Killer App ng AI: Paano Maaaring Baguhin ng mga AI Agent ang Lahat

Paghanap ng Blockbuster App ng AI

Mula nang sumiklab ang pampublikong atensyon sa paglabas ng ChatGPT, ang teknolohiyang AI ay naging tampok sa mga balita at nakakuha ng atensyon ng pangkalahatang publiko, mga espesyalista sa IT, at mga mamumuhunan.

Ito ay lalong totoo habang ang kakayahan ng generative AI ay lumalago nang eksponensyal. Bukod pa rito, isang bagong alon ng kompetisyon ang nagpasigla ng pag-unlad sa larangan, kasama ang Chinese AI tulad ng DeepSeek na hinahamon ang estruktura ng gastos at pagpepresyo ng mga AI na gawa sa US.

Gayunpaman, ang industriya ng AI ay medyo hindi matatag, dahil ang daan‑daang bilyong dolyar sa imprastruktura ng AI ay hindi pa nakakalikha ng antas ng kita na kinakailangan upang patunayan ang pamumuhunan.

Ang mga nakaraang rebolusyon sa teknolohiya ay nabuo mula sa mga kumikitang aplikasyon ng teknolohiya sa “tunay” na ekonomiya, tulad ng trabaho sa opisina (Windows at Office), libangan (video game at streaming), patalastas (Google), komunikasyon (smartphone), o kalakalan (online na pagbabayad at e‑commerce).

Sa ngayon, hindi pa nababago ng AI kung paano nagtatrabaho o namumuhay ang karamihan sa araw‑araw. Ngunit malamang na magbabago ito sa pag‑usbong ng espesyalisadong AI na may napakalawak na saklaw ng pagganap at kakayahan: mga AI agent.

Ano ang mga AI Agent?

Ang pangunahing ideya ng mga AI agent ay lumikha ng mga AI na maaaring mag‑operate nang mag‑isa sa isang tiyak na kapaligiran. Nagbibigay ito ng napakaibang praktikal na mga tungkulin kumpara sa mga generative AI tulad ng LLM (Large Language Models) o mga image generator, na kadalasang tumutugon lamang sa mga prompt na ginawa ng tao.

Sa kontekstong iyon, ang “kapaligiran” ay maaaring tumukoy sa parehong tiyak na sitwasyon sa totoong mundo, tulad ng sasakyan sa kalsada at AI para sa self‑driving na tungkulin, o isang ganap na virtual na lugar, tulad ng isang partikular na software o digital na interface.

Dahil ang AI agent ay kumikilos nang autonomously sa ibinigay nitong tungkulin, hindi nito kailangan ang patuloy na interbensyon ng tao sa pamamagitan ng pag‑prompt. Kaya, maaari rin itong kumilos nang mag‑isa, nang hindi nangangailangan ng kumpirmasyon o superbisyon.

Sa praktika, karamihan sa mga AI agent ay magkakaroon din ng mga built‑in na kondisyon at patakaran kung saan hihingi sila ng feedback mula sa isang human supervisor.

Ayon sa Google, ang mga pangunahing tampok ng AI agent ay :

• Pagpapasya: maaari nilang suriin ang data, tuklasin ang mga pattern, at gumawa ng mga napag‑alangang desisyon batay sa ebidensya at konteksto.
• Pagkilos: Kakayahang magsagawa ng aksyon o magpatupad ng mga gawain, maaaring ito ay pisikal na aksyon o digital na aksyon.
• Pagmamasid: Pagkolekta ng impormasyon tungkol sa kapaligiran o sitwasyon upang maunawaan ang konteksto at gumawa ng mga napag‑alangang desisyon.
• Pagpaplano: Pagbuo ng plano upang maabot ang mga layunin, kasama ang pagtukoy sa mga kinakailangang hakbang, posibleng aksyon, at ang pinakamainam na paraan.
• Pakikipagtulungan: Epektibong pakikipagtulungan sa iba, maging tao man o ibang AI agent.
• Pagpapasariwa: Ang mga AI agent ay maaaring matuto mula sa karanasan, iayos ang kanilang pag‑ugali batay sa feedback, at patuloy na pagbutihin ang kanilang pagganap at kakayahan sa paglipas ng panahon.

