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。