4 AI Labs Built the Same System Without Talking to Each Other (And Nobody's Discussing Why)

Summary

Das Video beschreibt, wie künstliche Intelligenz die Arbeitswelt transformiert, indem Aufgaben zunehmend von Agenten übernommen werden können, solange Menschen diese schnell auf Korrektheit prüfen können – das sogenannte "Sniff Checking". Es wird zwischen maschinenüberprüfbaren Aufgaben und von Experten überprüfbaren Aufgaben unterschieden, wobei selbst komplexe, strategische Arbeit verifizierbar ist. Der Fokus verschiebt sich von reiner Ausführung hin zu Meta-Skills wie Bewertung, Problemlösung und Qualitätskontrolle. Unternehmen, die lernen, Aufgaben sinnvoll zu delegieren und Agenten effizient einzusetzen, werden erfolgreicher sein. Die Botschaft: Wer seine Arbeit jetzt in verifizierbare Teilaufgaben zerlegt und Agenten integriert, kann seinen Einfluss erheblich steigern.

Takeaways

• 😀 AI wird nicht mehr als ungleichmäßig in seinen Fähigkeiten betrachtet. Die wahrgenommene Ungleichmäßigkeit ist oft das Ergebnis der Art und Weise, wie Aufgaben und Umgebungen für KI gestaltet wurden.
• 😀 Der 'zackige' Charakter von AI war ein Artefakt der frühen Ansätze, bei denen KI Aufgaben in einem einzelnen Schritt erledigen sollte, ohne die Möglichkeit, Fehler zu korrigieren oder iterative Verbesserungen vorzunehmen.
• 😀 Mit den jüngsten Fortschritten in der Inferenztechnologie und der Fähigkeit, iterativ zu arbeiten, hat sich die Leistung von KI erheblich verbessert und die Ergebnisse sind nun viel gleichmäßiger.
• 😀 Ein zentrales Konzept für den Erfolg von KI ist die Organisation und Strukturierung der Arbeit, ähnlich der Art und Weise, wie menschliche Teams arbeiten, mit Feedback-Schleifen und inkrementellen Anpassungen.
• 😀 Multi-Agenten-Systeme und 'Harnesse' (Organisationsstrukturen, in denen Agenten arbeiten) haben dazu beigetragen, dass KI nun Aufgaben über längere Zeiträume hinweg effizienter ausführen kann.
• 😀 Beispiele wie der Cursor-Ansatz, bei dem ein Codier-Agent komplexe mathematische Probleme löste, zeigen, wie KI ihre Fähigkeiten erheblich erweitert hat.
• 😀 Zukünftige Arbeitskräfte müssen sich darauf konzentrieren, die Arbeit zu überprüfen und zu validieren, die von KI generiert wird, anstatt selbst alle Aufgaben auszuführen. Dies wird als 'Sniff Checking' bezeichnet.
• 😀 Meta-Fähigkeiten werden zunehmend wichtig. Dazu gehört das Erkennen von Lösungen, die instabil sind, oder das Verständnis, wann Tests alle wichtigen Fälle abdecken.
• 😀 Der Übergang von einfachen Aufgaben zu komplexeren Aufgaben für KI erfordert eine Veränderung der Arbeitsweise. Zukünftige Arbeit wird mehr auf Delegation und Überprüfung ausgerichtet sein.
• 😀 KI hat jetzt das Potenzial, viele Aufgaben in nahezu jedem Bereich zu übernehmen, solange diese in überprüfbare, wiederholbare Subaufgaben zerlegt werden können.
• 😀 Die großen Fortschritte in der KI-Technologie erfordern von uns, dass wir unsere Denkweise ändern: Es geht nicht mehr darum, ob KI eine bestimmte Aufgabe ausführen kann, sondern darum, ob wir die Aufgabe in verifizierbare Teilaufgaben zerlegen können, die von KI übernommen werden können.

Q & A

Was versteht der Sprecher unter 'jaggedness' bei KI?

'Jaggedness' bezeichnet die Vorstellung, dass KI in bestimmten Aufgaben unglaublich leistungsfähig ist, während sie in anderen völlig versagt. Der Sprecher erklärt jedoch, dass dies oft eher ein Artefakt der Art und Weise ist, wie Aufgaben gestellt und KI eingesetzt wird, und nicht eine inhärente Eigenschaft der Intelligenz.