Pinagmulan: DevRevAI

Talaga Bang Bago Ito?

Ang hanay ng mga tampok na ito ay naglalagay sa mga AI agent isang hakbang sa itaas ng mga naunang bersyon ng mga AI tool, tulad ng AI assistant at mga bot, na may mas proaktibong kakayahan, autonomiya, at kakayahang humawak ng mas kumplikadong mga gawain.

Pinagmulan: Google

Ang mga AI agent na may pisikal na “katawan” ay maaaring makipag‑ugnayan nang direkta sa totoong mundo, samantalang ang mga digital na AI agent ay malamang na magiging espesyalisado sa ilang virtual na kapaligiran sa trabaho.

Sa parehong kaso, ang pagbibigay sa AI ng sapat na awtoridad at posibleng mga aksyon upang maging kapaki‑pakinabang ngunit hindi sobra upang maiwasan ang hindi inaasahang pinsala mula sa mga error ay napakahalaga.

Sa pangkalahatan, malamang na ang sabay na pag‑unlad sa kalidad ng mga desisyon ng AI at ang pagtaas ng pamilyaridad dito ay magbibigay‑daan sa mga tao at awtoridad na magbigay ng mas malawak na kapangyarihan sa paggawa ng desisyon ng AI. Gayunpaman, nagbubukas ito ng mga kawili‑wiling legal at etikal na tanong hinggil sa responsibilidad ng mga aksyon ng AI (tingnan sa ibaba ang talakayan tungkol dito).

Ang Potensyal ng mga AI Agent

Ang kakayahan ng mga AI agent na magtrabaho nang mag‑isa ay maaaring maging dahilan kung bakit sila tinatawag na AI killer apps. Ang modernong buhay ay puno ng hindi gaanong kumplikadong paulit‑ulit na gawain na kasabay na masyadong kumplikado para ibigay sa isang mas simpleng anyo ng awtomasyon.

Halimbawa, ito ang dahilan kung bakit kinailangan ng Tesla na umatras sa awtomasyon at robotisasyon ng linya ng pag‑assemble nito noong 2018 (TSLA ). Maaaring mahusay ang mga robot, ngunit kahit ang pinakamaliit na abala o hindi inaasahang pagbabago sa pangangailangan ay magpapahinto sa buong linya ng pag‑assemble.

“Mayroon kaming kakaibang, komplikadong network ng mga conveyor belt … At hindi ito gumagana, kaya inalis namin ang buong sistema. Oo, ang labis na awtomasyon sa Tesla ay isang pagkakamali. Upang maging tumpak, ito ay aking pagkakamali. Ang mga tao ay hindi napahahalagahan.” – Elon Musk

Gayunpaman, ang mga modernong AI ay hindi lamang isang napaka‑komplikadong hanay ng mahigpit na patakaran na sinusubukang asahan ang lahat nang maaga. Sa halip, kaya nilang, sa ilang antas, mag‑adapt at umunlad sa mga bagong kondisyon kung bibigyan ng sapat na kaugnay na datos sa panahon ng kanilang pagsasanay.

Kaya maaaring maging napakahalaga ang AI para sa mga lubos na paulit‑ulit na gawain, mula sa pag‑gabay sa customer sa isang troubleshooting algorithm hanggang sa pagmamaneho ng mga trak sa highway.

Kabaligtaran sa mga tao, ang ganitong AI ay maaaring magtrabaho 24/7 at hindi nangangailangan ng sahod, health insurance, atbp.

Maraming paraan upang iklasipika ang antas na ating narating sa kakayahan ng AI. Sa pangkalahatan, ikinumpara nila ang kakayahan ng AI sa pangkalahatang populasyon ng tao, kung saan ang pinakabagong mga AI agent ay maaaring maabot ang kasanayan ng 50‑90% ng populasyon sa mga tiyak, limitadong gawain, na karaniwang itinuturing na gitnang punto sa pag‑unlad ng AI, at simula pa lamang para sa AGI.

