Προσαρμοσμένοι πράκτορες AI: Τι σημαίνει το Cursor 3 για τις σύγχρονες ομάδες
Τα εργαλεία προγραμματισμού AI μετατοπίζονται από την απλή αυτόματη συμπλήρωση σε προσαρμοσμένους πράκτορες AI (custom AI agents) που μπορούν να σχεδιάζουν, να εκτελούν και να επαναλαμβάνουν πραγματικές εργασίες. Η νέα εμπειρία "agent-first" του Cursor (Cursor 3) αποτελεί ένα επίκαιρο μήνυμα: οι ομάδες επιθυμούν όλο και περισσότερο να αναθέτουν τμήματα εργασίας σε πράκτορες και στη συνέχεια να ελέγχουν τα αποτελέσματα, αντί να γράφουν κάθε βήμα με το χέρι.
Αυτό το άρθρο αναλύει τι αντιπροσωπεύει το Cursor 3 στην ευρύτερη τάση των πρακτόρων, πώς η ανάπτυξη πρακτόρων AI διαφέρει από τον παραδοσιακό αυτοματισμό και πώς να ενσωματώσετε πράκτορες αυτοματισμού AI με ασφάλεια στις ροές εργασιών μηχανικής και επιχειρήσεων. Θα καλύψουμε επίσης πού ταιριάζουν οι συνομιλητικοί πράκτορες AI και οι διαδραστικοί πράκτορες AI—ειδικά όταν ο "πράκτοράς" σας δεν γράφει κώδικα, αλλά βοηθά τους πελάτες.
Πλαίσιο: Η κυκλοφορία του Cursor καλύφθηκε από το WIRED ως μέρος του εντεινόμενου ανταγωνισμού με το OpenAI Codex και το Anthropic Claude Code στον προγραμματισμό με πράκτορες. Δείτε το αρχικό ρεπορτάζ εδώ: https://www.wired.com/tag/artificial-intelligence/
Μάθετε πώς η Encorp.ai βοηθά τις ομάδες να αναπτύξουν πράκτορες παραγωγικού επιπέδου
Αν εξερευνάτε ροές εργασίας με πράκτορες—είτε για υποστήριξη, πωλήσεις ή εσωτερικές λειτουργίες—η Encorp.ai μπορεί να σας βοηθήσει να μεταβείτε από το πρωτότυπο στην αξιόπιστη υλοποίηση.
- Σελίδα υπηρεσιών: AI Chatbots για υποστήριξη πελατών
- Γιατί ταιριάζει: Πολλές ομάδες ξεκινούν με πράκτορες προγραμματισμού, αλλά σύντομα συνειδητοποιούν ότι η μεγαλύτερη απόδοση επένδυσης (ROI) προέρχεται από πράκτορες που απευθύνονται σε πελάτες και εσωτερική υποστήριξη, οι οποίοι ενσωματώνονται με πραγματικά συστήματα και πληρούν τις απαιτήσεις απορρήτου.
- Προτεινόμενο κείμενο αγκύρωσης: AI chatbots για υποστήριξη πελατών
- Κείμενο: Ανακαλύψτε πώς κατασκευάζουμε και ενσωματώνουμε πράκτορες AI που επιλύουν το 30–60% των αιτημάτων, συνδέονται με εργαλεία όπως το Zendesk και ακολουθούν μια προσέγγιση προτεραιότητας στον GDPR.
Μπορείτε επίσης να περιηγηθείτε στις πλήρεις δυνατότητές μας στη διεύθυνση https://encorp.ai.
