A coding agent kilép a kódból, de a feje még szoftverfejlesztő
x.com · @emollick
+1
Ha az agentek tényleg kilépnek a kódolásból a tudásmunkások asztalára, a következő kérdés a felületé: érti-e, mit csinálunk. Ethan Mollick (a Wharton professzora, az AI munkahatásainak egyik legolvasottabb elemzője) egyetlen szóval írja le a problémát: ezek az eszközök software-brained, a fejüket a kódhoz huzalozták.
A Codex (OpenAI), a Cowork és a Claude Code mind abból a logikából nőtt ki, hogy a végeredmény a fontos, a kód maga az igazságforrás, ami vagy lefut, vagy nem. A tudásmunka nagy részében viszont a folyamat legalább annyit ér, mint a kész fájl: a felderítés, a zsákutcák, az elvetett ágak, a kísérletek.
Egy kész PowerPointtal nem tudsz úgy dolgozni, mint egy kódbázissal, és egy kipipált to-do lista kevés kontextus, miután a beszélgetés összecsuklott a compaction után. Mollick a Fable-féle long-running modelleket (a több órán át önállóan dolgozó, a végén kész terméket átadó agenteket) hozza példának: arra tervezték őket, hogy a végén leszállítsanak valamit, holott az elemző menet közben, tanulási hurkokban csiszolja a saját nézőpontját.
De ugyanez a felület mutatja a kiutat is. Az Every (Dan Shipper kiadója, ami a Codexet napi fő munkaeszközként használja) havi belső tábor-videójában jól látszik a lényeg: a Codex beépített böngészőjében együtt dolgozol az agenttel, látod a kurzorát mozogni, közben beszéltek, és menet közben hozol be új kontextust. Pont az ellentéte annak, hogy odadobsz egy briefet és megvárod a kész fájlt.
A két állítás két irányból ugyanaz: a gyakorlatban már a mindennapok része, a feje viszont még a kódoláshoz van huzalozva. Ami a kódnál előny volt, hogy csak a kész fájl számít, az a tudásmunkában akadály. Ahogy ezt visszük a stratégiába, a kutatásba, a riportírásba, a folyamat újra fontossá válik, és a felület még nem erre van kitalálva.
Ezt magunkon is látjuk: ezt a heti összefoglalót is egy háttérben futó agent-workflow rakja össze, és a végeredmény mellett a kivágott felét, az elvetett kereteket senki nem látja, pedig a munka java ott történt.
A coding agent addig csinál rossz prezit, amíg programozóként gondolkodik
x.com · @nityeshaga
+2
Az Anthropic pptx skilljével Claude úgy épít prezit, mint egy programozó: XML-t hekkel, kódot ír a slide-ok mozgatásához, és bízik benne, hogy egy igazítás javítása máshol nem tör el mást. Nityesh két napot töltött ezzel, a végén kézzel rakta össze a decket, mert szorított a határidő. Itt fogható meg, mit jelent a software-brained agent a gyakorlatban.
A megoldása egy szerepváltás. A Hands-on Deck egy parancssoros eszköz, ami a deck-app minden gesztusát parancsra képezi le: kattints egy dobozra és írj, húzz egy alakzatot, nézd meg a slide-ot. Ettől az agent designerként kezd dolgozni: ránéz, javít egy aprót, megint ránéz. Doruk text-to-lottie skillje ugyanezt hozza más szögből, jobb vizuális ízlés, kevesebb véletlenszerű döntés.
Hogy mennyire nem trükk-kérdés ez, arra az Every kísérlete a legjobb bizonyíték: egy 24 skillből, 11 fázisból álló rendszert építettek deck-generálásra, deckenként 62 dollárból, és a tanulság az lett, hogy ez csak havi több száz hasonló prezinél térül meg. A mélyebb ok a narratíva: egy 80%-ban kész deck rosszabb, mint a kézzel csinált, mert a profi külső miatt a hibát is elhisszük.
Nálunk az 1337-nél és az AI Budapestnél ez a HTML-prezi felé tolt: a slide maga is olyasmi, amit az agent lát és szerkeszt, ahogy egy ember a Figmában. Jani az építési naplójában meg is írta, hogyan állt át háromfős prezi-csapatról egyedül, agentekkel, és a saját „AI 2026" anyaga maga is egy interaktív webes prezi.
