Agentiska arbetsenheter (AWU)

En agentisk arbetsenhet (AWU) är ett mått på plattformsnivå som fångar upp bredden av den aktivitet som sker i den agentiska verksamheten, från Agentforce till Slack. Medan branschen traditionellt har fokuserat på tokens (rådata som bearbetas av en modell), informerar tokens bara om konsumtion. Agentiska arbetsenheter är ett mått på den totala volymen arbete som vår plattform utför för kunders räkning.

En AWU är en diskret uppgift som utförs av en AI-agent. Det är det ögonblick då rå intelligens omvandlas till verkligt arbete. Det är en bearbetad prompt, en färdig resonemangskedja eller – viktigast av allt – ett anropat verktyg. För att ge en komplett bild av det här värdet spårar vi två nyckeltal:

• Agentiska arbetsenheter: Den totala arbetsvolymen som vår plattform utför för kunders räkning.
• Bearbetade tokens: Vårt avtryck i den globala AI-beräkningsekonomin, som grundar vår skalning i infrastrukturlagret.

Hittills har framgången med AI mätts genom förbrukningen av tokens Men tokens mäter bara hur mycket en AI talar, inte det arbete den faktiskt slutför. Därför är vi glada över att kunna introducera den agentiska arbetsenheten (AWU)

Nej. Förhållandet är elastiskt. I takt med att vår plattformsinnovation mognar och våra kunders implementeringar förbättras, förväntar vi oss att se en skillnad mellan tokens och agentiska arbetsenheter, vilket innebär att mer arbete blir gjort till en lägre kostnad.

Högfrekventa, deterministiska uppgifter (som att utlösa ett flöde eller anropa ett API) blir alltmer ”snålt på tokens”. Omvänt kan vi i komplexa resonemang och autonom problemlösning faktiskt se en ökning av indatatokens. Särskilt när agenter utför mer sofistikerade åtgärder som att köra utvärderingar för att fastställa arbetets kvalitet, designa och optimera agenter med vibe-kodning samt dra nytta av ännu mer kontext för bästa möjliga svar.

Målet här är ett högt ”inferens-till-arbete”-förhållande: Att använda indatatokens för att producera koncisa, värdefulla utdatatokens. Det här är avgörande eftersom utdatatokens kan vara upp till 10 gånger dyrare än de indata som används för att nå dit i världen av LLM:er. Vårt mål är inte bara att använda färre tokens, det är att se till att varje dyr utdatatoken som spenderas maximerar det arbete som utförs.

Hittills har vi genererat 3,8 miljarder agentiska arbetsenheter – 1,6 miljarder bara under Q1, en ökning med 111 % jämfört med föregående kvartal. Serviceagenter ökade med 66 % från kvartal till kvartal för att nå 232 miljoner agentiska arbetsenheter under Q1, och medarbetaragenter ökade med 148 % från kvartal till kvartal. Slack AI ökade med 347 % från kvartal till kvartal, drivet av tillväxt i Slackbot-användningen.