits-Agent die gleiche Arbeit leistet wie ein Coding-Agent?
00:03:39Das Erste, was wir also bauen, ist die fehlende Zentrale.
00:03:42Ein Ort, an dem all Ihre Apps, all Ihre Verbindungen und all Ihre Logins existieren.
00:03:46So muss der Agent nicht die mühsame Arbeit leisten, sie alle selbst zusammenzuknüpfen.
00:03:51Er findet alles an einem einzigen Ort.
00:03:55Und er erhält dieselbe Basis, mit der Coding-Agenten gestartet sind: das Repository und Informationen
00:03:59über alle Stacks hinweg an einem einzigen Ort.
00:04:02Das ist das Fundament, von dem aus Sie starten, und Sie können Ihrem Agenten Schreibrechte erteilen.
00:04:09Das Nächste, was ein Agent braucht, ist ein Sinn für Geschichte – die Fähigkeit, in die Vergangenheit zu blicken.
00:04:16Im Code bekommt man das umsonst.
00:04:18Git speichert jede einzelne Änderung und jeden Schritt, der jemals vorgenommen wurde.
00:04:23So kann der Agent immer zurückblicken und nachvollziehen, wie eine bestimmte Änderung zustande kam.
00:04:27Warum etwas funktioniert hat oder warum etwas schiefgegangen ist.
00:04:31Denken Sie an die Art von Aufgaben, die Sie Ihrem Agenten tatsächlich stellen.
00:04:34Wir mussten in der Vergangenheit eine Änderung wegen eines Fehlers rückgängig machen, aber das war ziemlich mühsam.
00:04:40Kannst du dir das ansehen und es wiederherstellen?
00:04:43Er liest einfach den Verlauf durch, holt es zurück und legt los.
00:04:46Die Historie ist dabei nicht nur für den Agenten da.
00:04:49Sie dient auch Ihnen dazu, nachzuvollziehen, was der Agent eigentlich tut.
00:04:53Sie können sehen, was er tut, wo er Fehler macht und wo er erfolgreich ist.
00:04:58Und anstatt blind dem zu vertrauen, was der Agent Ihnen sagt, können Sie einfach in diesen Apps
00:05:04nachsehen, was er getan hat.
00:05:09Stellen Sie nun dieselben Fragen in Bezug auf die Wissensarbeit.
00:05:12Was hat dazu geführt, dass sich das CRM in seinem heutigen Zustand befindet?
00:05:16Wie hat mein Kollege diese fantastische E-Mail verfasst, die zum Abschluss des Deals geführt hat?
00:05:22Wie lautet der genaue Prozess, um ein Support-Ticket zu eskalieren oder sogar zu lösen?
00:05:27Die Antworten sind über hunderte Apps verstreut, und keine davon speichert den Verlauf.
00:05:31Deshalb hat der Agent kein Gedächtnis.
00:05:33Er fängt fast jedes Mal bei einem leeren Zustand an.
00:05:36Er hat keine Ahnung, was zuvor ausprobiert wurde, was funktionierte und was nicht.
00:05:40Und auch Sie haben keine Möglichkeit, das nachzuvollziehen.
00:05:44Sobald der Agent läuft, teilt er Ihnen mit, dass er fertig ist.
00:05:47Sie wissen jedoch nicht, ob er es tatsächlich erfolgreich erledigt hat.
00:05:49Es gibt keine Möglichkeit herauszufinden, ob das stimmt oder nicht.
00:05:52Genau das fehlt: eine Dokumentation der Arbeit.
00:05:56Da nun endlich alles über einen einzigen Ort läuft – diese Zentralisierung –, können wir
00:06:02eine Schicht darüber legen: den Verlauf.
00:06:06Jede einzelne Aktion, die der Agent unternimmt, kann über alle Apps hinweg protokolliert werden.
00:06:12Was er berührt hat, was er übersprungen hat, was funktioniert hat und was nicht.
00:06:17Dadurch erhält der Agent erstens ein Gedächtnis.
00:06:20Er kann zurückblicken, wie ähnliche Aufgaben früher erledigt wurden, was erfolgreich war, und dies wiederholen.