Pinagmulan: Cobus Greyling

Paano Gumagana ang mga AI Agent?

Ang mga AI agent ay binubuo ng ilang pangunahing “komponent” na nag‑iinteract sa isa’t isa:

• Mga Sensor: para sa mga pisikal na AI agent, maaaring kabilang dito ang mga kamera, mikropono, LIDAR, mga antena ng radyo, atbp. Para sa mga digital na AI agent, maaaring ito ay isang search function, isang tool para magbasa ng mga file, mag‑extract ng data mula sa isang partikular na software o database, atbp.
• Mga Aktuwador: Ito ang paraan kung paano maisasagawa ng AI ang kanyang trabaho. Kapag pisikal, maaaring ito ay mga gulong o robotic arm. Kapag digital, maaaring ito ay kakayahang lumikha o magbago ng mga file, sumulat ng mga ulat, magsagawa ng pagsusuri ng data, atbp.
• Mga Utak: binubuo ng patuloy na lumalawak na kumplikadong mga AI tool na gawa mula sa neural networks, ito ang mga sentro ng desisyon ng mga AI agent.
• Database: ito ang sentro ng kaalaman na may mga katotohanan, training data, at human correction na nagpapahintulot sa “utak” na gumawa ng tamang desisyon.

Pinagmulan: Thomas Latterner

Ang kombinasyon ng mga komponent na ito ay nagbibigay‑daan sa mga AI agent na magkaroon ng memorya at isang persona na nakabatay sa pundasyon ng isang espesyalisadong LLM.

Ang memorya ay napakahalagang bahagi ng AI dito at isang radikal na pagbuti kumpara sa mga nakaraang bot. Ito ay dahil ang kakulangan ng memorya ang pinagmumulan ng karamihan sa mga reklamo tungkol sa mga chatbot at iba pang katulad na sistema: ito ang dahilan kung bakit karamihan sa mga bot ay natitigil sa mga loop ng pagpapasya, kung bakit hindi nila natatandaan ang mga naunang impormasyong ibinigay, atbp.

Mga Uri ng AI Agent

Bukod sa paghahati ng pisikal at digital, may iba pang paraan upang ikategorya ang mga AI agent:

• Isang paraan ay isaalang‑alang kung ang mga agent ay nakikipag‑ugnayan sa mga tao, o gumagana sa likuran.
• Isa pang paraan ay isaalang‑alang ang paggamit ng isang solong agent para sa isang tiyak na gawain o maraming agent na nag‑uusap sa isa’t isa upang magsagawa ng mas masalimuot na trabaho, kung saan ang bawat agent ay may sariling modelo at maaaring magbahagi o hindi ng data sa iba.
  • Kapag gumagamit ng maraming agent, maaaring magtatag ng isang hierarchy, kung saan isa o ilang agent ang namamahala sa pag‑coordinate at “pag‑utos” sa mga lower‑level na agent.
• Isa pang posibilidad para sa pag‑uri ng AI agent ay isaalang‑alang ang mga panghuling layunin at komplikasyon.
  • Ang mga goal‑based AI agent ay magtutuon sa isang panghuling resulta, at i‑adjust ang kanilang pag‑ugali o aksyon hanggang makamit ang layuning iyon. Halimbawa, ang isang warehouse AI ay magbibigay ng mga tagubilin para ilipat ang isang pakete hanggang ito ay makarating sa destinasyon.
  • Utility‑based agents ay nagtuon din sa layunin, ngunit pati na rin sa pinakamainam na paraan upang ito makamit. Halimbawa, ang isang self‑driving na sasakyan ay magmumula sa punto A papuntang B, ngunit isasaalang‑alang din ang kaligtasan, at kalaunan ang kahusayan sa paggamit ng gasolina, oras ng paglalakbay, uri ng mga kalsada, atbp.

