Amp proširuje rad AI agenata od planiranja do isporuke softvera
Amp, startap koji razvija AI agenta za pretvaranje ideja u funkcionalan softver, proširuje upotrebu OpenAI modela GPT-6 Astra, Ultrafast i GPT-Live-1, kao i integracije Sign in with ChatGPT. Kompanija navodi da OpenAI modeli čine većinu tokena potrošenih u Ampu, a pojedini korisnici potroše do 10 milijardi tokena nedeljno.
Agent kao podrška i pre i posle programiranja
Cilj Ampea nije da agent samo piše kod. Quinn Slack, izvršni direktor kompanije, opisuje upotrebu koja počinje planiranjem i odlukom šta treba napraviti, a nastavlja se pisanjem koda, oblikovanjem stranica i aktivnostima nakon objave proizvoda.
Tim Ampea ima 20 članova i koristi agente i u marketingu. Agent pomaže pri unapređenju iskustva novih korisnika, kao i pri tome da više ljudi pronađe proizvod putem pretrage i drugih kanala. GPT-6 Astra služi za izradu dokumentacije i dizajn stranica u skladu sa stilom koji kompanija želi da održi.
Slack navodi i lični eksperiment: GPT-6 Astra je, na osnovu planova kuće, napravio 3D model u Blenderu. Taj primer ilustruje nameru da modeli podrže stvaralački rad koji prevazilazi klasičan razvoj softvera, bez tvrdnje da je svaki takav zadatak deo standardnog radnog toka Ampea.
Tokeni, glasovni pristup i brži tok rada
Kako agenti dobijaju obimnije zadatke, potrošnja tokena postaje ograničenje. Amp je zato pokrenuo integraciju Sign in with ChatGPT, koja korisnicima daje pristup većem broju tokena i OpenAI modelima, uključujući GPT-6 Astra. Prema Slacku, to korisnicima omogućava da agentu prepuste veći posao bez praćenja svake pojedinačne jedinice potrošnje.
Amp je nedavno predstavio Puck, konverzacionog asistenta ugrađenog u proizvod. Puck može da pokrene agenta za istraživanje greške, koordinira više agenata ili pronađe raniji razgovor o tehničkom problemu. Funkcija Calling Puck, koju pokreće GPT-Live-1, omogućava razgovor sa asistentom u realnom vremenu, uključujući pozive sa sata.
Kompanija testira i režim Ultrafast sa GPT-6 Astra. Brži odgovori mogu da promene način rada: korisnici danas često prelaze na druge zadatke dok čekaju rezultate više agenata, dok veća brzina može smanjiti potrebu za takvim prebacivanjem ili ostaviti agentu više vremena za proveru rezultata.
Šta to znači za organizacije
Praktična vrednost agenata raste kada se povežu planiranje, izrada, provera i aktivnosti nakon isporuke. U tom okviru, ChatGPT Work kao agent koji dovodi zadatke do rezultata pokazuje zašto je važno posmatrati agente kao sistem koji zadatke vodi do rezultata, a ne samo kao interfejs za odgovore.
Za poslovanje je razumno odvojeno pratiti kvalitet izlaza, potrošnju tokena, vreme čekanja i nivo kontrole nad zadacima koje agent dobija. Ampov primer pokazuje da izbor modela, pristup tokenima i brzina odziva zajedno utiču na to koliko široko tim može da delegira posao agentima.