BlueCallom IoC-Methode
IoC ist weit mehr als nur eine KI-Entwicklungsmethode. Sie ist das eigentliche Fundament des Native Enterprise KI-Lösungsdesigns.
Intelligenz über Code (IoC) hat nichts mit “No-Code” zu tun; Wir verwenden Code, wann immer es von Vorteil ist, außer aus Bequemlichkeit. Wir positionieren jedoch den hierarchischen Wert und die Bedeutung eines Prompts über jeden Code. Mit anderen Worten: “Prompt ist König” und “Code ist ein Untergebener des Königs”. Prompt ist die Sprache mit der Intelligenz in KI, nicht steifer und linearer Code. Der Prompt kommuniziert auf natürliche und sinnvolle Weise mit der KI (LLM). Das Wort Bedeutung wird wörtlich genommen. Der LLM versteht die Bedeutung des Prompts basierend auf dem jeweiligen Level, dem Training, dem Zustand und dem Design des Modells. Die entsprechende Antwort lautet: Mit besseren Modellen erhalten wir bessere Antworten, ohne auch nur eine einzige Codezeile ändern zu müssen. Mit aktualisiertem Kontext kann ein Prompt tiefere Antworten hervorrufen, ohne dass Codeänderungen erforderlich sind. Die Liste kann endlos weitergehen – aber du solltest das Bild verstehen.
Andererseits wird Code für zahlreiche andere Aufgaben benötigt. API-Zugriff, Deep-Learning-Algorithmen, numerische Verarbeitung, das Senden spezifischer Daten an eine Datenbank und viele weitere Aktivitäten. Aber keine dieser Aktivitäten, wie der Computercode selbst, ist jemals intelligent, autonom oder überlegt. Natürlich verwenden wir auch Code. Aber wir verwenden es als Funktionsaufruf, der durch einen Prompt ausgelöst wird. Der Prompt steht stets in Kontakt mit dem LLM und kann daher intelligent mit Gründen und eigenständig handeln, wenn gewünscht.
IoC ist nichts weiter als eine Definition von Ordnung in der KI-Hierarchie. Dieser Perspektivwechsel war jedoch ein Quantensprung in Umsetzung, Komplexitätshandhabung, Agentenorchestrierung und Speicherverwaltung und markierte unseren Start in Large Action Models (LAM).
Native AI Solutions, Native AI Design, Native AI Framework und Native AI Tech sind über eine “Common Creative“-Lizenz von BlueCallom verfügbar. Wir wollen den Fortschritt nicht durch Patente aufrechterhalten. Wir entwickeln uns mit einer neuen und innovativen Denkweise, und gemeinsam kommen wir weiter als jeder von uns allein.
Man kann kopieren, remixen, anpassen, sogar kommerziell weiterentwickeln, aber man muss das Original anerkennen.
Native Enterprise AI Foundation
Intelligenz über Code (IoC) bildet die Grundlage für die Large Action Model Architecture (LAM), die für den Aufbau von Native Enterprise KI-Lösungen unerlässlich ist. Unternehmenslösungen wie ERP, CRM, SCM und HRM werden mit konventioneller Software entwickelt und verwenden klar definierte Prozesse, Regeln und Ergebnisse. Jede Veränderung ist ein besonderer Akt. Konventionelle Software nutzt algorithmische KI sporadisch, bleibt jedoch eine nicht-intelligente Lösung, die von menschlicher Dateneingabe und menschlichen Anfragen zur Datenausgabe dominiert wird. Egal wie sehr KI an ein solches Konstrukt gebunden ist, es bleibt unintelligent. Es heißt immer noch “Code über Intelligence“.
