Quando la piattaforma di raccolta fondi per startup VentureCrowd ha iniziato a utilizzare agenti di codifica AI, ha riscontrato gli stessi vantaggi di altre organizzazioni: ha accorciato il ciclo di sviluppo front-end del 90% su alcuni progetti.
Ma non è stato facile e senza molti tentativi ed errori.
Il problema iniziale di VentureCrowd riguardava la qualità dei dati e del contesto, dal momento che Diego Mogollon, chief product officer di VentureCrowd, ha dichiarato a VentureBeat che “gli agenti ragionano contro qualsiasi dato a cui hanno accesso in fase di runtime”, nel qual caso avrebbero sicuramente “sbagliato” perché stavano basando le loro informazioni esclusivamente sul contesto che veniva loro fornito.
Un altro ostacolo per loro, come altri, erano i dati disordinati e i processi poco chiari. Analogamente al contesto, Mogollon ha affermato che gli intermediari di codifica amplificano i dati errati, quindi l’azienda dovrebbe prima creare una base di codice ben strutturata.
“Le sfide raramente riguardano gli stessi agenti di codifica; riguardano tutto ciò che li circonda”, ha detto Mogollon. “Si tratta di un problema di contesto mascherato da problema di intelligenza artificiale ed è la modalità di fallimento numero uno che vedo nelle richieste delle agenzie.”
Mogollon ha affermato che VentureCrowd ha incontrato molti ostacoli nel processo di sviluppo del software.
L’esperienza di VentureCrowd illustra un problema più ampio nello sviluppo di agenti IA. I modelli non deludono le agenzie; piuttosto, vengono sopraffatti da troppo contesto e troppi strumenti contemporaneamente.
Troppo contesto
Ciò deriva da un fenomeno Si chiama gonfiamento del contestoMan mano che i sistemi di intelligenza artificiale raccolgono sempre più dati, strumenti o istruzioni, i flussi di lavoro diventano più complessi.
Il problema sorge perché gli agenti hanno bisogno del contesto per funzionare meglio, ma troppo crea rumore. Più un broker deve rivedere il contesto, più token utilizza, più lento è il business e maggiori sono i costi.
Un modo per ridurre l’ingombro del contesto è l’ingegneria del contesto. L’ingegneria del contesto aiuta gli agenti a comprendere le modifiche al codice o a eseguire le richieste e ad allinearle alle loro attività.
Ma l’ingegneria del contesto spesso diventa un compito esterno anziché essere integrato nelle piattaforme di codifica che le aziende utilizzano per costruire i propri agenti.
Come stanno rispondendo i fornitori di agenti di codifica?
Per aiutarlo a superare i problemi legati al gonfiaggio del contesto che affliggono l’implementazione degli agenti IA aziendali, VentureCrowd si è affidato a una soluzione in particolare: Agentforce Vibes, una piattaforma di codifica che vive e risiede all’interno di Salesforce. Disponibile per tutti i piani, a partire da quello gratuito.
Salesforce recentemente aggiornato Agentforce aggiorna Vibes alla versione 2.0, espandendo il supporto per framework di terze parti come ReAct. Ancora più importante per aziende come VentureCrowd, Agentforce Vibes ha aggiunto abilità e competenze che possono utilizzare per guidare il comportamento degli agenti.
“Per il contesto, la nostra intera piattaforma, frontend e backend, funziona all’interno dell’ecosistema Salesforce. Quindi, quando è stato lanciato Agentforce Vibes, si è naturalmente inserito in un ambiente che già conoscevamo bene”, ha affermato Mogollon.
L’approccio di Salesforce non minimizza il contesto utilizzato dagli agenti; aiuta invece le organizzazioni a garantire che il contesto rimanga all’interno del proprio modello di dati o codebase. Agentforce Vibes fornisce un’applicazione aggiuntiva attraverso la nuova funzionalità Competenze e Abilità. Le capacità definiscono ciò che gli agenti vogliono ottenere e le competenze sono gli strumenti che utilizzeranno per arrivarci.
Altre piattaforme di agenti di scripting gestiscono il contesto in modo diverso. Ad esempio, Claude Code e OpenAI Codex si concentrano sull’esecuzione autonoma, sulla lettura continua di file, sull’esecuzione di comandi e sull’espansione del contesto man mano che le attività si evolvono. Claude Code ha una caratteristica indicatore di contesto che comprime il contesto quando diventa troppo grande.
Un modello coerente con questi diversi approcci è che la maggior parte dei sistemi gestisce contesti in crescita per gli agenti, senza necessariamente vincolarli. Il contesto continua a crescere, soprattutto perché i flussi di lavoro diventano più complessi, rendendo più difficile per le organizzazioni controllare costi, latenza e affidabilità.
Mogollon ha affermato che la sua azienda ha scelto Agentforce Vibes non solo perché gran parte dei suoi dati sono già in Salesforce, facilitando l’integrazione, ma anche perché consente loro di controllare maggiormente il contesto in cui alimentano i propri agenti.
Cosa devono sapere i costruttori
Non esiste un unico modo per eliminare l’eccesso di contesto, ma il modello ora è chiaro: più contesto non sempre significa risultati migliori.
Oltre a investire nell’ingegneria del contesto, le aziende dovrebbero sperimentare l’approccio basato sui vincoli di contesto con cui si sentono più a loro agio. Per le aziende, ciò significa non solo questione di fornire ai rappresentanti maggiori informazioni, ma di decidere cosa tralasciare.
