Chiamiamo questo approccio “goal-oriented AI”, rifacendoci ai primi giorni dell’IA, quando i ricercatori aspiravano ai computer per battere il campione di scacchi in carica del mondo. Quel grande obiettivo è stato raggiunto alla fine, ma con l’insolita competenza dei nuovi modelli di intelligenza artificiale LLM per fornire indicazioni dettagliate per praticamente qualsiasi obiettivo può essere raggiunto quando sono disponibili i plug-in giusti.
Poiché il planner ha accesso a una libreria predefinita di plugin predefiniti e/o a un insieme di competenze definito dinamicamente, è in grado di soddisfare una richiesta con sicurezza. Inoltre, il planner fa appello alle memories per collocare al meglio il contesto e i connectors della richiesta per richiamare le API e sfruttare altre capacità esterne.
Qual è il valore dell’IA “orientata agli obiettivi”?
Il movimento “Jobs To Be Done (JTBD)” ha reso popolare un cambiamento nel passaggio dai risultati del lavoro ai risultati del lavoro. Invece di concentrarsi sulle caratteristiche o sulle funzioni di un prodotto o servizio, l’approccio JTBD enfatizza gli obiettivi e i desideri del cliente o dell’utente e il valore o il vantaggio che cercano o si aspettano dall’utilizzo del prodotto o servizio. Comprendendo e articolando il JTBD del cliente o dell’utente, un prodotto o servizio può essere progettato e fornito in modo più efficace. Devi solo fare la domanda giusta che non sia solo “accendi le luci” e invece un obiettivo più impegnativo come “Voglio una promozione lavorativa”.
Cosa succede se il Planner ha bisogno di una funzione che non è disponibile?
Il planner funzionerà all’interno dei plugin che ha a disposizione. Nel caso in cui una funzione desiderata non esista, il progettista può suggerirti di creare la funzione. Oppure, a seconda del livello di complessità, il kernel può aiutarti a scrivere la funzione mancante.