Σχέδιο: τι θα καλύψουμε
Ακολουθώντας το περίγραμμα για το σύμπλεγμα λέξεων-κλειδιών AI Agents:
- Η άνοδος των προσαρμοσμένων πρακτόρων AI
- Τι είναι οι προσαρμοσμένοι πράκτορες AI;
- Πώς οι πράκτορες AI ενισχύουν τον προγραμματισμό;
- Ανταγωνιστικό τοπίο: Cursor έναντι Claude Code και Codex
- Σύγκριση βασικών χαρακτηριστικών
- Τοποθέτηση στην αγορά
- Ενσωμάτωση πρακτόρων AI στις ροές εργασίας ανάπτυξης
- Βέλτιστες πρακτικές για την ενσωμάτωση
- Παραδείγματα εργασιών πρακτόρων AI
- Το μέλλον των πρακτόρων AI στον προγραμματισμό
- Καινοτομίες που πρέπει να προσέξετε
- Προβλέψεις για το AI στην ανάπτυξη
Η άνοδος των προσαρμοσμένων πρακτόρων AI
Τι είναι οι προσαρμοσμένοι πράκτορες AI;
Ένας "προσαρμοσμένος πράκτορας AI" είναι κάτι περισσότερο από μια διεπαφή συνομιλίας ή ένα εργαλείο συμπλήρωσης κώδικα. Πρακτικά, ένας πράκτορας είναι ένα σύστημα που μπορεί:
- Να ερμηνεύει έναν στόχο (π.χ., "προσθήκη σύνδεσης OAuth", "διαλογή αυτών των αιτημάτων υποστήριξης", "σύνταξη σχεδίου μετεγκατάστασης")
- Να σχεδιάζει βήματα και να αποφασίζει τι πρέπει να γίνει στη συνέχεια
- Να χρησιμοποιεί εργαλεία (API, βάσεις δεδομένων, αγωγούς CI, συστήματα εισιτηρίων, εσωτερικά έγγραφα)
- Να εκτελεί ενέργειες και να παράγει τεχνουργήματα (κώδικα, pull requests, runbooks, περιλήψεις)
- Να επαναλαμβάνει μέχρι να φτάσει σε μια κατάσταση ολοκλήρωσης ή να ζητήσει διευκρίνιση
Το "προσαρμοσμένο" μέρος έχει σημασία επειδή η επιχειρηματική αξία εξαρτάται από:
- Τα δεδομένα σας (πολιτικές, έγγραφα, πλαίσιο προϊόντος)
- Τα συστήματά σας (GitHub/GitLab, Jira, Zendesk, Salesforce, εσωτερικές υπηρεσίες)
- Τα προστατευτικά κιγκλιδώματα (ασφάλεια, συμμόρφωση, εγκρίσεις)
- Τον ορισμό της ολοκλήρωσης (δοκιμές, SLA, οδηγοί στυλ)
Με άλλα λόγια: οι πράκτορες γίνονται χρήσιμοι όταν είναι ενσωματωμένοι, περιορισμένοι και αξιολογημένοι—διαφορετικά είναι απλώς έξυπνες επιδείξεις.
Αξιόπιστες αναφορές:
- Το έργο του NIST για τη διαχείριση κινδύνων AI βοηθά στο πλαίσιο της διακυβέρνησης και των ελέγχων πρακτόρων (NIST AI RMF)
- Η καθοδήγηση του OWASP είναι όλο και πιο σχετική για τις επιφάνειες επίθεσης LLM/πρακτόρων (OWASP Top 10 for LLM Applications)
Πώς οι πράκτορες AI ενισχύουν τον προγραμματισμό;
Ο προγραμματισμός με πράκτορες μετατοπίζει τον ρόλο του προγραμματιστή από το "γράφω κάθε γραμμή" στο "κατευθύνω, ελέγχω και ενσωματώνω". Αν γίνει σωστά, μπορεί να βοηθήσει τις ομάδες να:
- Μειώσουν τον χρόνο για το πρώτο προσχέδιο για βασικά χαρακτηριστικά
- Παραλληλίσουν την εργασία εκτελώντας πολλούς πράκτορες σε ξεχωριστές εργασίες
- Βελτιώσουν τη ροή (λιγότερη εναλλαγή πλαισίου μεταξύ εγγράφων, εισιτηρίων και αποθετηρίων)
- Τυποποιήσουν τα πρότυπα (linting, δοκιμές, σκαλωσιά)
Υπάρχουν όμως πραγματικά ανταλλάγματα:
- Κρυφή πολυπλοκότητα: Ένας πράκτορας μπορεί να δημιουργήσει αλλαγές σε πολλά αρχεία γρήγορα, αυξάνοντας το βάρος της αναθεώρησης.
- Διακύμανση ποιότητας: Χωρίς δοκιμές και περιορισμούς, η ποιότητα της παραγωγής μπορεί να παρουσιάζει διακυμάνσεις.
- Κίνδυνος ασφάλειας: Οι πράκτορες μπορεί να εισάγουν ευάλωτες εξαρτήσεις ή μη ασφαλή πρότυπα.
