Il existe un large fossé entre ceux qui obtiennent des gains de productivité majeurs grâce aux agents IA et ceux qui ne le font pas. La différence réside dans la volonté de faire le travail en amont pour rendre l'agent efficace en lui fournissant le bon contexte, de comprendre qu'il faut revoir et éditer le travail (au lieu d'être complètement passif), et de pousser réellement les modèles à faire plus pour vous que vous ne le pensiez possible. Si vous ne souhaitez pas réinventer vos flux de travail, vous risquez de rester bloqué avec des améliorations de productivité modestes pour le moment. Si vous prenez réellement le temps de modifier vos processus pour tirer parti des gains de l'IA, l'avantage est qu'à mesure que les modèles progressent, ces gains s'accumuleront immédiatement pour vous. La clé est de définir vos attentes de manière appropriée.

Un grand effet des agents AI est qu'ils prennent des ressources et des compétences auparavant rares et les rendent abondantes et accessibles à tous. En conséquence, vous pouvez "vous servir vous-même" pour beaucoup plus de problèmes difficiles que vous deviez auparavant confier à d'autres pour les résoudre. Le responsable marketing peut s'occuper de plus d'aspects du marketing. Le designer peut gérer plus d'aspects de la gestion de produit. Et ainsi de suite. En conséquence, cela devrait apparemment finir par brouiller les frontières entre les fonctions de travail adjacentes. Cependant, il existe une force contraire, à savoir que les experts dans un domaine donné sont désormais beaucoup plus puissants qu'ils ne l'étaient auparavant, ce qui soutient généralement la spécialisation car nous redéfinissons simplement les exigences du poste. Donc, la grande question est de savoir si cette spécialisation va se renforcer parce que les outils rendent les experts bien meilleurs dans ce qu'ils font, ou si la spécialisation va progressivement s'effondrer parce que tout le monde peut faire beaucoup plus.

Concevoir des modèles d'interaction pour les agents IA est un processus fascinant. En théorie, cela devrait être aussi simple que de concevoir l'interaction que vous souhaiteriez avoir avec une autre personne qui travaille pour vous. Une grande différence, cependant, est que cela ne coûte rien à ce travailleur de montrer tout le travail qu'il effectue en cours de route, ou comment il est arrivé à son résultat final, ce qui est un atout énorme. Et en même temps, vous voulez généralement avoir la certitude qu'il fait la bonne chose, ou vous pourriez avoir besoin de l'orienter dans une direction différente s'il déraille. À l'ère de l'automatisation et des robots, voir plus de contexte sur ce que le système IA semble faire sera probablement très utile pour établir la confiance. Lorsque vous entrez dans une Waymo ou une Tesla FSD, votre confiance dans la technologie augmente car vous pouvez voir qu'elle perçoit bien plus que vous ne le réalisiez. Il en va de même pour les agents IA. La clé est donc de trouver le bon équilibre entre montrer trop de choses d'une manière que l'utilisateur ne peut pas comprendre (ou peut-être dirait "ouah" en voyant comment cela fonctionne réellement) et montrer trop peu, rendant les processus trop obscurs pour en tirer de la valeur. Cela va être l'un des défis de conception les plus intéressants à l'ère des agents IA.