00:06:28Er fängt nicht jedes Mal bei Null an.
00:06:31Zweitens gewinnen Sie Vertrauen.
00:06:33Sie können endlich genau sehen, was der Agent tut.
00:06:36Anstatt also nur zu hoffen, dass er das Richtige tut, können Sie es überprüfen und eingreifen, wenn er Mist baut.
00:06:44Und je öfter Sie sehen, dass er das Richtige tut, desto mehr Vertrauen fassen Sie und übertragen ihm weitere Aufgaben.
00:06:50Das Nächste, was ein Agent braucht, ist Kontext.
00:06:53Wenn man darüber nachdenkt, gibt es im Grunde zwei Arten von Kontext.
00:06:57Das Erste ist der Aufbau der Plattform, die Architektur.
00:07:01Wie Dinge ineinandergreifen, wie sie verknüpft sind und wie die Daten fließen.
00:07:05Das ist wie eine Landkarte, die ein Senior Engineer im Kopf hat und für deren Entwicklung ein Junior etwa drei Monate braucht.
00:07:12Das Zweite ist der Stil.
00:07:13Das ist nicht das, was objektiv richtig ist, sondern eher, wie „gut“ in Ihrem Unternehmen aussieht.
00:07:19Wie Sie Dinge tun, Dinge wie Linter, Typprüfungen und so weiter.
00:07:24Oder vielleicht verwenden Sie einen TypeScript-Decorator, den sonst niemand nutzt.
00:07:29Das steht nicht unbedingt irgendwo in einem Handbuch.
00:07:32Es steckt eher in Ihrer Codebasis.
00:07:34Es ist komplett in Ihrer Codebasis verfügbar.
00:07:35Der Agent kann also nachschauen und die Vorgaben, Ihre Vorlieben, Linter, Formatierer usw. herausfinden.
00:07:45Kommen wir nun zur Wissensarbeit, da verhält es sich genauso.
00:07:48Angenommen, Sie schreiben ein Dokument für einen Kunden.
00:07:50Um überhaupt anzufangen, müsste ich die Datenbank öffnen, um die Nutzung abzurufen und zu prüfen, wie sie Dinge tatsächlich verwendet haben,
00:07:58sowie Salesforce konsultieren, um die Deal-Details einzusehen.
00:08:01Erst dann kann ich überhaupt die erste Zeile des Dokuments schreiben.
00:08:05Die Antwort war nicht isoliert in nur einem dieser Tools zu finden.
00:08:09Ich kann dieses Dokument schreiben, weil ich die Fäden all dieser Tools in meinem Kopf zu einem einzigen Kontext zusammenwebe.
00:08:15Wenn man Historie und Kontext zusammenfügt, bildet man ab, wie die Organisation funktioniert.
00:08:21Und dieser Teil steht dem Agenten nicht einfach so zur Verfügung.
00:08:26So wie wir Zentralisierung und Protokollierung eingeführt haben – das soeben erstellte Protokoll, das dem Agenten Gedächtnis verleiht und Ihnen die Überprüfung ermöglicht –, passiert noch etwas Interessantes.
00:08:36Es leistet noch etwas Wichtiges.
00:08:38Wenn man genug davon protokolliert, was jeder Agent tut, fängt man an, Muster zu erkennen.
00:08:42Man erkennt, wie das Unternehmen arbeitet, und entwickelt Fähigkeiten, die eine Art Destillat der bisherigen Arbeitsweise des Unternehmens darstellen.
00:08:51Welche Ansätze funktionieren, welche nicht, was in der Vergangenheit zu Fehlschlägen geführt hat usw.
00:08:57Das Protokoll ist nicht länger nur eine bloße Aufzeichnung dessen, was passiert ist.
00:09:01Es ist ein Abbild davon, wie Ihr Unternehmen funktioniert.
00:09:03Und das wirkt auf drei verschiedenen Ebenen.
00:09:06Wie ein Tool im Allgemeinen funktioniert, was für jede Person gilt.
00:09:09Wie ein Unternehmen Dinge tut und wie Sie es bevorzugen, Dinge zu tun.
00:09:13Was für Sie gut aussieht.