- Ανάγκες διακυβέρνησης: Πρέπει να ορίσετε τι επιτρέπεται να αγγίξει ο πράκτορας.
Ένας χρήσιμος φακός είναι να αντιμετωπίζετε τους πράκτορες προγραμματισμού ως "νεότερους συνεργάτες": γρήγοροι, ακούραστοι, αλλά απαιτούν σαφείς προδιαγραφές, όρια και αναθεώρηση.
Ανταγωνιστικό τοπίο: Cursor έναντι Claude Code και Codex
Η διεπαφή "agent-first" του Cursor 3 αντικατοπτρίζει έναν ευρύτερο ανταγωνισμό: εμπειρίες εγγενείς στο IDE έναντι αυτόνομων εργαλείων πρακτόρων.
Σύγκριση βασικών χαρακτηριστικών (τι έχει σημασία στην πράξη)
Κατά την αξιολόγηση εργαλείων προγραμματισμού με πράκτορες, οι διαφοροποιητές σπάνια είναι η διεπαφή συνομιλίας—είναι λειτουργικοί.
1) Εισαγωγή και ανάκτηση πλαισίου
- Πώς ευρετηριάζει ο πράκτορας τη βάση κώδικα;
- Σέβεται τα monorepos και τις πολλαπλές γλώσσες;
- Μπορεί να αντλήσει έγγραφα, εισιτήρια και προηγούμενα PR;
2) Χρήση εργαλείων και εκτέλεση
- Μπορεί ο πράκτορας να εκτελέσει δοκιμές, linters, builds;
- Μπορεί να ανοίξει PR, να δημιουργήσει κλάδους και να σχολιάσει diffs;
3) Έλεγχοι με ανθρώπινη παρέμβαση (Human-in-the-loop)
- Τι εφαρμόζεται αυτόματα έναντι του τι τίθεται προς αναθεώρηση;
- Μπορείτε να απαιτήσετε εγκρίσεις για ευαίσθητους καταλόγους;
4) Ασφάλεια και συμμόρφωση
- Ρυθμίσεις διατήρησης δεδομένων
- Επιλογές μοντέλου/παρόχου
- Εταιρικοί έλεγχοι (SSO, αρχεία καταγραφής ελέγχου)
5) Προβλεψιμότητα κόστους
- Τιμολόγηση συνδρομής έναντι μοντέλων βάσει χρήσης
- Προστατευτικά κιγκλιδώματα για την αποφυγή ανεξέλεγκτων κλήσεων εργαλείων
Για τις εταιρικές ομάδες, το "καλύτερο" εργαλείο είναι συχνά αυτό που ταιριάζει στους περιορισμούς διακυβέρνησης και CI/CD, όχι απαραίτητα αυτό με τον πιο εντυπωσιακό πράκτορα.
Τοποθέτηση στην αγορά: γιατί αυτός ο αγώνας είναι έντονος
Η θέση του Cursor είναι ενδιαφέρουσα επειδή βρίσκεται μεταξύ των προγραμματιστών και των παρόχων μοντέλων αιχμής. Καθώς η OpenAI και η Anthropic κυκλοφορούν πράκτορες προγραμματισμού πρώτης κατηγορίας, οι κατασκευαστές εργαλείων πρέπει να διαφοροποιηθούν μέσω:
- Σχεδιασμού ροής εργασίας (ενορχήστρωση πρακτόρων, εμπειρίες αναθεώρησης)
- Ενσωματώσεων (φιλοξενία αποθετηρίων, εισιτήρια, σάρωση ασφαλείας)
- Εταιρικής ετοιμότητας (έλεγχοι πολιτικής, προμήθειες)
Αυτό αντικατοπτρίζει προηγούμενους κύκλους πλατφορμών: οι πάροχοι θεμελιώδους τεχνολογίας τείνουν να ανεβαίνουν στο stack με την πάροδο του χρόνου.
Αξιόπιστες αναφορές:
- Τα δημόσια έγγραφα του GitHub δείχνουν πώς το "AI στο IDE" παράγεται σε κλίμακα (GitHub Copilot)
- Η Microsoft συζητά υπεύθυνες πρακτικές AI που επηρεάζουν την εταιρική υιοθέτηση (Microsoft Responsible AI)
Ενσωμάτωση πρακτόρων AI στις ροές εργασίας ανάπτυξης
Η μεγαλύτερη διαφορά μεταξύ της "δοκιμής πρακτόρων" και της "λήψης αξίας από πράκτορες" είναι η πειθαρχία ενσωμάτωσης.