Pinagmulan: Ampcome

Bakit Gamitin ang mga AI Agent sa Halip na mga Generalist AI?

Maraming dahilan kung bakit ang industriya ng AI ay lumilipat patungo sa mga AI agent kaysa sa mga universal na modelo.

Ang una ay tungkol sa teknikal na komplikasyon at posibilidad. Ang ganap na human‑like na general intelligence (AGI) ay hanggang ngayon ay hindi pa naaabot sa alam natin.

Gayunpaman, mas realistiko na lumikha, halimbawa, ng isang dedikadong AI agent na kayang magmaneho ng sasakyan tulad ng tao habang wala ang iba pang kakayahan ng tao sa pag‑iisip sa ibang usapin.

Isa pang usapin ay ang kahusayan. Ang isang modelo na ginagamit para magmaneho ng sasakyan ay hindi kailangang maging napakahusay sa pakikipag‑usap, paglalakad, pag‑search sa web, pagkalkula, atbp. Kaya mas makatuwiran ang maraming indibidwal na AI agent para sa bawat gawain kaysa subukang mag‑deploy ng isang all‑purpose na AI/robotic system, tulad ng madalas na ipinapakita sa science fiction.

Sa huli, ang gastos ay isang seryosong isyu para sa lahat ng proyekto ng AI. Totoo ito sa gastos ng pagsasanay at libu‑libong o kahit milyong GPU na kinakailangan. Ngunit totoo rin ito sa gastos ng pagpapatakbo ng AI sa hardware ng kompyuter pati na rin ang enerhiyang kinukonsumo. Kaya mas pinipili ang mas espesyalisado, mas simpleng mga AI agent, na mas mahusay din sa kanilang trabaho.

Mula sa Espesyalisado tungong Generalist AI Agent?

Para sa mga makitid at paulit‑ulit na gawain, ang napakakitid na mga AI agent ang marahil ang pinakamainam. Gayunpaman, upang lubos na maunawaan ang mga benepisyo ng rebolusyon ng AI, kinakailangan ang bahagyang mas kompetenteng mga sistema. Halimbawa, ang isang AI ay hindi lamang kayang awtomatikong bumuo ng listahan ng kagamitan na nangangailangan ng maintenance kundi pati na rin mag‑iskedyul ng mga teknisyan para sa nasabing maintenance at pamahalaan ang kanilang mga timesheet, sahod, atbp.

Sa ilang aplikasyon, maaaring ito ay isang kinakailangang hakbang upang tunay na matulungan ang mga manggagawang tao, dahil ang mga gawain at pagsusuri ay hindi ganap na maihihiwalay sa isa’t isa.

Halimbawa, ang isang AI na gumagawa ng diagnosis ay kailangang kayang suriin ang mga medikal na imahe, maunawaan ang teksto o boses na naglalarawan ng mga sintomas, isama ang mga resulta ng medikal na pagsusuri at kasaysayan ng pasyente, hanapin ang kaugnay na siyentipikong literatura at medikal na protokol, atbp.

Pinagmulan: Nature

Ang ganitong mga generalist, ngunit application‑specific na AI ay malamang na mabubuo sa pamamagitan ng multi‑agent na mga konstruksyon, kung saan ang bawat sub‑element ay magtataglay ng kahusayan sa isang gawain, habang isang overseer AI ang mag‑iintegrate ng output ng mga indibidwal na agent sa isang magkakaugnay na kabuuan.

Ang mga application‑specific na kaso ay hindi lamang ang tanging posibilidad. Halimbawa, ang mga multi‑agent AI na gumagamit ng mga agent mula sa napakaiba’t ibang larangan ay maaaring maging kapaki‑pakinabang sa paggawa ng mga bagong siyentipikong tuklas, sa pamamagitan ng pagsasama ng iba’t ibang set ng data.

