AI エージェントを構築する場合、エージェントが優れているものと、*まだ*準備ができていないものを最大限に活用する最適なユースケースを見つけることが非常に重要です。 AI エージェントが自動化または拡張を支援できる作業のカテゴリは非常に多いです。短期的に価値を提供し、モデルの改善によって時間の経過とともに改善できる適切なものを選択することが重要です。現在機能していると思われるいくつかの特性を次に示します。 ※大量の非構造化データや情報を必要とする作業。これは、ドキュメント、画面上の視覚データ、ビデオ コンテンツなどです。これは、コンピューターやソフトウェアがこれまでできなかった領域であり、ここでのユースケースは膨大です。 * AI エージェントは、人間の判断や解釈が必要なものに役立ちますが、常にそうである可能性があります。非常に厳格なルールで何度も繰り返される何かを複製したいと思っている瞬間、おそらくエージェントではなくソフトウェアが欲しいでしょう。 * 自動化される作業が複雑になればなるほど、ループ要素に人間の必要性が高まります。これが、コードエージェントが現在非常にうまく機能している理由であり、最終的にエージェントの出力をテストおよび研究して、何が正しく、何が間違っているかを把握できます。これらのエージェントが間違ったことをした場合でも、熟練したユーザーにとって介入は比較的簡単です。 * モデルの改善というコアインテリジェンスがエージェントに蓄積され続けるユースケースに賭けてください。今日、AI を使用してユースケースに関するすべてを解決できるとしたら、おそらくそれは追求するのに十分なほど興味深い市場ではありません。モデルの改善によって追加される増分価値があるシナリオを追いかけます。 この段階では、どのユースケースがエージェントにとって適しているかは、さらに多くの特性によって決まりますが、最終的には、あらゆるカテゴリーの仕事で追求すべき機会が大量になります。