Az előadás középpontjában az áll, hogy a mesterséges intelligencia, különösen a nagy nyelvi modellek (LLM-ek) ellenére a vállalati szférában még mindig jelentős hatékonyságveszteségek tapasztalhatók. Hiába jelennek meg folyamatosan új AI asszisztensek, ezek legtöbbször egyszerű feladatokat tudnak csak automatizálni, és nem képesek komplex munkafolyamatok elvégzésére.
A fejlesztőcsapat, melynek tagjai a Stanford és a UC Berkeley vezető kutatói, teljesen új szemlélettel közelítette meg ezt a problémát. Ahelyett, hogy egyetlen, mindenre alkalmas modellt akartak volna létrehozni, a nagy és bonyolult feladatokat apróbb, jól kezelhető lépésekre bontják le, melyeket önálló nyelvi vagy akciómodellekkel oldanak meg. Ez lehetővé teszi a hibák időben történő felismerését és javítását.
További témaként felmerül, hogy az AI automatizációs fejlesztések komoly kihívásokba ütköztek, amikor próbálták általánossá tenni a megoldásokat minden alkalmazásra. Ehelyett célzottan törekednek olyan szűkebb, speciális alkalmazásterületeken extrém megbízhatóságot elérni, mint például a pénzügyi vagy egészségügyi folyamatok automatizálása.
Érdekes kérdések merülnek fel az AI piacával kapcsolatban is: miben különbözhetnek a most bemutatott lépcsőzetes megoldások a piacon fellelhető többi ágens platformtól? Hogyan tudják a fejlesztők növelni az automatizáció megbízhatóságát, és milyen konkrét üzleti haszna lehet ennek a vállalatok számára? Ezek a témák is részletesen előkerülnek az előadás során.
