AI-yritykset kilpailevat kaiken automatisoinnista: koodin kirjoittamisesta, kuvien luomisesta, mainosten ajastamisesta, kokousten tiivistämisestä ja muusta. Näiden järjestelmien kehittyessä niiden vaikutus ihmistyöhön käy yhä ilmeisemmäksi. Nyt jotkut asiantuntijat varoittavat, että generatiivinen AI voi aiheuttaa valtavan työpaikkojen syrjäytymisaallon, joka etenee nopeammin ja syvemmälle kuin mihin useimmat taloudet ovat valmistautuneet.
Yksi kryptolähtöinen alusta lähestyy tulevaisuutta toisin. Jos automaatio on väistämätöntä, myös omistusoikeuden pitäisi olla sitä.
Action Model on tänään julkaissut kutsupohjaisen Chrome-laajennuksen, jonka avulla käyttäjät voivat opettaa AI-järjestelmää jakamalla todellista selaintoimintaansa, kuten klikkauksia, siirtymisiä, kirjoittamista ja tehtävien käsittelyä. Alusta kutsuu tätä nimellä Large Action Model (LAM), joka kykenee oppimaan digitaalisten työtehtävien suorittamista, ei vain sisällön luomista. Vastineeksi käyttäjät saavat pisteitä, jotka voidaan myöhemmin muuntaa $LAM-hallintotokeniksi, tarkoituksena antaa osallistumisoikeuksia järjestelmän kehittämiseen.
”Jos AI korvaa digitaalista työtä, työntekijöiden pitäisi omistaa korvaavat koneet,” toteaa Action Modelin perustaja Sina Yamani.
Aiheen tekoälyn kouluttaminen, joka tekee työn
Toisin kuin sisällönluontiin tarkoitetut chatbot-mallit, LAM:t on suunniteltu käyttämään ohjelmistoja suoraan. Ajatus on yksinkertainen: jos ihminen voi tehdä digitaalityön hiirellä ja näppäimistöllä, opittu AI-agentti pystyy samaan.
”Viime vuodet olivat chatbotien aikaa. Nyt on automaation vuoro,” Yamani sanoo. ”Noin miljardi ihmistä tekee töitä tietokoneella. Jos yritykselle tarjotaan työkalu, joka tekee saman jatkuvasti murto-osalla kustannuksista, sitä tullaan käyttämään.”
Action Modelin laajennus kerää käyttäjän hyväksymiä toimintatietoja AI:n kouluttamiseksi. Esimerkiksi palkanmaksun hoito, CRM-merkintöjen hallinnointi tai perusprosessit voidaan tallentaa kerran ja malli voi tehdä ne jatkossa itse. Käyttäjät voivat julkaista automaatioita avoimelle markkinapaikalle, jossa käyttöä seurataan ja siitä palkitaan alustan kannustemallin mukaisesti.
Agenttipohjaisten AI-järjestelmien nousua on dokumentoitu laajasti alalla, sillä mallit siirtyvät sisällöntuotannosta itsenäiseen tehtävien suorittamiseen. Kuten tässä selityksessä kuvataan, nämä järjestelmät keräävät ja hyödyntävät aitoa käyttäjädataa oppiakseen itsenäisesti navigoimaan digitaalisissa ympäristöissä.
Alusta on jo houkutellut yli 40 000 käyttäjää odotuslistojen, suosittelujen ja kumppaniyhteisöjen kautta. Pääsy säilyy kutsupohjaisena osallistujien laadun takaamiseksi ja varhaisille käyttäjille palkkioiden mahdollistamiseksi.
Miten tämä eroaa nykyisistä automaatiotyökaluista
Useimmat nykyiset automaatiotyökalut luottavat API-rajapintoihin tai jäykiin integraatioihin. Kuitenkin suuri osa digitaalisesta työstä tapahtuu vanhoissa järjestelmissä, sisäisillä hallintapaneeleilla ja sovelluksissa, joita ei koskaan suunniteltu automatisoitaviksi.
”Zapier automatisoi ohjelmistoja. Me automatisoimme työtehtäviä,” Yamani toteaa. ”Noin vain 2 prosenttia internetistä on saavutettavissa API:n kautta. Loput 98 prosenttia vaatii yhä ihmisen vuorovaikutusta.”
Action Modelin avulla käyttäjän ei tarvitse kirjoittaa koodia tai hallita integraatioita. Riittää, että käyttäjä tallentaa tehtävän suorittamisen prosessin. AI oppii aidoista käyttäjäpoluista ja kykenee toistamaan ne itsenäisesti.
Näin Action Model on tarpeeksi joustava käsittelemään poikkeustapauksia ja dokumentoimattomia työnkulkuja, joita perinteiset järjestelmät eivät tavoita.
Entä tietosuoja?