00:09:15Und genau das ist der Kontext, der einem Agenten für Wissensarbeit fehlte.
00:09:19Wie die Arbeit tatsächlich erledigt wird.
00:09:21Eine Art echtes Handbuch.
00:09:23Und die Präferenzen eines Unternehmens oder eines einzelnen Benutzers.
00:09:27Nun kann der Agent Abfragen dazu stellen und muss nicht länger raten, wie das Unternehmen agiert.
00:09:34Der andere Grund, warum Coding-Agenten so gut funktionieren.
00:09:37Sie testen sich selbst.
00:09:38Die Arbeit prüft sich selbst.
00:09:40Verifizierung.
00:09:41Sobald der Agent Code schreibt, folgt eine Reihe von Prüfungen.
00:09:44Unittests können kleine Fehler abfangen.
00:09:47Integrationstests fangen jene ab, die erst drei Module weiter Auswirkung zeigen.
00:09:52Das Typsystem würde gar nicht erst funktionieren und laufen, wenn etwas schiefginge.
00:09:57Der Compiler würde nicht einmal bauen.
00:10:00Darüber hinaus liegen die Softwareprüfungen.
00:10:02Linter, Formatierer, bugbot.md, Review-Fähigkeiten und so weiter.
00:10:06Und diese stellen sicher, dass der Code den Standards entspricht, die Ihr Team gerne befolgt.
00:10:12Nichts davon trifft auf Sie.
00:10:14Der Agent schließt die Schleife eigenständig und stellt sicher, dass er den Standard einhält und den Code lauffähig macht.
00:10:21Nun, denken Sie an Folgendes: Vor einiger Zeit habe ich meine Open Claw auf eine Recruiting-Aktion angesetzt.
00:10:28Massen-E-Mails an Kandidaten.
00:10:30Es lief.
00:10:31Es hat Unmengen an E-Mails verschickt.
00:10:34Einige von Ihnen haben vielleicht auch eine von meiner Open Claw bekommen.
00:10:37Es hat genau das getan, was ich ihm gesagt habe.
00:10:40Es war auch eine Katastrophe.
00:10:42Die Sorte, die auf Twitter landet und meinen Namen trägt.
00:10:46Ja, ich schätze, man sieht da ein ziemliches Desaster.
00:10:51Ich war nicht gerade glücklich, als das passierte.
00:10:54Und folgendes:
00:10:55Jede Überprüfung aus der vorherigen Folie wäre durchgegangen.
00:10:58Die E-Mails waren gültig.
00:11:00Die Adressen waren real.
00:11:00Sie erreichten tatsächlich echte Personen, die gepostet hatten.
00:11:04Es gab auf der Welt keinen Test, der wirklich hinterfragt hätte, worauf es ankam.
00:11:10Hätte das überhaupt rausgehen dürfen?
00:11:13Das ist die Lücke.
00:11:14Im Code sagen Ihnen diese Tests, was falsch und richtig ist.
00:11:17Hier hat mir das Internet gesagt, dass ich falsch lag.
00:11:21Also bauen wir die Prüfungen ein, die fehlen.
00:11:24Das Problem im obigen Thread war nicht, dass die Ansprache falsch war.
00:11:28Sondern dass sie rausging, bevor ich überhaupt davon erfuhr.
00:11:31Die Lösung ist also einfach.
00:11:33Abfangen, bevor es überhaupt real ist.
00:11:35Wir tun dies also auf zwei Arten.
00:11:37Erstens: Bevor der Agent etwas sendet, prüft er die Entwürfe von E-Mails, die ich zuvor gesendet habe, ob sie meinem Stil und der Qualität entsprechen, die ich mag.
00:11:47Zweitens: Bevor wir in einem realen Szenario etwas Destruktives tun, stellen wir dem Agenten Sandboxes zur Verfügung, die echte Tools emulieren, und er kann Aktionen in diesen Sandboxes ausführen.
00:11:59Anstatt dass der Explosionsradius die reale Welt trifft, trifft er eine Sandbox, und ich kann es überprüfen, bevor der Agent das Echte tut.
00:12:07Nimmt man beides zusammen, hat man etwas, das Wissensarbeit noch nie hatte.
00:12:11Eine Möglichkeit für den Agenten, seine eigene Arbeit zu prüfen, bevor sie real ist.
00:12:16Er kann endlich seinen eigenen Kreislauf schließen, anstatt auf Sie zu warten, und mit alledem können Sie der Aktion vertrauen, ohne mit Tweets bombardiert zu werden, die ich verfasse.
00:12:29Als Nächstes braucht der Agent Governance.
00:12:32Vertrauen aufzubauen bedeutet zu kontrollieren, was der Agent tun kann, und die richtigen Wände um ihn herum zu errichten.
00:12:39Im Code ist dies weitgehend gelöst und weist mehrere Schichten auf.
00:12:44Der Agent kann auf seinem eigenen Branch tun, was er will, aber er kann nicht nach Main mergen.
00:12:49Ein menschlicher Reviewer sitzt vor dem Mergen nach Main dazwischen.
00:12:52Kritische Dateien haben Code Owners, sodass bei jedem Berühren die richtigen Leute einbezogen werden.
00:12:58Wir nutzen Agenten für Vorschau-Deployments, lassen sie niemals die Produktions-Deployments berühren, sodass wir das dort kontrollieren.
00:13:04Governance ist kein einzelnes Tor, sondern mehrere, und jedes variiert in seiner Größe je nach dem Explosionsradius, den es darstellt.
00:13:12Nichts davon bremst den Agenten in sicheren Bereichen aus, es verhindert lediglich, dass er die Produktion vermasselt.
00:13:19Und je enger diese Grenzen sind, desto mehr können Sie dem Agenten vertrauen und ihn Amok laufen lassen.
00:13:25Sie haben das wahrscheinlich gesehen.
00:13:27Die Director of Alignment beim Meta Super Intelligence Lab hat einen Agenten an ihre E-Mail angeschlossen, und er fing an, ihre E-Mails zu zerstören und viele davon zu löschen.
00:13:36Sie sagte ihm, er solle aufhören, und er machte weiter. Schließlich musste sie zu einer physischen Maschine rennen, um ihn zu stoppen, aber da waren bereits 200 E-Mails verschwunden.
00:13:45Sie hatte es ihm vorher im Prompt aufgetragen, in solchen Fällen vor dem Handeln zu bestätigen, aber das war nur ein Prompt, der wahrscheinlich komprimiert wurde.
00:13:53Und wenn jemand, dessen einzige Aufgabe KI-Alignment ist, den Agenten nicht richtig prompten kann, dann kann es wahrscheinlich keiner von uns.
00:14:03Und das ist der wahre Grund, warum diesen Agenten so schwer zu vertrauen ist – nicht, weil sie schlechter als die Coding-Agenten sind, sondern weil keine Wand um sie herum ist.
00:14:12Im Code war die Wand bereits in das System eingebaut, während wir zuvor entwickelt haben.
00:14:17Wissensarbeit hat hier und da auch ein paar Teile.
00:14:20Zum Beispiel hat Gmail Scopes.
00:14:21Salesforce hat Berechtigungsstufen.
00:14:23Aber es ist so verstreut, dass es sehr schwer ist, echte Kontrolle zu haben, und meistens machen die Leute es am Ende über Prompting.
00:14:32Und Prompting ist fragil.
00:14:34Der Agent wird Schlupflöcher finden.
00:14:36Dinge werden komprimiert.
00:14:38Und im großen Maßstab wird einer dieser Zäune brechen, und Sie werden sich in derselben Lage befinden, in der 200 Ihrer wichtigen E-Mails verschwinden.
00:14:47Was würde ihn also tatsächlich stoppen? Keine bessere Anweisung, sondern eine Wand, die der Agent nicht überqueren kann, selbst wenn er vergaß, dass diese Wand existierte.
00:15:00Also bauen wir diese Wände in zwei Schichten.
00:15:03Die erste Schicht ist deterministisch: Kontrolle darüber, was der Agent erreichen kann und worauf er Zugriff hat.
00:15:09Ein Recruiting-Agent kann wahrscheinlich einfach die E-Mails lesen.
