Měl jsem možnost si tento článek projít jako první. Tento článek je opravdu skvělý. Nemyslím si, že jsem viděl žádný jiný ekonomický článek po AGI, který by ostře definoval důsledek rostoucí automatizace a trvalé relevance lidské inteligence jako propast mezi náklady na automatizaci a náklady na ověřování. Dvě věci mi utkvěly v paměti. První je tento cyklus: > když odborníci dohlížejí na agenty, vytvářejí opravy, štítky a "jak na to" znalosti. To se zachycuje jako tréninková data / nástroje, což snižuje náklady na automatizaci. > jak automatizace zlevňuje, firmy nahrazují lidi agenty. To snižuje potřebu lidí, zejména pro pozice na začátečnické úrovni. > s menším množstvím nahromaděných zkušeností má společnost méně schopných ověřovatelů a ověřování je dražší. > nyní vzniká propast mezi náklady na automatizaci a náklady na ověření, což znamená, že agenti mohou pracovat ve více oblastech, než jsou lidé spolehlivě auditováni (slepá místa). > v těchto slepých místech lidé nemohou poskytnout přesnou korekční zpětnou vazbu. Agenti neustále optimalizují měřitelné proxy a chování se může odklonit od skutečného lidského záměru. Druhým, který mě zaujala, je koncept "odpovědnosti jako-služby". V podstatě to znamená, že nasazení jakéhokoliv agenta dodavatelem s sebou nese odpovědnost, že pokud agent způsobí újmu, ztráty nebo právní problémy určitým způsobem, dodavatel zaplatí (až do určitého limitu). Takže zákazník kupuje odškodněný výsledek, ne jen software. To v podstatě nutí firmy internalizovat riziko, že agenti nejsou v souladu s uživatelem. Tento koncept odpovědnosti jako služby se mi velmi líbí, protože celá teze naší @eigencloud platformy byla založena na škrtání a pojištění. Každá služba nasazená na @eigencloud je určena k stakování a pokud služba uživateli škodí, podíl za službou se výrazně zruší a uživatelsky kompenzovaný částkou. Při přednákupu uživatele. Velmi doporučuji každému, aby si tento článek přečetl!