Jos rakennat tekoälyagentteja, on erittäin tärkeää selvittää optimaaliset käyttötapaukset, jotka maksimoivat sen, mitkä agentit ovat hyviä ja mihin he eivät ole valmiita *vielä*. Tekoälyagentit voivat auttaa automatisoimaan tai täydentämään niin monia työluokkia. On ratkaisevan tärkeää valita oikeat, jotka voivat tuottaa arvoa lähitulevaisuudessa ja parantua ajan myötä malliparannusten myötä. Tässä on muutamia ominaisuuksia, jotka näyttävät toimivan juuri nyt: * Työ, joka vaatii paljon jäsentämätöntä dataa ja tietoa. Tämä voi olla asiakirjoja, visuaalista dataa näytöllä, videosisältöä ja paljon muuta. Tämä on alue, johon tietokoneet ja ohjelmistot eivät ole koskaan aiemmin pystyneet, ja käyttötapaukset ovat valtavat. * Tekoälyagentit ovat hyödyllisiä asioissa, jotka muuten vaativat ihmisen harkintaa tai tulkintaa, ja näin voi aina olla. Sillä hetkellä, kun huomaat toivovasi toistavasi jotain, jossa on erittäin tiukat säännöt, jotka tapahtuvat yhä uudelleen ja uudelleen, haluat luultavasti ohjelmistoja, et agentteja. * Mitä monimutkaisempaa työtä automatisoidaan, sitä enemmän tarvitaan ihmistä silmukkaelementissä. Tästä syystä koodiagentit toimivat erittäin hyvin juuri nyt, sillä voit lopulta testata ja tutkia agentin tuotosta selvittääksesi, mikä oli oikein tai väärin. Vaikka nämä agentit tekisivät asioita väärin, puuttuminen on suhteellisen yksinkertaista kaikille ammattitaitoisille käyttäjille. * Lyö vetoa käyttötapauksista, joissa mallien kehittymisen ydinälykkyys kertyy edelleen agenteillesi. Jos pystyt ratkaisemaan kaiken käyttötapauksesi tekoälyn avulla tänään, se ei todennäköisesti ole tarpeeksi mielenkiintoinen markkina-alue. Etsi skenaarioita, joissa mallin parannuksilla lisätään lisäarvoa. Tonneittain enemmän ominaisuuksia määrittää, mitkä käyttötapaukset ovat hyviä agenteille tässä vaiheessa, mutta viime kädessä jokaisessa työluokassa on paljon mahdollisuuksia.