Si tenemos 100 veces más agentes de IA que personas trabajando en una empresa, es mucho más probable que nos adaptemos a cómo los agentes trabajan mejor en lugar de que los agentes se adapten a cómo trabajamos nosotros. Los agentes de IA prosperan fundamentalmente en el contexto, y la variación en lo que obtienes de ellos se relaciona casi por completo con qué tan bueno es tu contexto. Lo que significa que muchas de las *nuevas* formas en que trabajamos estarán al servicio de proporcionar a los agentes el contexto adecuado. Antes de la IA, era bastante fácil aceptar que habría documentación limitada sobre cómo funcionaba algo porque podías simplemente preguntar a tu colega. Esto tenía enormes desventajas, por supuesto, porque hacía que fuera mucho más difícil integrar a un nuevo empleado, era un impuesto sobre el talento existente y se perdía mucho conocimiento institucional con el tiempo. Los agentes de IA no tienen este lujo. Los agentes de IA no tienen el beneficio de toda la conciencia situacional y la osmosis que tienen las personas. Por defecto, no conocen tus objetivos, los estándares de la empresa, el estilo, otros proyectos en curso, etc. A medida que hemos adoptado un enfoque de IA en Box, cuando los colegas construyen agentes de IA de Box, están capturando inherentemente años de conocimiento de procesos y finalmente lo están escribiendo para que el agente opere. Incluso en las áreas donde tenemos documentación sobre algo, se está actualizando de una manera que es inherentemente amigable para los agentes. Pero esto es solo el comienzo. Como resultado de la necesidad de hacer que los agentes sean más productivos, hay muchas áreas en las que el trabajo puede necesitar cambios incrementales: * Documentación para todo el trabajo crítico. Comenzaremos a escribir descripciones claras de muchos más de nuestros flujos de trabajo importantes de una manera que sea amigable para los agentes. Y a diferencia de la deriva de documentación que ocurre en los flujos de trabajo humanos, necesitaremos que se mantengan actualizadas ya que cada ejecución de un agente es un reinicio del conocimiento y la experiencia del agente. * Reglas e instrucciones claras para los agentes. Cada empresa tiene diferentes guías de estilo, diferentes estándares de base de código, políticas internas, etc., a las que los agentes deben adherirse. Así como hemos visto con cosas como las reglas de Cursor, podemos esperar esto para todas las áreas del trabajo del conocimiento. * Nuevos enfoques para la memoria de los agentes. Probablemente necesitaremos formas más fáciles de integrar a los agentes que puedan acceder a un banco de memoria de un usuario basado en diferentes modalidades o trabajos que realizan en una empresa. Y luego la pregunta será si puedo llevarme alguna de esta memoria más tarde, lo cual es poco probable desde el punto de vista de la propiedad intelectual corporativa. * Pilas tecnológicas mejor estructuradas. Como resultado de lo fácil que es para los agentes de IA desviarse, habrá una gran prima sobre la calidad de la arquitectura de TI de una empresa, la limpieza de sus datos, cuán actualizados están sus controles de acceso, etc. Pequeñas desviaciones aquí limitarán significativamente cuánto puedes empujar a los agentes a hacer o obtendrás malos resultados o un riesgo empresarial real. * El contexto para los agentes de IA trascenderá las estructuras organizativas típicas. En un mundo donde los agentes necesitan colaborar a través de múltiples partes de una pila tecnológica (backend y frontend) o procesos comerciales (legal y operaciones de ventas), es posible que no podamos mapear los flujos de trabajo de los agentes de IA y el acceso a datos solo a empleados y funciones existentes, lo que tiene nuevas implicaciones. Va a ser muy interesante observar cómo las empresas cambian con el tiempo para apoyar la productividad de los agentes y lo que esto significa para el futuro del trabajo.