Mga Aplikasyon ng AI Agent

Bagaman malamang na marami pang aplikasyon ang hindi pa nauunawaan, tulad ng kung paano hindi ma‑visualize ng sinuman ang modernong Internet noong 1995, ilang mga gawain na ang handa na para sa aplikasyon ng mga AI agent:

• Serbisyo sa Customer: Mula sa online chat hanggang sa pagkuha ng order sa mga restawran, ang medyo tuwirang proseso ng karamihan sa mga kahilingan ng customer ay nagpapadali sa awtomasyon. Sa ngayon, hindi pa sapat ang mga chatbot, ngunit ang mas matatalinong AI agent ay malamang na papalitan ang maraming trabahong ito, na may ilang tao sa likuran upang harapin ang mga pinaka‑komplikadong kahilingan.
• Pananaliksik Siyentipiko: Kasama rito ang pagsusuri ng napaka‑komplikado at malalaking dataset at pag‑browse ng libu‑libong publikasyon pang‑agham, kabilang ang mga nasa wikang hindi Ingles. Saklaw din nito ang mga AI na espesyalisado sa napaka‑teknikal na gawain, tulad ng pag‑predict ng protein folding, atomic composition ng materyales, atbp.
• Mga Website at Marketing: Maraming online marketing at ads ngayon ay bahagi na ng mga template at awtomatikong optimization. Habang mas marami at mas pinahahalagahan ng mga customer ang mga karanasang naka‑customize, ang flexible na mga AI agent ay malamang na mag‑perform na kasing husay ng maraming tao sa larangang ito.
• Pagsasalin at Batas: Maraming gawain ng tao ang umaasa sa natatanging kaalaman tungkol sa isang napaka‑espesipikong paksa na maraming dapat malaman, higit pa sa paksa na talagang mahirap suriin. Ang kakayahan ng AI na saliksikin ang napakalaking dami ng data ay makakatulong.
  • Gayunpaman, napakataas ng panganib ng “hallucinations”, lalo na dahil ang kliyente ay malamang na hindi makakita ng pagkakamali, kaya tanging isang ultra‑reliable na agent lamang ang makakagawa ng mga gawain na ito.
  • Ang real‑time na pagsasalin at voice‑to‑voice, lalo na para sa mga hindi kritikal na sitwasyon tulad ng turismo, ay malamang na magiging karaniwang inaasahan para sa ating mga smartphone.
• Sining: Marahil isa sa pinaka‑kontrobersyal na tungkulin ng AI ay ang ideya ng pag‑alis sa trabaho ng libu‑libong musikero, pintor, graphic designer, atbp., na hindi maganda sa maraming tao. Gayunpaman, maaari rin nitong bigyan ng kapangyarihan ang mas maliliit na koponan, o kahit isang indibidwal, na makipagkumpetensya sa mas malalaking kumpanya sa paggawa ng mga pelikula, video game, libro, atbp.
• Kalusugan: Sa kasalukuyan, inirerekomenda ni Elon Musk sa kanyang mga tagasunod na gamitin ang AI ng X, ang Grok, para sa pangalawang medikal na opinyon. Sa pangmatagalan, malamang na ang dedikadong medikal na AI ay makakatulong sa mga doktor sa pagsusuri ng medikal na data at pag‑suggest ng mga paggamot.
  • Habang ang robotic surgery ay nagiging mas pangkaraniwan, maaari rin nating isipin ang isang hinaharap kung saan ang mga AI surgeon ay maaaring magsagawa ng ilang surgical na hakbang nang walang tulong ng tao.
• Seguridad: Ito ay sumasaklaw mula sa lokal na seguridad hanggang sa pulisya at kahit sa militar. Ang mga AI ay maaaring maging mahusay sa tungkulin ng pagtuklas ng banta, at pati na rin sa pag‑identify ng target. Gayunpaman, sa ngayon, halos ipinagbabawal na bigyan sila ng labis na awtonomiya sa sektor na ito, lalo na para sa anumang mapanganib na desisyon.
• Logistik at Transportasyon: Naipapatupad na sa mga warehouse, ang mga robot at drone ay lalong nagiging posibleng pumalit sa mga trabaho ng paghahatid at logistik ng mga pakete at pangkalahatang supply chain habang sila ay nagiging mas matalino at mas kayang harapin ang mga totoong hadlang.
  • At, siyempre, ang mga self‑driving na kotse at trak ay maaaring maging mas malaking rebolusyon, ganap na binabago kung paano natin hinahawakan ang mobilidad at posibleng gawing kakaiba na ang personal na pagmamay‑ari ng kotse.
• Pananalapi: Ang mga “Algos” ay bahagi na ng malaking bahagi ng mga pamilihan sa pananalapi ngayon, kaya dapat asahan na mas matatalinong AI ang mas lalong makikilahok. Ang mga customized na AI agent ay maaari ring maging laganap sa pagsusuri ng mga kaso sa insurance, aplikasyon sa pautang, atbp.
• Paggawa: Ang mga trend ng 3D printing, CNC machines, at iba pang bagong kasangkapan para sa flexible na produksyon ay nagbigay sa mga modernong pabrika ng mas maraming kakayahan kumpara sa lumang assembly line. Ang mga AI agent na nakapaloob sa mga industrial at humanoid robot ay maaaring itulak pa ang trend na ito.