Βέλτιστες πρακτικές για την ενσωμάτωση
Χρησιμοποιήστε αυτή τη λίστα ελέγχου για να αναπτύξετε προσαρμοσμένους πράκτορες AI υπεύθυνα.
1) Καθορίστε την εργασία που πρέπει να γίνει (και μια μέτρηση επιτυχίας)
Επιλέξτε εργασίες με σαφή αποτελέσματα:
- "Δημιουργία PR που προσθέτει το endpoint X με δοκιμές"
- "Αναδιοργάνωση της ενότητας Y για κατάργηση της χρήσης API που έχει καταργηθεί"
- "Διαλογή: επισήμανση και δρομολόγηση εισιτηρίων ανά κατηγορία με 90% ακρίβεια"
Οι μετρήσεις μπορεί να περιλαμβάνουν:
- Μείωση χρόνου κύκλου
- Ποσοστό ελαττωμάτων / διαφυγόντα σφάλματα
- Χρόνος αναθεώρησης
- Ποσοστό εκτροπής εισιτηρίων (για πράκτορες υποστήριξης)
2) Ξεκινήστε με περιορισμένα δικαιώματα
Οι πράκτορες πρέπει να ακολουθούν την αρχή των ελάχιστων προνομίων:
- Πρόσβαση μόνο για ανάγνωση στα περισσότερα αποθετήρια
- Πρόσβαση εγγραφής μόνο μέσω PR
- Καμία πρόσβαση στην παραγωγή χωρίς ρητές εγκρίσεις
Εάν προσθέτετε ένα AI bot υποστήριξης πελατών, περιορίστε το ακόμη περισσότερο:
- Καμία δυνατότητα αλλαγής ρυθμίσεων λογαριασμού
- Περιορισμένη πρόσβαση σε PII
- Σαφείς διαδρομές κλιμάκωσης
3) Κάντε τις δοκιμές και τις πολιτικές αδιαπραγμάτευτες
Κάντε τον "ορισμό της ολοκλήρωσης" ρητό:
- Απαιτούνται δοκιμές μονάδας (unit tests)
- Πρέπει να περνούν οι έλεγχοι lint και τύπων
- Πολιτική εξαρτήσεων (εγκεκριμένα μητρώα, άδειες)
Αντιστοιχίστε αυτό σε αυτοματοποιημένες πύλες στο CI.
Αξιόπιστες αναφορές:
- Το Secure AI Framework (SAIF) της Google παρέχει έναν ρεαλιστικό φακό ασφαλείας για συστήματα AI (Google SAIF)
4) Χρησιμοποιήστε την ανάκτηση προσεκτικά (ποιότητα > ποσότητα)
Το RAG (ανάκτηση επαυξημένης παραγωγής) βοηθά τους πράκτορες να χρησιμοποιούν τα έγγραφα και τα εισιτήριά σας—αλλά μόνο αν:
- Οι πηγές είναι επιμελημένες (αφαιρέστε παλιά runbooks)
- Επιβάλλονται δικαιώματα
- Ενθαρρύνονται οι αναφορές για αποτελέσματα υψηλού διακυβεύματος
5) Αξιολογήστε με σύνολα δοκιμών πραγματικού κόσμου
Πριν από την κυκλοφορία, δοκιμάστε τους πράκτορες σε:
- Γνωστές εργασίες διόρθωσης σφαλμάτων
- Προηγούμενα εισιτήρια με αποτελέσματα πραγματικής αλήθειας
- Σενάρια ευαίσθητα στην ασφάλεια (προσπάθειες έγχυσης προτροπών)
Αξιόπιστες αναφορές:
- Το έργο της Anthropic για τη συμπεριφορά και την αξιολόγηση μοντέλων είναι χρήσιμο υπόβαθρο για την οικοδόμηση ασφαλέστερων συστημάτων (Anthropic Research)
Παραδείγματα εργασιών πρακτόρων AI (πέρα από το "γράφω κώδικα")
Η αξία του πράκτορα επεκτείνεται δραματικά όταν τον συνδέετε με επιχειρηματικές ροές εργασίας.
