MarktechPost рассказывает, что компании Meta, OpenAI и Uber разработали ИИ-агентов, которые говорят первыми, что изменяет подход к взаимодействию с пользователями. Теперь задача заключается не только в том, что ответить, но и в том, когда вмешаться, по какому каналу и с каким предложением. Классические алгоритмы машинного обучения и новые модели принятия решений могут помочь в этом. Среди недавних запусков можно выделить Meta Muse, OpenAI Dots и помощника водителя Uber. Meta Muse, запущенный 8 сентября, представляет собой персонального агента, который может бронировать, отправлять электронные письма и продолжать работу с закрытым приложением. Он запоминает детали, делает непрошенные предложения и запрашивает одобрение как в своем приложении, так и в WhatsApp. OpenAI Dots, запущенный 29 сентября, предлагает всегда активные агенты, которые занимаются «проактивными исследованиями», выполняя мониторинг приложений, чтобы выявить забытые счета или ошибки в Slack. Они могут связываться с пользователями через ChatGPT, Slack и Teams, используя текст и голос. Помощник водителя Uber превращает сигналы живого рынка в советы. В недавнем выступлении команда Uber описала случай, когда водитель, находившийся без дела в течение 33 минут, был направлен в более выгодную зону с доказательствами. Их принципы работы заключаются в том, чтобы всегда поддерживать водителя, проактивно выявлять возможности и измерять, действовали ли водители. Агенты, говорящие первыми, меняют подход к взаимодействию с пользователями. Ранее чат-боты использовались как интерфейс, где пользователь выбирал момент, канал и вопрос. Проактивные агенты меняют это, но слишком частые вмешательства могут привести к отключению пользователей, тогда как слишком поздние могут упустить возможность. Каждое проактивное сообщение представляет собой ставку: его следует отправлять только тогда, когда ожидаемая ценность для пользователя превышает стоимость вмешательства. Ценность сообщения определяется четырьмя факторами: насколько это важно, насколько вероятно, что пользователь отреагирует, как быстро возможность истекает и чья это ценность — пользователя или платформы. Новые модели принятия решений, такие как TypeSafe’s Jev и Julia 1 от Supersonic Labs, могут помочь в этой задаче. Они возвращают не текст, а типизированное суждение: выбор из короткого списка, оценка или да/нет с вероятностью. Эти модели могут оценивать больше триггеров, чем отправлять сообщений, и могут задавать структурированные вопросы до вызова LLM. Хотя все три компании имеют сильные модели, успех будет зависеть от способности к оценке внимания: говорить редко, в нужный момент, в нужном месте и на стороне пользователя. Компании с многолетними данными о уведомлениях могут иметь преимущество. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.