Kaikki koulutus perustuu vapaaehtoisuuteen, ja käyttäjä päättää, mitä tietoja jaetaan. Herkät palvelut, kuten sähköposti, terveydenhuolto ja pankkitoiminta, ovat estettyinä oletuksena. Käyttäjä voi keskeyttää koulutuksen, estää tietyt verkkotunnukset tai poistaa omat tietonsa kokonaan.
”Ensimmäinen periaate on yksinkertainen. Emme tarvitse tietojasi – tarvitsemme vain toimintamalleja,” Yamani sanoo. ”Harjoitustiedot käsitellään paikallisesti ja anonymisoituina ennen kuin ne osallistuvat mallin koulutukseen.”
Poistetut tiedot hävitetään pysyvästi eikä niitä voida palauttaa, ei edes yhtiön toimesta. Käyttäjien antamat tiedot yhdistetään muiden käyttäjien dataan k-anonymiteettiin perustuen, jolloin yksittäistä käyttäjää ei voi tunnistaa. Kojelaudan kautta käyttäjät voivat tarkastella ja hallita koulutushistoriaansa ja ansaitsemiaan palkkioita milloin tahansa.
”Iso teknologia kerää tällaista dataa ilman todellista suostumusta, mutta me olemme läpinäkyviä, käyttäjäkeskeisiä ja palkitsemme todelliset AI:n kouluttajat,” Yamani sanoo.
Voivatko botit manipuloida järjestelmää
Aiemmista krypto-palkkiojärjestelmien ongelmista oppineena Action Model käyttää käyttäytymisanalyysiä todellisen käyttäjätoiminnan varmistamiseen. Järjestelmä tunnistaa rakenteen, ajoituksen, vaihtelun ja päätöksenteon – asioita, joita botit tai klikkifarmit eivät helposti kykene matkimaan.
”Pelkkä klikkailu on lähes hyödytöntä,” Yamani toteaa. ”Aidot työnkulut sisältävät aikomuksen, taukoja, korjauksia, uudelleenyrityksiä ja päätöksiä. Tätä ei voi feikata suuressa mittakaavassa.”
Muut projektit, jotka palkitsivat sosiaalisesta osallistumisesta tai viesteistä, kiellettiin hiljattain suurilta alustoilta suuren AI-spämmin, bottivastausten ja tekaistujen vuorovaikutusten vuoksi. Vasteena API-oikeudet poistettiin ja token-ekosysteemit romahtivat matalan laatutason toiminnan painosta.
ActionFi, alustan palkkiojärjestelmä, on suunniteltu välttämään tämän sudenkuopan täysin. Se ei maksa twiiteistä tai klikkauksista. Vain todistetut, rakenteelliset digitaalityönkulut palkitaan.
”Emme maksa metelistä. Maksamme hyödyllisistä poluista,” Yamani lisää.
Kuka todella omistaa järjestelmän
Tällä hetkellä Action Model hallinnoi laajennusta, koulutuslogiikkaa ja palkkiojärjestelmää. Projektin tavoitteena on siirtää omistajuus ajan myötä $LAM-tokenien haltijoille. Tulevaisuudessa DAO-rakenne antaa käyttäjille mahdollisuuden päättää alustasta, kannustimista ja mallin käyttöönotosta.
”Alkuvaiheen järjestelmät tarvitsevat koordinaatiota. Merkityksellisempää on, ovatko ne alusta alkaen keskitettyjä,” Yamani sanoo.
Kuvattu toteutus antaisi tokenin haltijoille vaikutusvaltaa infrastruktuuripäätöksiin, jotka liittyvät heidän tuottamiinsa tietoihin.
Jos tekoäly on väistämätön, voiko omistajuus olla myös?
Uuden sukupolven AI rakentuu paitsi kielelle, myös työlle. Toimistotehtävistä operatiivisiin toimiin – monet näytön takana tehtävät työt ovat nyt älykkäiden agenttien saavutettavissa.
”Olet kuullut, että miljoonat näytön ääressä tehtävät työt automatisoidaan. Se ei ole vuosikymmenten päässä – se tapahtuu jo nyt,” Yamani sanoo. ”Jos datasi auttaa kouluttamaan AI-järjestelmää, sinulla kuuluu olla omistajuus sen tuotoksesta.”
Onko Action Modelin mahdollista laajentua, pysyä avoimena ja rakentaa kestävää taloutta, on asia, jota seuraamme tarkasti tulevina kuukausina. Sen tavoite on kuitenkin erittäin selkeä. Keinotekoisen älyn ratkaiseva taistelu ei liity pelkästään siihen, mihin se pystyy, vaan kenelle se tuottaa arvoa.
Kun tekoäly muuttaa työn maailmaa, omistavatko tulevaisuuden alustat vai ihmiset itse?