Εργασίες εστιασμένες στη μηχανική
- Δημιουργία σκαλωσιάς χαρακτηριστικών και άνοιγμα PR
- Σύνταξη σεναρίων μετεγκατάστασης και ερωτημάτων επικύρωσης
- Περίληψη μιας αποτυχημένης εκτέλεσης CI και πρόταση διορθώσεων
- Ενημέρωση τεκμηρίωσης βάσει αλλαγών κώδικα
Λειτουργικές εργασίες (πράκτορες αυτοματισμού AI)
- Παρακολούθηση αρχείων καταγραφής και σύνταξη περιλήψεων συμβάντων
- Δημιουργία εβδομαδιαίων ενημερώσεων κατάστασης από το Jira/GitHub
- Πρόταση ενεργειών περιποίησης backlog (διπλότυπα, πληροφορίες που λείπουν)
Εργασίες που απευθύνονται σε πελάτες (συνομιλητικοί πράκτορες AI / διαδραστικοί πράκτορες AI)
- Ένας καθοδηγούμενος βοηθός αντιμετώπισης προβλημάτων ενσωματωμένος στο κέντρο βοήθειας
- Ένας πράκτορας ενσωμάτωσης που απαντά σε ερωτήσεις προϊόντος με αναφορές
- Ένα AI bot υποστήριξης πελατών που συντάσσει απαντήσεις και κλιμακώνει οριακές περιπτώσεις
Ένας πρακτικός ευρετικός κανόνας: ξεκινήστε με εργασίες όπου τα σφάλματα έχουν χαμηλό κόστος και η αναθεώρηση είναι εύκολη, στη συνέχεια προχωρήστε σε ροές εργασίας με μεγαλύτερο αντίκτυπο.
Το μέλλον των πρακτόρων AI στον προγραμματισμό
Το Cursor 3 είναι ένα ορόσημο προϊόντος, αλλά η βαθύτερη αλλαγή είναι αρχιτεκτονική: τα εργαλεία κατασκευάζονται για "πολλούς πράκτορες + έναν άνθρωπο αναθεωρητή".
Καινοτομίες που πρέπει να προσέξετε
-
Ενορχήστρωση και δρομολόγηση πρακτόρων Οι ομάδες θα χρησιμοποιούν πολλούς εξειδικευμένους πράκτορες (δοκιμές, ασφάλεια, έγγραφα) που συντονίζονται από έναν ελεγκτή.
-
Επαληθεύσιμα αποτελέσματα Περισσότερη έμφαση στη δομημένη συλλογιστική, τα αρχεία καταγραφής εργαλείων και την αναπαραγωγιμότητα—ώστε οι αναθεωρητές να μπορούν να δουν γιατί άλλαξε κάτι.
-
Πράκτορες με επίγνωση πολιτικής Πράκτορες που κατανοούν τους εσωτερικούς κανόνες (ασφάλεια, οδηγοί στυλ, χειρισμός δεδομένων) και μπορούν να εξηγήσουν τη συμμόρφωση.
-
Πιο στενοί βρόχοι IDE + cloud Τα πρότυπα "προσχέδιο στο cloud, αναθεώρηση τοπικά" θα γίνουν κοινά καθώς η υπολογιστική ισχύς και το πλαίσιο κλιμακώνονται.
Προβλέψεις για το AI στην ανάπτυξη
- Οι προγραμματιστές θα αφιερώνουν περισσότερο χρόνο στην αναθεώρηση παρά στη σύνταξη. Αυτό καθιστά τα εργαλεία αναθεώρησης κώδικα, τις δοκιμές και τη σαφήνεια της αρχιτεκτονικής ακόμη πιο σημαντικά.
- Η εταιρική υιοθέτηση θα εξαρτηθεί από τη διακυβέρνηση. Τα αρχεία καταγραφής ελέγχου, ο έλεγχος πρόσβασης και οι ρυθμίσεις απορρήτου θα έχουν τόση σημασία όσο η ποιότητα του μοντέλου.
- Οι πράκτορες θα εξαπλωθούν πέρα από τη μηχανική. Τα ίδια δομικά στοιχεία θα τροφοδοτούν τις λειτουργίες πωλήσεων, τις λειτουργίες χρηματοδότησης και την υποστήριξη πελατών—συχνά με καλύτερη απόδοση επένδυσης από τον προγραμματισμό μόνο.