00:15:13Ein Support-Agent kann einen E-Mail-Entwurf erstellen, diesen aber nicht tatsächlich senden.
00:15:17Die Grenze liegt außerhalb dieser Agenten.
00:15:19Sie kann weder vom Agenten diskutiert noch vergessen oder komprimiert werden.
00:15:24Anweisungen schlugen fehl, weil sie im Speicher des Agenten im Prompt lebten.
00:15:28Das tut dies nicht.
00:15:30Aber der Zugriff allein hätte sie nicht gerettet, weil sie tatsächlich einen E-Mail-Agenten baute.
00:15:36Also brauchte er definitiv Zugriff auf diese E-Mail.
00:15:39Das andere, was wir tun, ist Richtlinien bereitzustellen, mit denen Sie in natürlicher Sprache festlegen können, was der Agent selbst mit diesen Zugriffen tun darf.
00:15:49Also Dinge wie: Löschen Sie niemals mehr als 10 E-Mails ohne meine Erlaubnis.
00:15:53Versenden Sie niemals E-Mails außerhalb einer bestimmten Domain.
00:15:56Regeln, die das Verhalten selbst mit diesem Zugriff kontrollieren.
00:16:00Zwischen diesen beiden Dingen steuert also eine Schicht, was der Agent erreichen kann, und die andere Schicht steuert das Verhalten bei dem, was er mit dieser Reichweite anfangen kann.
00:16:09Zusammen ist das echte Governance für den Agenten.
00:16:11Man bittet den Agenten nicht nur sich zu benehmen, sondern erzwingt, was er tun kann.
00:16:17Die letzte Säule: Reversibilität.
00:16:20Und hier kommen wir an, wenn Dinge schiefgehen.
00:16:25Kann ich es rückgängig machen?
00:16:27Im Code können Sie das fast immer.
00:16:30Jede Änderung wird aufgezeichnet.
00:16:32Dinge können zurückgenommen werden.
00:16:33Sie können den letzten Commit per `git revert` zurücknehmen oder per `git bisect` den Commit finden, der Ihre Produktion beschädigt hat, und ihn rückgängig machen.
00:16:41Ich sage ja nicht, dass es gut ist.
00:16:44Das werde ich nicht vorgeben.
00:16:45Wenn Dinge in die Produktion gelangen und kaputtgehen, ist das immer schlecht.
00:16:48Aber es ist dennoch nicht endgültig.
00:16:50Sie können immer noch davon zurücktreten.
00:16:51Und genau das gibt Ihnen das Vertrauen, Ihre Agenten werkeln zu lassen und etwas Magie vollbringen zu lassen.
00:16:57Denn selbst wenn sie Dinge beschädigen, haben Sie einen Weg zurück.
00:17:03Für Wissensarbeit gibt es keinen Rückgängig-Button.
00:17:05Dinge wie: Denken Sie an den Posteingang.
00:17:07Diese 200 E-Mails sind weg.
00:17:09Sie sind verschwunden.
00:17:10Das ist übrigens der Normalfall.
00:17:12Der Katastrophenfall ist eine gesendete E-Mail, die Sie nicht rückgängig machen können.
00:17:15Eine Überweisung, die bereits getätigt wurde, sodass Sie das Geld nicht zurückbekommen.
00:17:18Ein gelöschter Datensatz, für immer weg.
00:17:20Die meisten Aktionen in der Wissensarbeit haben tatsächlich keinen Rückgängig-Button.
00:17:24Und das verändert die ganze Gleichung.
00:17:27Das verändert den Explosionsradius.
00:17:29Bei Code können Sie dem Agenten im Nachhinein vertrauen.
00:17:31Lassen Sie ihn laufen.
00:17:32Prüfen Sie das Ergebnis.
00:17:33Machen Sie es rückgängig, wenn es falsch ist.
00:17:34Hier gibt es kein Zurück.
00:17:36Der einzige Ausweg für Sie ist es, vor der Handlung des Agenten zu vertrauen.
00:17:40Das ist es, was diese Agenten auf eine Weise gefährlich erscheinen lässt, wie es Coding-Agenten nie waren.