Warum hat sich die Wahrnehmung von 'jaggedness' verändert?

Die Wahrnehmung hat sich verändert, weil moderne KI-Modelle, wie GPT-5.2, nun in der Lage sind, Fehler zu korrigieren, über mehrere Schritte nachzudenken und Aufgaben iterativ zu bearbeiten, wodurch die Ergebnisse glatter und konsistenter werden.

Was ist ein 'Harness' im Kontext von KI-Agenten?

Ein 'Harness' ist die organisatorische Struktur oder das Umfeld, in dem KI-Agenten arbeiten. Dazu gehören Dateien für Aufgaben, Speicherbereiche, strukturierte Prompts und andere Hilfsmittel, die es der KI ermöglichen, komplexe Arbeiten effizient und iterativ zu bearbeiten.

Wie hat Cursor gezeigt, dass Agentic Systems über das Coden hinaus funktionieren können?

Cursor verwendete dasselbe Agenten-Harness, das zuvor einen Webbrowser gebaut hatte, um ein komplexes mathematisches Problem zu lösen und dabei bessere Ergebnisse als die menschlichen Autoren zu erzielen. Dies zeigt, dass die Methodik der Agentenverwendung generalisierbar ist.

Welche vier Schritte werden von erfolgreichen Multi-Agenten-Systemen genutzt?

Die vier Schritte sind: 1) Arbeit aufteilen (Decompose), 2) Aufgaben parallel bearbeiten (Parallelize), 3) Ergebnisse prüfen (Verify), 4) iterativ verbessern (Iterate).

Welche Arten von Aufgaben eignen sich besonders für KI-Agenten?

Besonders geeignet sind Aufgaben, die verifizierbar sind, entweder maschinenprüfbar (z.B. Code kompilieren) oder von Experten überprüfbar mit klaren Kriterien (z.B. mathematische Beweise, Rechtsgutachten, Produktstrategien).

Was bedeutet 'Sniff Checking' im Arbeitskontext?

'Sniff Checking' bezeichnet die Fähigkeit von Menschen, die Arbeit von KI-Agenten zu überprüfen und sicherzustellen, dass sie korrekt und qualitativ hochwertig ist. Es ist eine Meta-Fähigkeit, die wichtiger wird, während die KI die Ausführung übernimmt.

Warum werden Meta-Fähigkeiten im KI-gestützten Arbeitsplatz wichtiger?

Meta-Fähigkeiten, wie die Bewertung der Richtigkeit, Stabilität und Qualität von Lösungen, werden wichtiger, weil KI die eigentliche Ausführung übernimmt. Menschen verschieben sich von der Arbeit selbst zur Überwachung, Bewertung und Steuerung der Agenten.

Welche organisatorischen Prinzipien der menschlichen Arbeit wurden erfolgreich auf KI-Agenten übertragen?

Prinzipien wie Arbeitsteilung, parallele Bearbeitung, Rollenverteilung, Überprüfung von Zwischenergebnissen und iterative Verbesserung wurden auf KI-Agenten übertragen, um langfristige, komplexe Aufgaben effizient zu lösen.

Welche Auswirkungen hat die Glättung der KI-Leistung auf die Arbeitswelt?

Die Glättung bedeutet, dass KI zuverlässig komplexe Aufgaben bearbeiten kann, die verifizierbar sind. Dies erlaubt die Delegation sowohl einfacher als auch schwieriger Aufgaben an Agenten, wodurch menschliche Arbeit sich auf Meta-Skills und strategische Aufgaben verschiebt.

Wie sollten Organisationen auf die Veränderungen durch smoothe KI reagieren?

Organisationen sollten Mitarbeiter darin schulen, Agenten effizient zu nutzen, Aufgaben in verifizierbare Subaufgaben zu zerlegen, Meta-Fähigkeiten wie Sniff Checking zu entwickeln und Arbeitsprozesse so zu strukturieren, dass sie die Potenziale der KI maximieren.

Warum ist die alte Vorstellung der 'jagged AI' obsolet?

Die alte Vorstellung ist obsolet, weil moderne KI-Agenten in gut strukturierten Harnesses Aufgaben zuverlässig und iterativ lösen können. Die wahrgenommene Unregelmäßigkeit war früher eher auf unzureichende Aufgabenstrukturierung zurückzuführen als auf inhärente Intelligenzgrenzen.