11월 Thoughtworks Technology Radar는 AI의 지배력을 강조하지만, 에이전트형 AI를 대규모로 관리하는 것은 새로운 과제를 제시합니다. 주요 기업의 관심사는 컨텍스트 공유, 토큰 비용 관리, 인지 부하 관리, 보안 보장, 견고한 플랫폼 구축입니다. 이러한 문제들은 상호 연결되어 있으며 통합 전략을 필요로 하며, 항상 AI는 인간의 이익을 위해 봉사해야 한다는 점을 기억해야 합니다.Ben Thompson의 Stratechery 뉴스레터는 AI에 대한 인식과 연관된 새로운 데이터 센터에 대한 최근 초당파적 반대를 언급합니다. 인터넷에서 AI로 초점이 이동한 이러한 반대는 공급 감소와 토큰 비용 증가를 통해 기존 데이터 센터 소유자에게 이익을 줍니다. Apple과 같이 AI를 엣지 디바이스로 밀어붙이는 비미국 기업 및 회사도 이익을 얻을 수 있습니다. 기존 기업은 경쟁 장벽 역할을 하는 새로운 데이터 센터 건설을 방해하는 규제를 조용히 선호할 수 있습니다.Hadley Wickham은 AI 토큰 비용이 보조금을 받는지 여부를 조사했으며, 토큰당 API 가격은 대부분 보조금을 받지 않지만 구독 계획은 일부 보조금을 보여준다고 결론지었습니다. "Weight-Space Programming"에 대한 연구는 모델이 다른 모델의 가중치를 이해하고 조작하는 능력을 탐구합니다. 이는 모델에 직접 기능을 다운로드할 수 있는 흥미로운 가능성을 제기합니다.Jessica Kerr는 AI를 가르치는 것에서 AI가 인간을 가르치도록 하는 것으로의 전환을 제안합니다. Houck 등은 AI 에이전트에게 제공되는 컨텍스트의 품질을 평가하기 위해 CAFE(S) 프레임워크—Clarity, Actionability, Fidelity, Efficiency, Security—를 개발했습니다. 마지막으로, 업계 경험에 따르면 AI 토큰 지출의 상당 부분이 초기 생성보다는 모델 출력 검증 및 가드레일 구현에 사용되며, 이는 견고한 검증 프로세스의 중요성을 나타냅니다.