00:17:44Es liegt nicht daran, dass sie oft scheitern.
00:17:46Es liegt daran, dass ein Fehler dort für immer ist.
00:17:49Entweder Sie gehen ganz nach vorne oder lassen ihn niemals agieren.
00:17:55Seien wir ehrlich.
00:17:56Reversibilität lässt sich in der Wissensarbeit am schwersten replizieren.
00:17:59Echtes Undo, so wie es für Code existiert, existiert wahrscheinlich nicht in allen Szenarien der Wissensarbeit.
00:18:04Aber wir haben einige Szenarien, in denen Undo existiert, und wir rufen sie auf.
00:18:09Nehmen wir an, Sie fügen ein Label hinzu.
00:18:11Sie können das Label danach wieder entfernen.
00:18:14Aber bei Aktionen, die Sie überhaupt nicht rückgängig machen können – wie Hard Deletes, die E-Mails aus Ihrem Posteingang verschwinden lassen –
00:18:21stellen wir wiederum eine Sandbox bereit, in der der Agent die Sache zuerst in der Sandbox tun kann,
00:18:25und Sie können sie überprüfen, bevor sie tatsächlich in die Produktionsumgebung übergeht.
00:18:30Nichts davon berührt die reale Welt.
00:18:31Das ist der ganze Wandel.
00:18:32Im Code können Sie den Fehler nach seinem Auftreten rückgängig machen.
00:18:35Hier fangen Sie ihn ab, bevor er es tut.
00:18:37Anderes Timing, dasselbe Ergebnis.
00:18:39Ein Fehler, der nicht hängen bleibt.
00:18:41Denken Sie noch einmal nach.
00:18:42Die Aktionen, die wir umkehren konnten, würden wir mit einem Rückgängig-Button versehen.
00:18:45Diejenigen, die wir nicht konnten, würden den Agenten zuerst in die Sandbox führen,
00:18:48und sie würde benachrichtigt: Ihre 1.200 E-Mails werden gelöscht.
00:18:52Wollen Sie das?
00:18:54Es ist noch nicht getan.
00:18:57Aber über Milliarden von Aktionen hinweg, die wir durchlaufen,
00:19:00lernen wir auf dem Weg, welche zurückgenommen werden können und welche nicht,
00:19:04und bereiten die Sandbox dementsprechend vor.
00:19:09Wenn Sie heute eine Sache mitnehmen, dann diese.
00:19:11Zwei Jahre lang war das Modell der Flaschenhals.
00:19:14Also rannte jeder immer besseren Modellen hinterher.
00:19:17Jetzt sind die Modelle gut genug geworden, dass Softwareentwicklung zu 100% autonom ist.
00:19:23Aber jetzt ist alles andere der Flaschenhals.
00:19:26Dasselbe Modell, das Ihren Code schreibt, kann auch Ihr Recruiting, den Vertrieb und andere Wissensarbeit erledigen.
00:19:36Aber im Moment arbeitet es blind.
00:19:39Keine Historie, kein Kontext, keine Möglichkeiten zur Verifizierung, keine Leitplanken, kein Undo.
00:19:44Der Flaschenhals hat sich also verschoben.
00:19:48Jetzt ist es die Infrastruktur, die noch niemand gebaut hat, und genau das bauen wir bei Composio.
00:19:54Ja, wir treiben insgesamt eine Milliarde Tool-Aufrufe an, 300 Millionen Tool-Aufrufe finden jeden Monat statt.
00:20:02Und wenn Sie einen Agenten bauen, verweisen Sie ihn einfach auf Composio und sehen Sie zu, wie die Magie für die Wissensarbeit geschieht.
00:20:08Und wenn Sie das Substrat der Zukunft für KI-Agenten bauen möchten, dann kommen Sie bitte zu mir.
00:20:13Wir stellen definitiv ein, und es gibt noch sehr, sehr viel zu tun.
00:20:17Die Modelle werden weiter besser werden.
00:20:19Der Flaschenhals werden nicht die Modelle sein.
00:20:21Es werden die Dinge drum herum sein.
00:20:22Vielen Dank.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video