企業で仕事をしている人よりも 100 倍多くの AI エージェントがいる場合、エージェントが私たちの働き方に準拠するのではなく、エージェントが最適な働き方に準拠している可能性がはるかに高くなります。 AI エージェントは基本的にコンテキストに基づいて成長し、そこから得られるもののばらつきは、ほぼ完全にコンテキストの良さに関係します。つまり、私たちの「新しい」働き方の多くは、エージェントに適切なコンテキストを提供するのに役立つということです。 AIが登場する前は、同僚に尋ねるだけで済むため、何かがどのように機能するかについてのドキュメントが限られていることを受け入れるのは非常に簡単でした。もちろん、これには、新入社員の採用がはるかに困難になり、既存の人材に負担がかかり、時間の経過とともに多くの組織的知識が失われるため、大きなマイナス面もありました。 AI エージェントにはこれほどの贅沢はありません。AI エージェントには、人間が持つ状況認識と浸透力の恩恵がすべて得られません。デフォルトでは、彼らはあなたの目標、会社の基準、スタイル、進行中の他のプロジェクトなどを知りません。 BoxではAIファーストに取り組んできたため、同僚がBox AIエージェントを構築するとき、本質的に長年のプロセス知識を取得し、最終的にエージェントが運用できるように書き留めています。何かに関するドキュメントがある分野でも、本質的にエージェントにとって使いやすい方法で更新されています。しかし、これはほんの始まりにすぎません。 エージェントの生産性を高める必要がある結果として、段階的に変更する必要がある可能性のある領域が数多くあります。 * すべての重要な作業のドキュメント。エージェントに優しい方法で、さらに多くの重要なワークフローの明確な説明を書き留め始めます。また、人間のワークフローで発生するドキュメントのドリフトとは異なり、エージェントを実行するたびにエージェントの知識と経験が再起動されるため、これらを最新の状態に保つ必要があります。 * エージェント向けの明確なルールと指示。どの企業にも、エージェントが遵守しなければならない異なるスタイルガイド、異なるコードベース標準、内部ポリシーなどがあります。カーソルルールなどで見てきたように、これは知識作業のすべての領域で期待できます。 * エージェントメモリへの新しいアプローチ。さまざまなモダリティや企業での作業に基づいて、ユーザーからメモリバンクを利用できるエージェントを増やすためのより簡単な方法が必要になるでしょう。そして、問題は、この記憶を後で持ち込めるかどうかですが、企業の知的財産の観点からはありそうにありません。 * より構造化された技術スタック。AIエージェントがいかに簡単に軌道から外れることができるかの結果として、企業のITアーキテクチャの品質、データのクリーンさ、アクセス制御の最新性などに大きなプレミアムが生じます。ここでの小さな逸脱は、エージェントにどれだけのことを促すことができるかを有意に制限し、悪い結果や実際のビジネスリスクを生じさせます。 * AI エージェントのコンテキストは、一般的な組織構造を超えます。エージェントが技術スタック(バックとフロントエンド)またはビジネスプロセス(法務と営業業務)の複数の部分でコラボレーションする必要がある世界では、AIエージェントのワークフローとデータアクセスを既存の従業員と機能のみにマッピングできない可能性があり、これはすべて新しい意味を持ちます。 エージェントの生産性をサポートするために企業が時間の経過とともにどのように変化するか、そしてこれが将来の仕事に何を意味するかを見るのは非常に興味深いでしょう。

ここでは、ナレッジワークにおける AI エージェントがどのようなものになるかを垣間見てみましょう。Box MCPサーバーを使用すると、M&A取引とデータチェックリストのためにBoxにフォルダ構造を作成するようにClaudeに指示できます。将来的には、バックグラウンドエージェントがあらゆるものを自動化するようになります。

AI で何が起こっているのかをめちゃくちゃ最新の状態に保つ人であることのプレミアムは、今非常に高いです。この分野は非常に急速に変化しているため、あなたは他の誰よりも AI ネイティブで追いつくことで目立つでしょう。次世代の労働力にとって大きなチャンスです。

ツールをフルに使用するAIエージェントは、かなり非常識なものになるでしょう。これは、ClaudeがBoxとLinear MCPサーバーを使用して、Boxから製品ロードマップドキュメントを取得し、追跡する課題に変換しているところです。これは、AI エージェントの相互運用性の将来がどのようなものになるかを示す小さな例です。