Ha mélyebben érdekel: Skill: a digitális kolléga
x.com · @azeem
"The GenAI economy has generated $110 billion in sales over the past 12 months. On an annualized basis, the revenue run rate exceeds $175 billion. As far as we know, it's the first bottom-up, deduplicated measure of consumer and enterprise AI spending across the full stack."
Ahogy a coding agentek kiléptek a kódból a hétköznapi munkába, jött a kérdés, amit eddig inkább csak hittünk: ér is ez valamit pénzben? Azeem Azhar (az Exponential View elemzője) szerint a GenAI-gazdaság az elmúlt 12 hónapban 110 milliárd dollár bevételt termelt, a run-rate (az utolsó időszak alapján éves szintre vetített bevétel) pedig már 175 milliárd fölött jár.
Ez az első alulról felépített, deduplikált mérés a teljes piacra, a chip-gyártótól a végfelhasználói appig. Eddig egymásnak ellentmondó vendor-számokból tippeltünk, most van mire hivatkozni, és ettől fontosabb a módszertan, mint maga a 110 milliárd.
Egy másik nézőpont közelebbről is megtámasztja: a Menlo Ventures 2025-ös enterprise-felmérése szerint a vállalati LLM-piacon az Anthropic vette át a vezetést, miközben a teljes vállalati költés ugrásszerűen nőtt. A makró-szám és az egyetlen szereplő mozgása ugyanazt mondja két szögből: a cégek a működésükbe kötik a keresletet.
A bevétel attól még nem profit, a run-rate nem realizált árbevétel, és a hyperscalerek AI-capexe együtt 300 milliárd dollár fölött jár 2026-ra, jócskán a bevétel előtt. A tézis, hogy itt valódi gazdaság épül, most először egy konkrét módszertanon áll, a határai viszont vele együtt értendők.
A kormány vevőnként engedélyezi a GPT-5.6-ot
x.com · @steph_palazzolo
A piaci tét nő, és megjelenik egy szokatlan szereplő: a kormány. A Trump-adminisztráció arra kérte az OpenAI-t, hogy a GPT-5.6 kiadását ütemezze szét, biztonsági aggályokra hivatkozva. Steph Palazzolo (a The Information riportere) szerint Sam Altman a belső megbeszélésen azt mondta, hogy a kormány vevőnként hagyja majd jóvá a hozzáférést, amit a hír kifejezetten szokatlannak nevez.
A kormány úgy bánik egy frontier modellel, mint egy kettős felhasználású exporttermékkel: minden egyes vevőt külön kell engedélyeztetni, ahogy egy chip- vagy fegyvertechnológiánál. Ugyanaz a képesség-ugrás, ami a piacot hajtja, most a kormányzati engedélyezés asztalára kerül.
Vezetőként ez a vendor-választást élesíti ki. Ha egy modell elérhetősége egyszer csak kormányzati engedélytől függ, akkor egy hazai bevezetésnél a roadmap kockázata az ár és a teljesítmény mellé egy harmadik tengelyt is kap: hozzáférsz-e egyáltalán a következő verzióhoz. Ezért érdemes cserélhető rétegre építeni: a skill és a munkatér a miénk marad, a modell mögötte leváltható.
Ha mélyebben érdekel: Mire ne használd?Egy modell órák alatt tört be minősített rendszerekbe, és ettől lett kormányzati ügy
x.com · @kimmonismus
+1
A kormányzati fék mögött ez a fajta képesség áll. Mark Warner szenátor az Economistnak idézte a parancsnokló tábornokot: ami régen hetekbe telt volna, az most órák kérdése volt. A Mythos a Fable lab egyik frontier modelljének kódneve. A betörés állítólag június 11-én történt, ugyanaznap, amikor az Amazon felfedezte a jailbreaket (a biztonsági korlátok kicselezését). A sztorit Peter Gostev (a Moonpig AI-vezetője) kötötte a Fable 5-höz.
Ez egy felidézett, magazinból származó sztori, nem megerősített incidens-jelentés. A tartalmi súlyát a jelzés adja. Minél több valódi munka fut agenteken, annál inkább kormányzati kérdés, milyen gyorsan tör át egy modell falakat.
