Unidades de trabalho agênticas (AWU)

Uma Unidade de trabalho agêntica (AWU) é uma métrica em nível de plataforma que captura a amplitude das atividades que acontecem em toda a Empresa Agêntica, de Agentforce a Slack. Embora o setor tradicionalmente se concentre em tokens (os dados brutos processados por um modelo), os tokens informam apenas sobre o consumo. As AWUs são uma medida do volume total de trabalho que nossa plataforma realiza em nome dos clientes.

Uma AWU é uma tarefa discreta realizada por um agente de IA. É o momento em que a inteligência bruta é convertida em trabalho real. É um prompt processado, uma cadeia de raciocínio concluída ou, o mais importante, uma ferramenta invocada. Para fornecer uma visão completa desse valor, estamos rastreando dois números principais:

• AWUs: o volume total de trabalho que nossa plataforma realiza em nome dos clientes.
• Tokens processados: nossa presença na economia global de computação de IA, fundamentando nossa escala na camada de infraestrutura.

Até o momento, o sucesso da IA foi medido por meio do consumo de tokens. Mas os tokens medem apenas o quanto uma IA fala, não o trabalho que ela realmente conclui. É por isso que temos o prazer de apresentar a Unidade de trabalho agêntica (AWU)

Não. A relação é elástica. À medida que a inovação da nossa plataforma amadurece e as implementações de nossos clientes melhoram, esperamos ver uma divergência entre tokens e AWUs, o que implica que mais trabalho está sendo feito por menos custo.

Tarefas determinísticas e de alta frequência (como acionar um Flow ou chamar uma API) tornam-se cada vez mais "econômicas em tokens". Por outro lado, raciocínio complexo e resolução autônoma de problemas podem apresentar aumento no consumo de tokens de entrada. Especialmente à medida que os agentes realizam ações mais sofisticadas, como executar avaliações para determinar a qualidade do trabalho, projetar e otimizar agentes com codificação vibracional e aproveitar ainda mais contexto para oferecer as melhores respostas possíveis.

O objetivo aqui é uma alta taxa de "inferência para trabalho": usar tokens de entrada para produzir tokens de saída concisos e de alto valor. Isso é fundamental porque, no mundo dos LLMs, os tokens de saída podem ser até 10 vezes mais caros do que os tokens de entrada usados para chegar lá. Nosso objetivo não é simplesmente usar menos tokens; é garantir que cada token de saída caro gasto maximize o trabalho que está sendo feito.

Até o momento, geramos 3,8 bilhões de AWUs; 1,6 bilhão apenas no 1º trimestre, um aumento de 111% trimestre a trimestre. Os agentes de serviço cresceram 66% trimestre a trimestre, alcançando 232 milhões de AWUs no 1º trimestre, e os agentes empregados registraram um aumento de 148% trimestre a trimestre. A IA do Slack cresceu 347% trimestre a trimestre, impulsionada pelo crescimento do uso do Slackbot.