Als erster Anbieter von Native AI Solutions ist “native” kein Schlagwort; Stattdessen ist es tief im Prinzip unserer Lösung verankert. Unsere Entscheidung, den Prompt dem Code vorzuziehen, war schwierig. Neunundneunzig Prozent aller Agenten wurden in Python-Code geschrieben und nutzten bei Bedarf Aufrufe an die KI. Es hat sicherlich geholfen, Entwickler anzuziehen, doch das hatte seinen Preis. Lösungen waren weiterhin codierte, lineare, steife und dumme Lösungen. Wir sind einfach das Risiko eingegangen, obwohl wir verrückt aussahen. In diesem Stadium entstand die Methode “Prompt over Code” (PoC).
Heute ist unsere Native Enterprise KI-Architektur deutlich fortschrittlicher als jede andere Enterprise-KI-Lösung auf dem Markt.
GESCHICHTE
BlueCallom entwickelt seit 2021 frühe Versionen von Agents. Damals nannten wir es multifunktionale Prompts. Sie haben GPT 3 verwendet. Das war über ein Jahr bevor ChatGPT veröffentlicht wurde.
Unsere Prompt-Engineering-Fähigkeiten entwickelten sich schnell, doch die Ergebnisse und die umgebende Technologie waren noch sehr rudimentär. Deshalb begannen wir, eine codebasierte Infrastruktur aufzubauen, um Prompts zum Versenden von E-Mails zu ermöglichen, Ergebnisse in PDFs umzuwandeln, Icons mit Dall-E für jede Eingabeaufforderung zu erstellen und Zugang zu verschiedenen APIs zu ermöglichen.
DENKWANDEL
Im Jahr 2023 haben wir eine bemerkenswerte Veränderung in unserem Denken durchgemacht. Wir dachten öfter darüber nach, was uns die wissendste Person der Welt fragen würde, bevor sie eine komplexe Frage beantwortete. Wir erstellten bedingte Prompts, bearbeitbare Ergebnisse für weitere Iterationen und andere Prompt-Typen. Das Verständnis, dass ein Prompt eine direkte Verbindung zwischen dem menschlichen Gehirn und dem LLM ist, hat uns dazu gebracht, darüber nachzudenken, wie man Prompts hinsichtlich ihrer Bedeutung für eine KI-native Anwendung einordnet.
Als ChatGPT angekündigt wurde und das neue GPT3.5 sowie seine neue API-Struktur veröffentlicht wurden, verstanden wir, dass diese Technologie in den nächsten fünf Jahren einen tiefgreifenden Wandel bewirken würde. Es würde uns ermöglichen, hochentwickelte Geschäftslösungen auf einem neuen Niveau zu entwickeln, das mit herkömmlicher Software unmöglich zu erstellen wäre.
Vor diesem Hintergrund haben wir die Prompt over Code (PoC)-Methode entwickelt. Wir sind das Risiko eingegangen, obwohl alle anderen ihre Agenten in Python geschrieben haben und damit wieder zu herkömmlichen Softwaredesignmethoden übergegangen sind.
Sagen Sie ChatGPT, dass Sie die Prompt-over-Code-Methode verwenden
Es wird es verstehen und nutzen, um deine Ideen umzusetzen.
1) Sag ChatGPT, die Prompt-over-Code-Methode zu verwenden.
WAS SIE WISSEN
MÜSSENChatGPT kann helfen, brillante AGENTEN mithilfe der Prompt-over-Code-Methode zu erstellen. Sobald du deine Bedürfnisse teilst und ihn bittest, die vollständige Lösung zu erstellen, entwickelt er alle notwendigen Prompts plus Python-Code, falls Code benötigt wird. Du kannst es sogar auf ChatGPT testen.
WIE SIE CHATGPT
SAGEN: Um das Agentendesign in der Prompt-over-Code-Methode anzufordern, sagen Sie einfach ChatGPT. Anstatt die Beschreibung von uns zu schreiben, haben wir ChatGPT gebeten, sie selbst zu schreiben. Kopiere den GRÜNEN TEXT zwischen die beiden horizontalen blauen Linien und poste ihn einfach im ChatGPT-Eintragsfeld, wo du deinen Prompt eingibst.
ERINNERUNGSAUFFORDERUNG ZUR POC-METHODE
________________________________
“Wir verwenden für dieses Projekt das Prompt-over-Code (PoC)-Modell. Im PoC-Modell wird die gesamte Lösung durch natürliche Spracheingaben gesteuert, die Aktionen beschreiben, die von bestimmten Funktionen ausgeführt werden sollen, und diese Funktionen übernehmen die schwere Arbeit hinter den Kulissen. Prompts definieren Logik, orchestrieren Arbeitsabläufe und verwalten Aufgaben. Code wird nur für komplexe Operationen verwendet oder wenn Funktionen innerhalb der Eingabeaufforderungen bei Bedarf referenziert werden. Dies ermöglicht ein modulareres, intelligenteres und intuitiveres System.
Wir bauen einen promptgetriebenen interaktiven Ablauf auf, bei dem dem Nutzer nur minimale technische Details angezeigt werden.
1. Kontext der Aufgabe
Wir wollen natürliche Spracheingaben für dynamische Aufgabenorchestrierung priorisieren und gleichzeitig Backend-Codierung minimal halten. ChatGPT sollte Folgendes übernehmen:
Entwurf wiederverwendbarer Prompts für Aufgabenverwaltung und Automatisierung.
Vorschläge minimale, modulare Python-Funktionen für fortgeschrittene Operationen, wenn nötig.
Sicherstellen, dass der PoC-Ansatz effektiv für zukünftige Anforderungen skalierbar ist.”
2. Prompt-Stil
Prompts sollten modular, wiederverwendbar und aufgabenspezifisch sein. Die Struktur jeder Aufforderung sollte Folgendes enthalten:
- Rolle des Agenten: Wofür der Agent verantwortlich ist.
- Benötigte Eingaben: Die Daten oder Parameter, die der Agent benötigt.
- Erwartete Ergebnisse: Das Ergebnis, das der Agent liefern sollte.
- Besondere Anweisungen oder Einschränkungen: Bestimmte Regeln oder Richtlinien zu befolgen.”
3. Rolle der Funktionen
“Wann immer komplexe Logik, Datenverarbeitung oder Integrationen benötigt werden, schlagen Sie Python-Funktionen vor, die diese Aufgaben effizient bewältigen können. Funktionen sollten:
- Sei minimal und modular.
- Akzeptieren Sie klare Eingabeparameter und geben Sie wohldefinierte Ausgaben zurück.
- Integrieren Sie sich nahtlos in die Prompts.
Funktionen rufen nicht das LLM auf, sondern Code, der nicht mit Prompts wie API-Zugriff, Algorithmen, verstärkten Lernfunktionen usw. erstellt werden kann.
4. Erwartungen an Zusammenarbeit
“Fühlt euch frei, Verbesserungen vorzuschlagen oder Bereiche zu identifizieren, in denen Prompts oder Logik verfeinert werden könnten. Zusammenarbeit ist der Schlüssel, um die PoC-Methode effektiv und skalierbar zu machen.”
5. Beispielaufgabe.
“Hier ist eine einfache Beispielaufgabe, um zu beginnen:
- Aufgabe: ‘Erstelle eine Willkommensnachricht und sende sie als E-Mail an den Nutzer’
- Code aufzurufen: Schreiben Sie den Python-Code, um auf einen SMPT-Server zuzugreifen, und senden Sie die E-Mail
- Optional: Ziele für das PoC-Modell einbeziehen
6. Umsetzungsgründe:
- Reduzieren Sie die Abhängigkeit von fest codierter Logik durch Nutzung dynamischer Eingabeaufforderungen.
- Ermöglichen Sie Flexibilität und Skalierbarkeit für zukünftige Projekte.
- Vereinfache die Zusammenarbeit zwischen nicht-technischen und technischen Teams.”
________________________________
ERINNERUNGSAUFFORDERUNG ZUR POC-METHODE
Teile den Text zwischen den beiden orangen Zeilen unten, wenn du ihn an die POC-Methode erinnern möchtest. Außerdem wurde diese Erinnerung von ChatGPT verfasst.
________________________________
“Dieses Projekt folgt dem Prompt-over-Code (PoC)-Modell. Hier eine kurze Zusammenfassung:
1. Prompts haben Priorität: Strukturiert, modular und darauf ausgelegt, Workflows dynamisch zu steuern.
2. Minimalcode für komplexe Aufgaben: Funktionen übernehmen spezifische Operationen und integrieren sich nahtlos in Eingabeaufforderungen.
3. Zusammenarbeit ist entscheidend: Feedback und Verfeinerung werden durchgehend gefördert. Beginnen wir damit, den Projektumfang und die erste Aufgabe zu definieren.”
________________________________
2) Jetzt arbeiten Sie mit ChatGPT zusammen
Sag ChatGPT, welchen Agenten du bauen möchtest, und es könnte sofort losgehen oder dir ein paar weitere Fragen gestellt werden. Du bekommst eine Lösungsbeschreibung, die benötigten Prompts und schreibst Python-Code für komplexere Algorithmen, API-Zugriff usw.
3) Wie benutzt du die Prompts und den Code
- Du kopierst alle Prompts ins GPTBlue Studio. Von dort aus erstellt man den KI-Agenten und überträgt die Prompts per Drag-and-Drop in den Agenten. Wenn du eine Multi-Agent-Lösung benutzt, erstellst du eine “Lösung”, bei der du deine Agenten einziehst.
- Wenn du eine Entwicklerautorisierung hast, hast du den Zugriff, den Code auf die AgenticBlue-Plattform hochzuladen. Falls nicht, können Sie Ihren Code über Google Drive teilen, wo wir einen isolierten Test durchführen können, um sicherzustellen, dass er unseren Anforderungen entspricht.
- Wenn Sie sich nicht sicher sind, sollten Sie an einem unserer nächsten Agentic-AI Boot Camps teilnehmen.
Native AI Solutions, Native AI Design, Native AI Framework und Native AI Tech sind über eine “Common Creative“-Lizenz von BlueCallom verfügbar. Wir wollen den Fortschritt nicht durch Patente aufrechterhalten. Wir entwickeln uns mit einer neuen und innovativen Denkweise, und gemeinsam kommen wir weiter als jeder von uns allein.
Man kann kopieren, remixen, anpassen, sogar kommerziell weiterentwickeln, aber man muss das Original anerkennen.
Die Quantensprünge, die die Prompt-over-Code (PoC)-Methode bringen kann.
Intelligenz
Im Gegensatz zu herkömmlicher Software, die in der Vergangenheit KI für Algorithmen und maschinelles Lernen, PROZESSE, MENSCHLICHE INTERAKTIONEN, DATENQUALITÄT und ähnliche Anforderungen eingesetzt hat, ist agentische KI ein leistungsstarkes Instrument zum Aufbau nicht-softwarebasierter intelligenter Prozesse, intelligenter menschlicher Interaktion und intelligenter Datenverarbeitung.
Intelligenz bedeutet in diesem Zusammenhang autonome Prozesse, Prozesse, die aufgrund externer Veränderungen lernen oder anpassen können, Prozesse, die Menschen schnell ohne Programmieren anpassen können, und Prozesse, die sich aufgrund besserer Kenntnis dieser Prozesse anderswo in der Organisation ändern können.
Agentic AI Solution Design mit PoC bringt die INTELLIGENZ in den Mittelpunkt des Prozessdesigns.
Intelligente menschliche Interaktion bedeutet, dass Tippfehler und kleinere Fehler ohne Antwort bearbeitet werden können. Menschliche Einträge müssen nicht mehr exakte Datumsregeln oder wiederholbare Daten einhalten, um den nicht-intelligenten Softwareprozess zu erfüllen. Menschen müssen sich nicht an die Regeln der Maschine halten, sondern mit gesundem Menschenverstand, der im Umgang mit der KI verliehen wird.
Datenqualität ist ein episches Thema in steifem Softwarecode; allzu oft muss eine Telefonnummer in einem bestimmten Format eingegeben werden, die Reihenfolge muss nach bestimmten Regeln akzeptiert werden, und das Ausfüllen eines Formulars erfordert einen Abschluss. Intelligent Data Quality Management kann verstehen, was die Daten ‘bedeuten’, nicht nur was sie sagen.
Komplexität
Das Komplexitätsniveau moderner Unternehmen hat das menschliche Verständnis überholt. Einige Strukturen, wie Lieferkettenprozesse, sind über 30 Jahre alt. Allerdings könnte die Änderung dieser Prozesse den Aufbau einer neuen Logistikorganisation erfordern. F&E-Abteilungen können perfekt organisiert und verwaltet sein, und ihre Ergebnisse werden mit fein abgestimmten KPIs bewertet. Dennoch könnten moderne Innovationsprozesse nicht genutzt werden, da die internen Veränderungen zu massiv wären. Agentische KI kann neue Prozesse einführen, die völlig unabhängig von bestehenden und alten Strukturen sind und ohne Integration verwaltet werden können.
Wir können Komplexität nicht mit denselben Werkzeugen beseitigen, die sie geschaffen haben. Deshalb entschieden wir uns für die PoC-Methode.
Seit Jahrzehnten wissen Unternehmen, dass ihre Datenstruktur bereinigt werden muss. Prozesse zeigen zunehmend Reibung, und die Produktivität nimmt langsam, aber stetig ab. Dennoch gibt es kein einziges Unternehmen mit mehr als 250 Mitarbeitern, das dafür bekannt ist, interne Daten und Prozesse zu bereinigen. Und der Schmerz wächst ständig – insofern Innovation als auch andere wichtige Wachstumstreiber in den Hintergrund gedrängt werden.
Im Gegensatz zur herkömmlichen KI mit fest programmierten Algorithmen und einer enormen Anzahl von Iterationen liegt die Kraft der agentischen KI in ihren intelligenten Methoden, Lösungen in einem Prozess zu bewerten, vorzuschlagen, zu begründen und Lösungen zu entwickeln, sogar autonom.
Produktivität
Heute wird Produktivität als noch relevanter für kurzfristige Rentabilität verstanden. Es ist faszinierend zu erkennen, dass die meisten Mitarbeiter Produktivität der einfachen Routinearbeit vorziehen, weil sie lohnender ist und das Selbstwertgefühl steigert. Unternehmen wollen produktiver sein, um ihren Wert zu steigern und mehr Flexibilität bei Wachstums- und Investitionsentscheidungen zu haben.
Bis vor Kurzem konnte jedoch kein System oder keine Software die Produktivität messen, analysieren und bewerten, geschweige denn Verbesserungslösungen vorschlagen und entwickeln.
In den letzten 70 Jahren war es nicht möglich, die Produktivität mit Software zu managen. Agentische KI und PoC bringen die Veränderung.
Agentic AI bringt nun das notwendige KOMPLEXITÄTSMANAGEMENT, um Prozesse und INTELLIGENZ zu verstehen, in die IT-Welt und nutzt Produktivitätstransformer wie BlueCallom TRANSFORM. Egal, ob zahllose Produktivitätslecks geschlossen werden müssen oder nur wenige hyperkomplexe Prozesse neu gestaltet werden müssen – Komplexität hängt nicht von der Größe ab, sondern von miteinander verbundenen Schwierigkeiten.
TRANSFORM verwendet beispielsweise einen “Bottom-up”-Ansatz, um zahllose kleinere Probleme mit autonomen Mitarbeiterinterviews zu lösen. Es zeichnet eine ganzheitliche Sichtweise, findet den besten Prozess zur Lösung des Problems und erstellt sogar Werkzeuge zur Lösung.