Ahol a képesség skálázódik, ott a kontroll kérdése szabja meg a terjedés tempóját. Amíg a bizalom nincs meg, a képesség hiába van ott.
Ha az AI elviszi a tudást és az erőfeszítést, mi marad versenyelőnynek?
x.com · @lennysan
"It's not more knowledge or more effort. Those are the exact two things AI does best."
A hét nagy témáját megfordítva: ha a gép viszi a végrehajtást, mi marad az embernek versenyelőnynek? Lenny Rachitsky (a legnagyobb termékmenedzsment-hírlevél szerzője) behozta Joe Hudsont, aki az OpenAI kutatócsapatát coacholja Sam Altman és Apple-, Google-vezetők mellett, és első kézből látja, ki boldogul az AI-ra átállt csapatokban.
A legjobban teljesítők előnye máshonnan jön, mint a több tudás vagy a több erőfeszítés, mert épp ezt a kettőt csinálja az AI a legjobban. Ami marad, amin szerinte eldől a verseny, az az emotional clarity (érzelmi tisztaság): bent maradni egy nehéz beszélgetésben, nem fordulni magad vagy mások ellen, ha rosszra fordul, és átvinni magad a kudarcon.
A bevett tanács szerint az ember lépjen feljebb, a stratégiához és az ítélethez. Hudson máshová mutat: a magasabb absztrakció önmagában nem véd meg, mert amit nehéz mátrixba írni, azt nehéz az AI-nak átadni, és embernek is megtanítani. Aki csak a jobb modellt vagy a jobb promptot hajszolja, pont ezt a réteget hagyja ki.
Ez nem olyan készség, amit egy tréning vagy egy lecke egyszer beültet, ezt a saját munkádban, az átállás közben építed fel.
Az agenteken futó cég a dokumentáltságból nő ki
x.com · @gregisenberg
+2
"The moat is how legible your company is."
A legértékesebb dolog, amit 2026-ban építhetsz: egy annyira jól dokumentált cég, hogy egy agent el tudja vezetni. Ezt Greg Isenberg (AI-native cégeket épít a Late Checkout stúdióban) rajzolta fel négy diagramban.
A logika új. Régen a cég az emberek voltak: ők tartották a tudást, ők döntöttek. Most az emberek a kreatívok, az agentek a munkaerő. A cég maga lesz a közös kontextus-réteg: egy helyen él az adat, a folyamat, az árazás, a jogosultság, a döntés.
Ugyanezt a réteget a másik oldalról egy friss Claude-funkció hozza el, és erről beszél Andrej Karpathy meg Gergely Orosz. A Slackben megtageled a Claude-ot, és egy org-wide eszközökkel és kontextussal dolgozó szereplő kapcsolódik be, ott, ahol a csapat amúgy is beszélget. Jóval több egy Slack-chatbotnál.
Karpathy szerint ez az LLM-felület harmadik nagy átrendeződése. Előbb weboldal volt, amihez odamentél. Aztán app, amit letöltöttél. Most egy önálló, folyamatosan jelen lévő szereplő, aki a csapat mellett dolgozik. Orosz pontosítja, mi az áttörés: a felület a Slack, de a lényeg egy felhő-AI, ami a cég összes belső rendszerébe be van kötve, és tényleg működik.
Itt ér össze a két szál. Isenberg felől te teszed olvashatóvá a céget. A Claude-tag felől az agent megkapja a hozzáférést az egészhez. A kettő ugyanaz a feltétel két irányból.
A tézis feltételezi, hogy a tudás dokumentálható. A legértékesebb vállalati tudás viszont gyakran sosem került papírra: az ítélet, a kivételkezelés, a kapcsolat. Az olvashatóság mint moat ott a legnehezebb, ahol a legtöbbet érne.
Ha mélyebben érdekel: A munkatér: mappa és CLAUDE.mdTovábbi érdekességek
A hét egy mondatban
A négy szál egy irányba mutat: az agentek kiléptek a kódból, a 110 milliárd dollár először mér valódi gazdaságot, a kormány vevőnkénti engedélyhez kötné a frontier modellt, és közben a versenyelőny egyre inkább az emberi ítéletbe és a cég olvashatóságába csúszik. A képesség adott, a következő év arról szól, ki építi köré a felületet, a bizalmat és a dokumentált működést.
Jövő héten folytatjuk.