Αξιόπιστες αναφορές:
- Το έργο των προτύπων ISO/IEC για τη διακυβέρνηση AI παρέχει μια μακροπρόθεσμη άποψη των ελέγχων που θα κληθούν να εφαρμόσουν οι οργανισμοί (ISO/IEC JTC 1/SC 42)
Πρακτική λίστα ελέγχου: αποφασίζοντας αν χρειάζεστε προσαρμοσμένους πράκτορες AI τώρα
Χρησιμοποιήστε αυτό το φίλτρο απόφασης με την ομάδα σας:
- Έχουμε επαναλαμβανόμενες, καλά καθορισμένες εργασίες με σαφή κριτήρια αποδοχής;
- Έχουμε ισχυρό CI/δοκιμές για να εντοπίσουμε παλινδρομήσεις από αλλαγές που δημιουργήθηκαν από πράκτορες;
- Μπορούμε να επιβάλουμε την αρχή των ελάχιστων προνομίων και να κρατήσουμε τα ευαίσθητα συστήματα πίσω από εγκρίσεις;
- Έχουμε πηγές γνώσης (έγγραφα, runbooks, εισιτήρια) που αξίζει να ανακτηθούν;
- Έχουμε ιδιοκτήτες για αξιολόγηση (ακρίβεια/ανάκληση, βαθμολογία ποιότητας, SLA);
Αν απαντήσετε "όχι" στα περισσότερα, ξεκινήστε βελτιώνοντας τα έγγραφα, την κάλυψη δοκιμών και τους ορισμούς ροής εργασίας πρώτα—οι πράκτορες θα ενισχύσουν οποιαδήποτε διαδικασία έχετε ήδη.
Συμπέρασμα: μετατρέποντας τη διαφημιστική εκστρατεία των πρακτόρων σε διαρκή αξία
Το Cursor 3 υπογραμμίζει μια σαφή κατεύθυνση: οι ομάδες θέλουν προσαρμοσμένους πράκτορες AI που μπορούν να εκτελούν ουσιαστικές εργασίες, όχι μόνο να συμπληρώνουν αυτόματα κώδικα. Οι νικητές—τόσο οι προμηθευτές εργαλείων όσο και οι εσωτερικές πλατφόρμες—θα είναι αυτοί που θα κάνουν τους πράκτορες ασφαλείς, ελέγξιμους και ενσωματωμένους με πραγματικές ροές εργασίας.
Εάν εξετάζετε την ανάπτυξη πρακτόρων AI, ξεκινήστε μικρά, μετρήστε τα αποτελέσματα και κρατήστε τους ανθρώπους στο κύκλωμα. Χρησιμοποιήστε πράκτορες αυτοματισμού AI για λειτουργικές νίκες και αναπτύξτε συνομιλητικούς πράκτορες AI και διαδραστικούς πράκτορες AI όπου μπορούν να βελτιώσουν την εμπειρία του πελάτη χωρίς να διακινδυνεύσουν την εμπιστοσύνη.
Για να εξερευνήσετε ένα συγκεκριμένο σημείο εκκίνησης υψηλής απόδοσης, μάθετε περισσότερα για τα AI chatbots για υποστήριξη πελατών της Encorp.ai—ειδικά εάν η ομάδα σας επιδιώκει να μειώσει τον όγκο των εισιτηρίων, να βελτιώσει τους χρόνους απόκρισης και να διατηρήσει τη διακυβέρνηση στο επίκεντρο.
Πηγές (εξωτερικές)
- NIST AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework
- OWASP Top 10 for LLM Applications: https://owasp.org/www-project-top-10-for-large-language-model-applications/
- Google Secure AI Framework (SAIF): https://blog.google/technology/ai/
- GitHub Copilot: https://github.com/features/copilot
- Microsoft Responsible AI: https://www.microsoft.com/en-us/en-us/ai/responsible-ai
- Anthropic Research: https://www.anthropic.com/research
- ISO/IEC JTC 1/SC 42 (AI standards): https://www.iso.org/committee/6794475.html
- WIRED context on Cursor 3: https://www.wired.com/tag/artificial-intelligence/
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation