Jenseits der Eingabeaufforderung: Warum die Chatbox veraltet ist
Ich habe letztes Jahr ungefähr sechs Monate damit verbracht, mich um schnelles Engineering zu kümmern. Ich hatte diese riesigen Notion-Dokumente mit "goldenen Aufforderungen" gefüllt, die im Grunde fünf Absätze lang waren und versuchten, ChatGPT dazu zu bringen, sich wie ein Weltklasse-Projektmanager zu verhalten. Es war anstrengend. Ich fühlte mich wie ein digitaler Hypnotiseur und hoffte, dass die KI nicht auf halbem Weg durch eine Aufgabe halluzinieren würde.
Aber hier ist die wahrheit: die chat-box ist ein engpass. Es ist ein Spielzeug. Die meisten Unternehmen verwenden KI als ausgefallene Suchmaschine oder Ghostwriter, aber dort lebt nicht der wahre Wert. Wir bewegen uns weg von der Ära des "chattens" und in die Ära des tuns. Die Aufforderung ist nur ein Trigger jetzt, nicht das Ziel.
Der Wandel geht in Richtung Multiagenten-KI-Systeme für UnternehmenAnstelle eines Allzweck-Bots, der versucht, alles zu tun (und normalerweise an den Rändern scheitert), bauen wir Teams auf. Betrachten Sie es als einen Wechsel von einem einsamen Freelancer, der behauptet, Buchhaltungs-, Marketing- und Rechtsarbeit leisten zu können, zu einer spezialisierten Firma, in der jeder eine bestimmte Rolle spielt.
Das Speicherproblem und der AgentCore Fix
Eines der größten Kopfschmerzen bei frühen KI-Einsätzen war der "Goldfischeffekt". Sie würden einem Bot in einer Sitzung etwas erzählen, und am nächsten Morgen hatte er völlig vergessen, wer Ihr Kunde war oder was die Projektziele waren. Es machte die ganze erfahrung unzusammenhängend und, ehrlich gesagt, ein bisschen amateur.
Tools wie Bedrock AgentCore ändern dies durch die Einführung von Shared Memory. Jetzt haben Agenten nicht nur ein lokales Kontextfenster; Sie haben einen gemeinsamen Zustand. Wenn ein Triage-Agent erfährt, dass ein Kunde aufgrund einer Lieferverzögerung in Ohio frustriert ist, folgt dieser Kontext dem Kunden, wenn er an den Logistikagenten übergeben wird.
Ich habe versucht, eine grundlegende Version davon für einen Client mit einer benutzerdefinierten Vektordatenbank und einigen Python-Skripten zu implementieren. Ich habe die indexierungslogik für ungefähr zwei wochen ehrlich durcheinander gebracht, und die ki verwirrte immer wieder zwei verschiedene kunden, die beide zufällig sarah hießen. Es war ein Albtraum. Ich verbrachte viel zu viele späte nächte damit, auf json-protokolle zu starren und mich zu fragen, warum das system dachte, dass ein boutique-schuhgeschäft in london tatsächlich ein sanitärunternehmen in texas war.
Sobald die Speicherschicht korrekt gehandhabt wird, transformiert sich der CX. Der benutzer hat nicht das gefühl, dass er jedes mal eine konversation neu startet, wenn der bot aufgaben wechselt. Es funktioniert einfach.
Von einem Bot zu einem Triage- und Spezialsystem
Vor ein paar Monaten haben wir mit einem mittelständischen SaaS-Unternehmen zusammengearbeitet, das einen einzigen, massiven Chatbot hatte. Es war ein "Do-it-all" Bot. Es behandelte Passwort-Resets, Funktionsanforderungen und Abrechnungsstreitigkeiten. Weil es versuchte, alles zu sein, war es bei allem mittelmäßig. Die Genauigkeitsrate für komplexe Abrechnungsabfragen lag bei etwa 60%, was im Grunde genommen ein Münzwurf ist.
Wir haben es abgerissen. Wir haben es durch eine Multi-Agent-Architektur ersetzt: einen Triage Agent, einen Billing Specialist und einen Technical Support Agent.
Der Triage Agent löst keine Probleme. Seine einzige Aufgabe ist zuhören, kategorisieren und Route. Wenn ein benutzer sagt: "ich war für meinen platz überfordert", gibt der triage agent das ticket an den billing-spezialisten. Dieser Spezialist hat einen sehr engen Satz von Werkzeugen—Es kann nur auf die stripe api und die abrechnungsdatenbank zugreifen. Es weiß nicht, wie man einen Bug beheben kann, und es ist ihm egal. Da sein Fokus so eng ist, sprang die Genauigkeit innerhalb des ersten Monats auf etwa 92%.
Es stellt sich heraus, dass Einschränkungen eigentlich ein Feature sind, kein Bug. Wenn Sie einer AI sagen, dass es nur Er darf mit der Abrechnung umgehen, hört auf zu versuchen, ein Dichter oder ein Programmierer zu sein, und macht nur die Mathematik.
Vorhersage 2026: Der KI-Mitarbeiter
Ich vermute, dass wir bis Ende 2026 nicht einmal mehr über „Chatbots sprechen werden. Wir werden über KI-Mitarbeiter sprechen. Sie werden kein Werkzeug "auffordern"; Sie weisen eine Aufgabe einer Abteilung von Agenten zu.
Stellen Sie sich eine "Wachstumsabteilung" vor, die aus einem Research Agent besteht, der die Preise der Wettbewerber kratzt, einem Content Agent, der E-Mails verfasst, und einem Analyst Agent, der die Conversion-Raten überprüft. Sie werden im Hintergrund miteinander kommunizieren und die beste Strategie diskutieren, bevor sie Ihnen ein endgültiges Ergebnis präsentieren. Sie werden der Manager sein, nicht der Betreiber.
Es besteht die Möglichkeit, dass ich überschätze, wie schnell das passieren wird. Vielleicht werden die Latenzprobleme oder die Kosten für den gleichzeitigen Betrieb von zwanzig Agenten uns länger in der Chatbox-Ära stecken lassen, als ich denke. Aber die Flugbahn ist ziemlich klar. Die Unternehmen, die gewinnen, werden nicht diejenigen mit den besten Aufforderungen sein, sondern diejenigen mit den besten agentischen Workflows.
Wir bauen im Grunde ein digitales Nervensystem für Unternehmen auf. Es ist ein bisschen wild, darüber nachzudenken, aber der "chat" -teil ist nur die trainingsräder.
Das ist, wo mein Kopf ist. Lassen Sie mich wissen, ob Sie versucht haben, Multi-Agent-Flows einzurichten, oder wenn Sie denken, dass ich nur träume.
am besten,
StartMit.

2 Antworten