KI-Agenten könnten bald Menschen als primäre Anwendungsnutzer überholen
Ein "binärer Urknall" ereignete sich, als KI-Grundlagenmodelle die Barriere der natürlichen Sprache durchbrachen und einen Wandel in unseren Technologiesystemen einleiteten: wie wir sie entwerfen, nutzen und wie sie funktionieren.
Die Anwendungsnutzer von morgen könnten ganz anders aussehen als das, was wir heute kennen - und wir sprechen nicht nur von mehr GenZers. Viele Benutzer könnten tatsächlich autonome KI-Agenten sein.
Das ist das Wort aus einer neuen Reihe von Prognosen für das kommende Jahrzehnt, die von Accenture veröffentlicht wurden und zeigen, wie unsere Zukunft durch KI-gestützte Autonomie geprägt wird. Bis 2030 werden Agenten - nicht Menschen - die "Hauptnutzer der internen digitalen Systeme der meisten Unternehmen" sein, so die Co-Autoren der Studie. Im Jahr 2032 "übertrifft die Interaktion mit Agenten Apps in Bezug auf die durchschnittliche Zeit, die Verbraucher mit intelligenten Geräten verbringen".
Dies läutet einen Moment des Übergangs ein, den der Hauptautor des Berichts, Karthik Narain, CTO von Accenture, als binären Urknall bezeichnet. "Als Foundation-Modelle die Barriere der natürlichen Sprache durchbrachen", schreibt Narain, "setzten sie einen Wandel in unseren Technologiesystemen in Gang: wie wir sie entwerfen, nutzen und wie sie funktionieren."
Diese neuen Entwicklungen "verschieben die Grenzen von Software und Programmierung, vervielfachen den digitalen Output von Unternehmen und legen den Grundstein für kognitive digitale Gehirne, die KI tief in die DNA von Unternehmen einfließen lassen", fügt Narain hinzu.
Die aufstrebende Technologieentwicklungslandschaft wird sich auf drei Bereiche konzentrieren, sagt er: agentische Systeme, digitaler Kern und generative Benutzeroberflächen. Diese werden auf hochgradig modularen Bausteinen eingesetzt.
Agentische Systeme
Agentische Systeme sind derzeit "vielversprechend mit kleinen Codestücken und können mit Dokumentationen und Beispielen Funktionen und APIs mit hoher Genauigkeit aufrufen", berichtet er. "Sie können Funktionen und APIs erstellen, um sie später zu verwenden. Unternehmen integrieren diese Fähigkeiten schnell in neue Modelle, um die Entwicklungsgeschwindigkeit zu beschleunigen."
Das Accenture-Team hat diese Notation hinzugefügt:
"Eines der führenden agentischen Systeme für das Software-Engineering ist heute das Claude 3.5 Sonnet von Anthropic. "Beim Test mit SWE-Bench Verified, einem Software-Engineering-Benchmark von GitHub für reale Probleme, wurde eine bemerkenswerte Lösungsrate von 49 % erreicht.38 Im Jahr 2023 hatten die Agenten eine Rate von weniger als 5 %."
Digitaler Kern
Der digitale Kern ist die technologische Architektur und Infrastruktur, die das KI-gestützte Unternehmen betreibt. Agenten werden sich auf einen digitalen Kern verlassen, der es ihnen ermöglicht, "Datenquellen mit Analyseplattformen zu verbinden, die diese Daten nutzen können, um Entscheidungen zu treffen und nützliche Aktionen zu ergreifen." Heutige agentische Systeme können nicht den gesamten digitalen Kern aufbauen und pflegen - "aber sie nehmen Teile davon in Angriff", betont Narain.
Etwa die Hälfte der Führungskräfte, die an der Accenture-Umfrage teilgenommen haben, (48 %), gibt an, dass sie bald erwarten, dass Agenten in der Lage sein werden, Funktionen und Integrationen aufzurüsten und zu modernisieren. Mindestens 46 % gaben an, dass Agenten bald in der Lage sein werden, die Qualität digitaler Funktionen und Systeme sicherzustellen, und 45 % gehen davon aus, dass Agenten auf Funktionen aus internen Systemen zugreifen werden.
Der Zugriff auf Funktionen aus Drittsystemen ist allerdings noch in weiter Ferne - nur 29 Prozent sehen dies in naher Zukunft. Nur 38 % gehen davon aus, dass ihre Agenten in der Lage sind, auf Daten aus dem gesamten Unternehmen zuzugreifen.
Generative Benutzeroberfläche
Eine weitere interessante Entwicklung, die Narain und seine Co-Autoren mit dem Aufkommen von KI-Agenten sehen, ist die generative Benutzeroberfläche, bei der KI-Techniken genutzt werden, um hochgradig personalisierte Benutzeroberflächen zu generieren. "Seit Jahrzehnten haben die hohen Kosten der Softwareentwicklung und die niedrigen Kosten für die Softwareverteilung die Idee vorangetrieben, eine einzige Benutzeroberfläche zu erstellen, die für jeden Benutzer funktionieren muss. Aber jetzt, da sich agentische Systeme weiterentwickeln und beginnen, in der digitalen Welt mehr Maßnahmen in unserem Namen zu ergreifen, treiben sie ein neues Software-Paradigma voran, bei dem billigerer Code und sprachbasierte Schnittstellen dynamisch generierte, benutzerdefinierte UI-Komponenten zunehmend praktikabel machen."
Um loszulegen, fordern die Co-Autoren von Accenture die Teams auf, intern mit Agenten zu experimentieren. "Ein guter Anfang ist die Erstellung aufgabenspezifischer interner Agenten. Nachdem Sie klein angefangen haben, können Sie modular vorgehen und im Laufe der Zeit die Funktionen und Daten erweitern, auf die Ihre internen Agenten zugreifen können, und sie nutzen, um zu lernen und sich auf den Aufbau externer Agenten in der Zukunft vorzubereiten."
Mit der zunehmenden Verbreitung autonomer Akteure wird es immer wichtiger, Konsistenz und Vertrauen zu wahren. "Die Unternehmen müssen sie genau überwachen und sicherstellen, dass Leitplanken vorhanden sind", heißt es in dem Bericht weiter. "Auf welche Daten greifen diese Systeme zu, wer steuert sie, wie ist die Qualität ihrer Ergebnisse und vieles mehr? Transparenz hilft dabei, das Vertrauen der Mitarbeiter in die Systeme zu stärken. Wenn Sie ein Überwachungssystem erstellen, legen Sie eine Governance- und Technologie-Roadmap für die Implementierung fest. Entwickeln Sie außerdem Kommunikations- und Wartungspläne, damit Ihr Unternehmen versteht, wie die Überwachung funktioniert, und Ihre Leitplanken mit den Fortschritten Schritt halten. "
Um die Dinge auf dem Boden zu halten, warnen Narain und seine Co-Autoren davor, dass "KI-Agenten erstaunliche technische Meisterleistungen darstellen, aber keineswegs perfekt sind. Sie sind rechenintensiv, nicht deterministisch und können nicht erklärbar sein. Aber genauso wie Retrieval Augmented Generation (RAG) ein LLM erden kann, können Code und Funktionen einen Agenten erden, wodurch sie besser erklärbar werden und das Vertrauen in ihn steigt."