Nebudu teď komentovat specifika politiky H-1B, protože jsou stejně všechny ve hvězdách. Doufám, že budeme i nadále dělat vše, co je v našich silách, abychom do Ameriky dostali ty nejlepší a nejchytřejší, což nás učiní konkurenceschopnějšími v kritických oblastech budoucnosti, jako je AI, software, robotika, vědy o živé přírodě a další pokročilá odvětví. Není to proto, že bychom bez tohoto talentu postrádali schopnost stavět v těchto prostorách; Je to proto, že tyto trhy jsou tak velké, že nám dramaticky prospívá, když se ujistíme, že zde máme vybudované všechny vítěze a schopnost je neustále zvyšovat, aniž bychom zpomalili. Všechny tyto trhy mají společné to, že nejsou s nulovým součtem, kde každá práce, která připadne někomu, nahradí jinou. Jeden lékařský pokrok nenahradí druhý v nesouvisející oblasti; Nový technologický vynález obecně nesnižuje potřebu dalšího. Mnohé z těchto trhů jsou dnes 10x nebo 100x větší, než byly před několika desetiletími. Bez talentů pro růst na těchto trzích by Amerika byla velmi daleko pozadu, což by vedlo k masivním důsledkům downstreamu. Čím více talentů bude mít jedna země, tím lépe bude schopna v budoucnu konkurovat a vytvářet ještě více pracovních míst. Země, které vytvářejí nejvíce ekonomických příležitostí v těchto oblastech, mají největší prospěch na svých místních trzích a časem vytvoří nejvíce pracovních míst pro svou zemi. Reforma vysoce kvalifikovaných imigračních programů s cílem zvýšit požadavky na minimální mzdu, přiměřeně zvýšit poplatky nebo zavést jiná kritéria zásluh dává naprostý smysl. Měli bychom také dramaticky pracovat na nápravě našich vlastních vzdělávacích systémů, abychom zajistili, že i zde od základů budeme školit ty nejlepší a nejchytřejší. Měli bychom však také povzbuzovat a vítat nejlepší talenty na světě, které zde chtějí odvádět skvělou práci. Opět, v tuto chvíli je toho mnoho nejasného, ale správné pochopení filozofie je důležité, protože politika bude plynout po proudu.

Agenti kódující umělou inteligenci nabízejí nejlepší pohled na to, jak bude vypadat budoucnost agentů v mnoha dalších oblastech znalostní práce. Kódování umělé inteligence se zrychlilo rychleji než jakýkoli jiný prostor umělé inteligence, protože tvůrci umělé inteligence hluboce rozumí svým vlastním pracovním postupům a jsou motivováni k tomu, aby je vylepšovali pro svou vlastní produktivitu. Je to také skvělá Petriho miska, protože ekosystém přijme nové nástroje (a zbaví se starých) rychleji než jiný prostor, což vám dává lepší signál o tom, jaká paradigmata fungují a která ne. Darwinovské síly jsou zde velmi silné. I když existuje spousta věcí, které se z kódování do jiných oblastí práce se znalostmi nepřenesou, u agentů je jasné, že začínáme vidět formulaci základních primitiv pro agenty ve znalostní práci. Mezi tyto základy patří: agenti na pozadí, které spustíte v jednoduchém grafickém uživatelském rozhraní nebo prostřednictvím jiného logického spouštěče, schopnost sledovat jejich průběh, přidávat v relevantním kontextu, schopnost získávat další signály a nástroje, způsoby kontroly práce a výstupu na konci pracovního postupu, vytváření vlastních agentů za běhu při opakování pracovních postupů, a tak dále. Jsme v raných fázích toho, jak to bude vypadat napříč softwarem, ale nejasnosti, které jsme měli před rokem, začínají být den ode dne jasnější. Čekají nás neuvěřitelné časy.

Rychlost, s jakou musíte aktualizovat nebo alespoň přehodnocovat základní části architektury pro AI agenty, je ta nejšílenější, jakou jsem kdy v oblasti technologií viděl. Věci, které jste před 1 rokem optimalizovali pro malá kontextová okna a modely bez uvažování, až po to, co nyní děláte pro velká kontextová okna, uvažování a používání nástrojů, jsou zcela odlišné architektury. Pokud jste před rokem zahájili projekt nebo software využívající umělou inteligenci, který za posledních 6 měsíců neodstranil nějaké lešení ani nezměnil vzor architektury smysluplným způsobem, není téměř možné, abyste využili nejnovější možnosti umělé inteligence. Pokud vytváříte agenty AI, základním IP, které musíte udělat správně a trvanlivě, je pochopení vašeho pracovního postupu, domény, dat, ke kterým máte přístup, a uživatelské zkušenosti; zbytek musíte být ochotni průběžně aktualizovat.