Legalidad, Regulasyon at Etika

Mga Responsibilidad

Sa anumang talakayan tungkol sa mga AI, ang isyu ng responsableng paghawak ng teknolohiya ay mainit na pinagtatalunan.

Sa isang panig, ang sobrang regulasyon ay makakapigil sa pag‑unlad, at malamang na ililipat lamang ang pinaka‑advanced na AI sa mga hurisdiksyon na mas flexible. Sa konteksto ng AI tech race sa pagitan ng USA at China, malinaw na ito ay hindi kanais‑nais na resulta para sa alinmang panig.

Sa kabilang panig, walang nais ng AI na walang kontrol at walang responsibilidad.

Kaya, kailangang magkaroon ng malinaw na legal na balangkas. Halimbawa, kung ang isang self‑driving na kotse ay magkaroon ng aksidente, ang provider ng AI agent ba ang mananagot? At habang mas maraming awtonomiya ang ibinibigay sa mga AI agent, mas marami ring desisyon nila na maaaring makaapekto sa totoong tao at magdulot ng malaking gastusin.

Kasama rin dito ang isyu ng maling paggamit ng AI, tulad ng pagnanakaw ng pagkakakilanlan, pandaraya, atbp.

Sa maraming kaso, hindi pa malinaw kung aling ahensya o awtoridad ang dapat mag‑regulate ng AI. Dapat ba itong isang dedikadong espesyal na katawan? O dapat ba ang AI sa pananalapi ay i‑regulate ng SEC, ang mga airborne drone ng FAA, atbp?

Ang mga ito ay mga tanong na pang‑lehislatibo at regulasyon, ngunit dahil madalas na humahaba ng taon ang mga ito kumpara sa pag‑unlad ng teknolohiya, mahalagang masagot agad ang ilan sa mga pinakakritikal na tanong hinggil sa regulasyong balangkas ng mga AI agent.

Trabaho at Hindi Pagkakapantay‑pantay

Isang madalas na kinatatakutang epekto ng pag‑unlad ng AI ay ang pagtaas ng mass unemployment, habang pinalitan ng AI ang mas marami pang trabaho nang mas mabilis kaysa sa kakayahan ng mga tao na mag‑retrain o lumikha ng mga bagong trabaho.

Sa teorya, dapat ito ay hakbang patungo sa isang Utopian, post‑scarcity na sibilisasyon. Sa praktika, maaaring itulak nito ang milyun‑milyong tao sa kahirapan bago pa natin maabot iyon. At kabaligtaran sa mga nakaraang alon ng awtomasyon, maaaring palitan ng AI ang mga napaka‑kwalipikadong knowledge worker.

