Un principio fundamental de la gestión de productos de agentes de IA es simplemente averiguar qué necesitaría una persona muy inteligente -sin ningún contexto inicial- para realizar la tarea con éxito. Todo el juego consiste en hacer todo lo posible para introducir la información adecuada en la ventana de contexto para garantizar que el agente tenga acceso a los datos y herramientas más relevantes para ejecutar. Cada vez que intentamos averiguar por qué algo funciona o no funciona en un agente, generalmente se reduce al hecho de que un humano necesitaría un contexto totalmente diferente o significativamente más para ejecutar la misma acción. Por lo general, el problema radica en el uso de herramientas por parte del agente (como la búsqueda), o en no darle al agente suficientes datos para trabajar, o a veces en darle demasiado, o en no explicar adecuadamente la tarea u objetivo, y así sucesivamente. Lo grandioso es que cada uno de estos problemas es tratable. Los modelos seguirán mejorando en cada uno de estos aspectos. Y siempre puedes aportar más capacidad de cálculo al problema en la forma que sea (más razonamiento, más planificación, más datos recuperados, etc.) - solo es una cuestión de compensaciones entre costo y velocidad. Un espacio muy interesante para construir.