Di Balik Agen Jangka Panjang Arca yang Menjalankan Bisnis - Aman Singh, Arca
원제 · Inside Arca's Long-Horizon Agents That Run the Business - Aman Singh, Arca
핵심 요약
Perusahaan berbasis AI sejati menggunakan agen otonom untuk menggerakkan seluruh alur kerja bisnis jangka panjang dan melibatkan manusia hanya pada saat-saat kritis.
하이라이트
Arca adalah perusahaan layanan keuangan berbasis AI yang menangani perencanaan keuangan, manajemen aset, dan nasihat pajak.
Agen AI di Arca mengeksekusi keputusan jangka panjang yang mencakup rentang waktu berhari-hari, seperti proses pelunasan pajak sebesar 100.000 dolar.
Sistem agen latar belakang secara terus-menerus memproses sinyal eksternal seperti surel, panggilan telepon, dokumen, dan pergerakan pasar.
Agen mempertahankan memori jangka panjang untuk mengingat preferensi spesifik klien, seperti larangan menyentuh posisi saham tertentu.
Pendekatan perusahaan menempatkan agen AI sebagai penggerak pekerjaan utama, di mana manusia dilibatkan hanya pada titik-titik kritis yang memerlukan tindakan.
Perubahan tujuan bisnis, seperti peralihan ke layanan proaktif setiap bulan Januari, dilakukan dengan memperbarui seperangkat tujuan agen.
타임라인
Pengenalan Arca dan Layanan Keuangan Jangka Panjang
Arca melayani berbagai klien mulai dari eksekutif teknologi hingga keluarga yang membutuhkan perencanaan keuangan. Proses layanan keuangan melibatkan banyak pihak, analisis laporan, likuidasi aset, dan transfer dana yang memakan waktu lama. Pendekatan ini digerakkan oleh agen AI yang menangani proses dari ujung ke ujung.
- Arca menyediakan layanan keuangan seperti perencanaan pajak, manajemen aset, dan nasihat investasi.
- Pekerjaan di industri ini bersifat jangka panjang dan membutuhkan waktu berhari-hari hingga sepuluh hari untuk diselesaikan.
- Contoh kasus melibatkan pengumpulan dana secara optimal untuk membayar tagihan pajak besar bagi klien.
Arsitektur Agen AI dan Sistem Sinyal
Sistem agen membaca surel, memproses dokumen, dan mengevaluasi pergerakan pasar secara terus-menerus di latar belakang. Agen memiliki memori mendalam tentang preferensi klien dan menggunakan kotak pasir keuangan untuk analisis. Setelah pekerjaan selesai, agen menyusun rencana dan melibatkan manusia pada waktu yang tepat.
- Arca bukan perusahaan perangkat lunak SaaS, melainkan perusahaan layanan terapan yang dioperasikan oleh agen.
- Agen dibekali sinyal dunia luar, konteks operasional, kerangka kerja dengan batasan pengaman, dan ketahanan memori.
- Agen memantau dunia luar secara mandiri dan menarik keterlibatan manusia saat rencana atau tindakan memerlukan persetujuan.
Interaksi Antar-Agen dan Manajemen Status
Dunia nyata memiliki banyak ketidakpastian, seperti klien yang tidak segera membalas surel. Ketika informasi baru dimasukkan ke dalam antarmuka, hal tersebut membangkitkan agen untuk menyesuaikan rencana. Selama enam bulan terakhir, Arca menyempurnakan ketepatan tugas dan kemampuan mempertahankan status jangka panjang.
- Tindakan di antarmuka pengguna seperti menjadwalkan ulang acara atau menandai tugas selesai berfungsi sebagai sinyal bagi agen.
- Agen saling berkomunikasi satu sama lain untuk memperbarui status pekerjaan secara real-time.
- Sistem mempertahankan memori jangka panjang untuk melacak pekerjaan masa depan dan mengubah status saat ini menjadi tugas aktif.
Transformasi Tujuan Bisnis Melalui Agen
Dengan membiarkan agen menggerakkan bisnis, perusahaan dapat beralih ke model yang lebih proaktif, seperti menyiapkan situasi pajak setiap klien pada bulan Januari tanpa menunggu permintaan. Pengguna cukup memberikan persetujuan dengan sekali klik pada rencana yang telah dikerjakan sembilan puluh persen oleh agen.
- Agen di Arca memandu manusia, sehingga agen yang menggerakkan pekerjaan dan bisnis secara keseluruhan.
- Perubahan strategi bisnis dilakukan dengan memasukkan tujuan baru ke dalam seperangkat tujuan agen.
- Pendekatan ini membedakan perusahaan berbasis AI dari perusahaan biasa yang hanya menggunakan alat AI.
설명
Arca is an AI-native financial services firm where agents don't assist the business, they run it. Aman Singh, who leads AI at Arca, shows how long-horizon agents own a client goal end to end across days of stop-start work: a signal system that keeps agents aware of emails, calls, custodian events and in-app actions; operational context and a harness to do the work; persistent memory; and shared spaces where agents pull in the right person at the right time. The result: agents prompt people more than people prompt agents, and the firm steers the business by steering its agents. Chapters 00:00 Intro: Arca, an AI-native services firm 01:19 Long-horizon vs long-running work 01:54 Example: raising cash for a client's tax bill 02:51 Agents own the outcome end to end 04:17 Following one signal: the journey of an email 05:28 Spaces: where agents pull in people 06:08 Agents watch the world so people don't have to 06:52 Handling a messy real world 08:24 The primitives of long-horizon work 09:00 Emergent complexity, and the last six months 10:11 Why do this? Agents run the business 11:15 Steering the business by steering agents 12:28 Using AI tools vs being AI native Aman Singh, Arca Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!