Pinagmulan: Intellipoint

Ang panganib ng mga monopolyo o paglala ng hindi pagkakapantay‑pantay ng kayamanan ay isa ring seryosong isyu, dahil ito ay historically napatunayan na mapanganib at nakaka‑destablisa sa lipunan.

Etika

Ano ang maaaring at hindi maaaring ipagkatiwala sa AI. Ito ay isang lalong napapanahong tanong para sa anumang gawain na lampas sa paglipat ng mga paleta sa warehouse o awtomatikong pagsagot sa mga email.

Ang isyu ay lalong mas mahalaga kapag may tukso na gamitin ang AI para sa mga targeting system sa military drones. Kabilang sa Ukraine, sa isang “Rush for AI‑Enabled Drones on Ukrainian Battlefields”.

Iniulat ng Reuters na ang karera para sa AI‑enabled drones ay “nagdadala ng digmaan sa hindi pa nasusuring teritoryo habang nagmamadaling makakuha ng teknolohikal na kalamangan ang mga combatant.” Sa Ukraine, ang pag‑develop ng AI drone ay nakatuon sa tatlong pangunahing larangan: pagkilala ng target, pagma‑map ng teritoryo para sa nabigasyon, at paglikha ng magkakaugnay na “swarms” ng mga drone.

Isang kumpanya, ang Swarmer, ay gumagawa ng software upang i‑network ang mga drone, na nagpapahintulot sa mga desisyon na maisakatuparan kaagad sa buong swarm na may kaunting input mula sa tao.

Talaga ba nating gustong bigyan ng ganitong kakayahan ang mga AI? Ngunit talagang gusto ba nating tanging “ang kalaban” lamang ang magkaroon nito?

Ang mga isyung ito ay malamang na kailangang talakayin at pagdesisyunan sa internasyonal na antas. Ito rin ay isang paksa na hindi dapat iwasan ng industriya ng AI.

Mga AI Agent na Naka‑Serbisyo Na

OpenAI Agent

Bilang matagal nang lider sa AI, hindi nakakagulat na may ilang solid na GPT‑based na agent ang OpenAI. Nagbibigay ang kumpanya ng mga tool para sa mga developer upang bumuo ng AI agent, kabilang ang multi‑agent Open AI SDK (Standard Development Kit).

Ang modelo ng OpenAI ay tila nakatuon sa paglikha ng mas magagandang bersyon ng GPT at iba pang LLM at pagkatapos ay gamitin ito bilang base para sa hiwalay na pag‑develop ng mga agent, na umaasa sa kanyang nangungunang posisyon upang lumikha ng demand para sa mga agent na gumagamit ng GPT.

Google

Ang Google (GOOGL ) ay matagal nang naroroon sa AI sa pamamagitan ng DeepMind model nito. Ngunit ito ay sa pamamagitan ng Gemini 2.0 na niyakap nito ang “agentic era”.

Ang Google ay lubos ding mulat sa potensyal na banta ng mga LLM AI sa tradisyunal na paghahanap, na hanggang ngayon ay pinagmumulan ng 90% ng kita ng kumpanya.

Kaya ginamit nito ang Gemini 2.0 upang lumikha ng AI Overviews, isang karagdagang resulta sa paghahanap upang harapin ang mas kumplikadong paksa at multi‑step na mga tanong, kabilang ang matematika at coding.

Nilikha rin nito ang Jules, isang coding assistant AI agent, at ang Genie 2, isang AI model para lumikha ng mga playable na 3D na mundo.

Layunin din ng Google na manatiling nangunguna sa pamamagitan ng pananaliksik sa hardware, partikular ang kanilang Trillium TPUs (Tensor Processing Units).

Manus

Ang Butterfly Effect, isang Chinese startup, ay naglabas ng Manus noong Marso 2025, na nag‑aangkin na ito ang unang general AI agent na kayang kumilos nang autonomously.

Habang ang ilan ay nakakita dito ng isang “second DeepSeek moment” para sa mga AI agent, kung saan nangunguna ang China, ang sitwasyon ay hindi kasing malinaw kumpara sa mas mahusay na computing (at pinansyal) na pamamaraan ng DeepSeek.

