Alexander Embiricos, Leiter der Produktentwicklung für den Codex-Coding-Agenten von OpenAI, erklärte am Lennys Podcast dass die menschliche Tippgeschwindigkeit den Fortschritt in Richtung künstlicher allgemeiner Intelligenz einschränkt, weil sie die Eingabeaufforderung und Ausgabevalidierung einschränkt. Embiricos identifizierte den derzeit unterschätzten limitierenden Faktor für AGI in der menschlichen Tippgeschwindigkeit oder der menschlichen Multitasking-Geschwindigkeit beim Schreiben von Eingabeaufforderungen. Codex fungiert als Codierungsagent von OpenAI und soll bei Programmieraufgaben helfen. Seine Kommentare erschienen in der am Sonntag ausgestrahlten Podcast-Folge. Künstliche allgemeine Intelligenz bezieht sich auf eine theoretische Form der KI, die in der Lage ist, bei verschiedenen Aufgaben genauso gut oder sogar besser als Menschen zu argumentieren. Große KI-Unternehmen konkurrieren darum, zuerst AGI zu entwickeln. Embiricos erklärte, dass ein KI-Agent den gesamten Arbeitsablauf eines Benutzers überwachen kann, der Prozess jedoch eingeschränkt bleibt, wenn der Agent seine eigenen Ausgaben nicht validiert. Er erklärte: „Sie können einen Agenten beauftragen, Ihre gesamte Arbeit zu überwachen, aber wenn der Agent seine Arbeit nicht auch validiert, besteht immer noch ein Engpass. Können Sie beispielsweise den gesamten Code überprüfen?“ Dieser Überprüfungsschritt hängt von der Tippgeschwindigkeit des Benutzers ab. Um dieses Hindernis zu überwinden, plädierte Embiricos dafür, Menschen angesichts der Langsamkeit menschlicher Eingaben von der Aufgabe zu entlasten, Eingabeaufforderungen zu schreiben und KI-generierte Arbeit zu validieren. Er legte Wert auf die Neugestaltung von Systemen, um den Agenten als standardmäßiges nützliches Werkzeug in Arbeitsabläufen zu positionieren. Solche Änderungen würden das Wachstum von Hockeyschlägern ermöglichen, ein Muster, bei dem die Produktivität zunächst flach bleibt, bevor sie stark ansteigt und der Form eines Hockeyschlägers ähnelt. Embiricos sagte: „Wenn wir Systeme so umbauen können, dass der Agent standardmäßig nützlich ist, werden wir damit beginnen, Hockeyschläger freizuschalten.“ Embiricos stellte fest, dass es keinen einheitlichen Weg zu vollständig automatisierten Arbeitsabläufen gibt. Stattdessen erfordert jeder Anwendungsfall einen maßgeschneiderten Ansatz zur effektiven Integration von KI-Agenten. Er prognostizierte, dass Early Adopters ab dem nächsten Jahr diese Produktivitätssteigerungen erleben werden. In den Folgejahren werden größere Unternehmen ähnliche Gewinne erzielen, wenn sie KI-Agenten umfassender einsetzen. AGI wird in der Zeitspanne zwischen den anfänglichen Produktivitätssteigerungen der Early Adopters und dem Zeitpunkt entstehen, an dem Technologiegiganten Prozesse mithilfe von KI-Agenten vollständig automatisieren. Embiricos erklärte: „Irgendwann zwischen dem Zeitpunkt, an dem Early Adopters beginnen, Produktivitätssteigerungen zu verzeichnen, und dem Zeitpunkt, an dem Technologiegiganten es schaffen, Prozesse mit KI-Agenten vollständig zu automatisieren, werden wir AGI sehen.“ Diese Produktivitätssteigerungen werden Ressourcen zurück in KI-Forschungslabore lenken. Embiricos kam zu dem Schluss: „Dieses Hockeyschlägertum wird in die KI-Labore zurückfließen, und dann sind wir im Grunde bei der AGI.“
