Et kritisk poeng fra Karpathy på Dwarkesh-podcasten handlet om forskjellen mellom AI-kodeagenter og resten av kunnskapsarbeidet. Det er tydelig at AI-agenter innen koding har tatt av ekstremt raskt. Det er mange grunner til dette, inkludert det faktum at en betydelig mengde treningsdata allerede er online sammenlignet med andre domener, utviklere er raske til å prøve nye verktøy, og laboratoriene har mye insentiv til å få dette riktig. Men det er også en subtil og grunnleggende grunn som Karpathy dekker: domenet består nesten utelukkende av tekst (flott for LLM-er!), og vi har klare standardiserte verktøy som allerede i hovedsak er tekstredigerere (IDE) der nesten alt arbeidet er selvstendig. Det er få andre domener hvor AI-agenter vil finne så modent territorium som dette. Dette er delvis grunnen til at spredningen av AI-agenter vil ta lengre tid i andre rom, men det er like mye muligheten foran alle som jobber med kunnskapsarbeideragenter. Vi går inn i en ny æra med programvare for kunnskapsarbeidere som gir mulighet for intuitive, men kraftige måter å samhandle med agenter på. Noen av de eksisterende etablerte vil ha en naturlig posisjon til å bygge disse løsningene, men mange plasser vil være tilgjengelige fordi noen ikke vil bevege seg raskt nok. Og på samme måte vil det være mange kategorier der det ikke er noen naturlig sittende fordi det er første gang programvare blir brukt på markedet. Selskapene som er i stand til å bringe disse løsningene til markedet, spesielt i virksomheter som vil kreve endringsledelse og prosessreengineering, vil være de som vinner.