Ang Manus ay medyo mas mabagal, mas madaling mag‑crash, ngunit nagbibigay ng mas detalyadong sagot kaysa sa ChatGPT. Gayunpaman, tila posible na mas maaga kaysa inaasahan ang mga general AI agent, kahit na maaaring hindi ito angkop para sa lahat ng sitwasyon.

Alibaba

Ang isang nangungunang e‑commerce na nasa ilalim ng presyon mula sa mga kakompetensyang platform tulad ng Temu, o kahit TikTok, ay muling binabawi ng Alibaba ang posisyon nito bilang lider sa teknolohiya sa pamamagitan ng pag‑unlad sa AI.

Kapansin‑pansin, binuksan nito ang source code ng QwQ‑32B model noong unang bahagi ng Marso 2025, na nag‑aangkin na sa isang ikalimang bahagi ng mga parameter ng DeepSeek‑R1, ito ay dinisenyo para sa kahusayan.

Gayundin, noong Marso 2025, inilabas ng Alibaba ang isang bagong bersyon ng Quark, isang AI assistant/agent na pinapagana ng AI Qwen ng kumpanya, na pinagsasama ang malalim na pag‑iisip at generative AI. Bago ang AI revamp na ito, ang Quark ay mayroon nang 200 milyong user nang ito ay isang search engine.

Kumpanya ng AI Agent

Alibaba

Mas kilala sa Kanluran dahil sa platform ng e‑commerce nito at bilang tagapagtustos ng murang materyales, bahagi, at consumer goods, ang Alibaba ay isa ring napakalaking kumpanya ng teknolohiya sa China, nangunguna sa AI at cloud computing.

Kapansin‑pansin, kontrolado ng Alibaba ang 36% ng cloud market sa China, na malayo sa lahat ng mga kakompetensya nito.

Pinagmulan: Jeff Townson

Marahil mas mahalaga, nag-aalok na ito ng anim na bagong DeepSeek AI models, ang open‑source AI na nagpasabog sa mundo sa pamamagitan ng biglang nalalampasan ang karamihan sa mga American AI model sa napakababang gastos sa parehong development at per‑use basis.

May sarili ring AI model ang Alibaba, ang Qwen, at inaangkin na ang Qwen 2.5 ay mas mahusay pa kaysa sa Deep Seek V3.

“Qwen 2.5‑Max ay humihigit … halos sa lahat ng aspeto sa GPT‑4o, DeepSeek‑V3 at Llama‑3.1‑405B,” – Yunit ng Cloud ng Alibaba

Sa pangkalahatan, bukod sa paglago nito sa cloud at AI, nananatiling higante ng e‑commerce sa China ang Alibaba, kung saan ang Taobao at Tmall ay bahagyang bumaba mula sa kanilang 29% na bahagi ng global online sales noong 2019.

Pinagmulan: Forbes

Ang kamakailang pag‑unlad ng AI ay nagbago sa pananaw sa Alibaba. Mula sa isang legacy e‑commerce na posisyon na nasa ilalim ng pressure at dominanteng cloud sales (ngunit pati rin sa pressure mula sa mga kakompetensya), bumalik ito sa pamumuno sa inobasyon ng teknolohiya ng China.

Ang Quark ngayon ay ang karagdagang sandata na inilunsad ng Alibaba upang sakupin ang Chinese AI assistant market, matapos munang ilunsad ito bilang AI search engine at makalikom ng 200 milyong user.

Kaya, sa kabila ng pagtingin sa medyo mababang presyo ng stock nito, na dulot ng mga taon ng tech crackdown sa China at mga alalahanin sa pamumuhunan sa bansa, maaaring maging oportunidad ang Alibaba para sa mga mamumuhunan na handang tumaya na pangungunahan ng China ang AI race.

(Maaari mo ring basahin ang aming dedikadong ulat na nakatuon sa Alibaba para sa karagdagang detalye).

Pinakabagong Balita sa Alibaba