現在、AI エージェントのフルパワーを見逃す最も簡単な方法は、AI エージェントを十分に活用しないことです。ほとんどの場合、人々はそれらを十分に推し進めていないため、可能性のほんの一部からしか恩恵を受けていない可能性があります。 スタートアップと話して、彼らの新しいワークフローが何であるか、そしてほんの数年前と同じリソースでできたよりもどれだけ多くのことを成し遂げているかを知ると、驚くべきことです。 これは、知っている人なら誰にとっても大きな非対称性です。AI ファーストに進むチームや企業は、モデルやエージェントをさらに推進する方法を認識し、それらの学習が複合的になるため、常に他のチームや企業よりも数歩先を行く可能性があります。 他の人にとっては、信じられないほどの量の未開発の能力がそこに座っているだけでしょう。

ほとんどすべての研究で、AI を使用している医師は、使用していない医師よりも優れたパフォーマンスを発揮することが示されています。現在、AI は医師免許試験で満点を達成しています。将来、すべてのプロフェッショナル サービス プロバイダーが AI を使用することを期待するか、アドバイスを信頼しないでしょう。

AI エージェントの市場規模が私たちが思っているよりも大きくなる微妙な理由の 1 つは、同じ問題を解決するために複数のエージェントを並行して実行することが価値があるユースケースが数多くあることです。 これは、これまでのほとんどの知識作業では事実上不可能でした。より多くの人を同じ問題に投げ込むには法外なコストがかかるでしょう。しかし、インテリジェンスの導入コストを劇的に削減したため、冗長性を高め、さらに多くの角度から物事を検討することができます。 すでに多くの分野でこれらの例が見られます。人々は、同じコード変更に対して AI コード レビュー エージェントを使用して、分析に微妙な違いを提供しています。セキュリティエージェントにコードをレビューさせる場合も同様で、追加の補償範囲に価値があるだけです。詳細な調査タスクでは、複数のプロンプトを並行して実行して、さまざまなアプローチを比較すると便利なことがよくあります。 そして、これは、法律業務、ヘルスケア、財務分析、科学研究、製品アイデア、マーケティングコンテンツ作成など、複数の異なるビューがワークフローに段階的な価値を提供する他の多くの分野にも現れることが予想されます。 これが、これらの市場の多くで完全なTAMを見積もることが不可能である理由です。エージェントは今日の作業方法を1対1で概算しているだけだと思っていたら、ワークフローでエージェントを使用するすべての方法を見逃しがちです。これが、これらの市場が将来的に自然な上限がない理由です。

AI エージェントは、ソフトウェアの収益化における真の変革です。 従来、ソフトウェアは、特定のソフトウェアについて、シートあたり月額~10〜50ドル程度に上限が設けられていました。外れ値の垂直ソフトウェアもありますが、一般的には常にほぼこの上限を持っていました。 一方、AI エージェントは、ワークフロー内で誰かが AI エージェントを使用して何を行うかの実際の上限がないため、基本的に上限がありません。 これはすでにソフトウェアコーディングエージェントで見られ、月額数千ドルを支払っている人もいます。そして、これは完全に合理的です:ユーザーがAIコーディングエージェントで2倍から3倍の生産性を上げた場合、企業はエージェントに同等の給与の10%を費やしても瞬きしないでしょう。 しかし、これは、法的分析、医療報告書のレビュー、ローン文書の処理など、知識業務の一般的な分野全体でも起こり始めています。このダイナミクスは、あらゆるカテゴリーの仕事で期待する必要があります。 さて、モデルの改良が行われるにつれて、同価格が下がります。しかし、AI エージェントがより複雑なタスクを実行できるようになり、ワークフローで並行して実行されるエージェントが増えると、企業はこれらのエージェントをより多くデプロイすることになります。これからのワイルドな時代。

いくつかのカテゴリを除いて、ほとんどのスペースは依然として AI で広く開かれています。データとワークフローの堀が蓄積され始めるため、これは永遠に当てはまるわけではありませんが、今は一時的に当てはまることは確かです。 AI は過去 1 年間で大きく進歩し、ほとんどのスタートアップがこれまで構築しなければならなかった問題の多くをモデルで解決しました。そして、今日 AI エージェントでできる理由は、100 年前の約 2 倍の強力さです。 このため、これらの更新を活用するために適切な抽象化レイヤーを使用してアーキテクチャを構築することが重要になります。

AI は、スタック内の上位または下位の操作を開始したり、他の隣接する機能に拡張したりできるため、時間の経過とともに多くの機能間の境界線を曖昧にします。非常に明白な領域は、PMはほとんどの場合、機能的なプロトタイプを持って現れるべきだということです。