En av de store fordelene med AI-agenter for kunnskapsarbeid er at avkastningen endres dramatisk på en rekke ting du ikke kunne ha gjort før. Det er tonnevis av arbeid som vi ikke gjør i dag fordi vi ikke kan rettferdiggjøre den "faste kostnaden" ved å få det i gang. Nesten hver nye idé blir et møte, med oppfølging og mer koordineringsskatt. Så du, med rette, prioriterer bare det arbeidet som har størst innvirkning, og ber om at du har tatt den riktige avgjørelsen om hva det er. AI Agents endrer kalkulusen her. Produktteamet har råd til å lage prototyper av flere ideer for å se hvilken som er best. Forretningsanalytikeren kan finkjemme mer kundedata for å finne en skjult innsikt. Ingeniøren kan bygge funksjoner raskere. Det juridiske teamet kan bedre støtte mindre kunder. Produktmarkedsføreren kan kjøre flere kampanjer eller teste flere meldinger for å nå flere kunder. Noen av disse tingene vil selvfølgelig ikke bety noe. Men mange vil gjøre det. Og ved å senke kostnadene ved å prøve en ny idé, teste et markedsføringsbudskap eller undersøke et marked, vil bedrifter begynne å gjøre langt mer enn før eller i det minste komme raskere til neste destinasjon.

Figma-casestudien er flott. Et team som er 100 % fokusert på å bygge gode produkter, produktledet vekst, rettferdige priser, bygge sterke nettverkseffekter og utvide til logiske tilstøtende områder uten å bli for overdrevet. Mange leksjoner for neste avling av startups.

Vanskelig å overdrive hvor treg produktdesignprosessen var før Figma. Du ville bare brainstorme med low fi wireframes, tilbakemeldingssløyfer ville ta evigheter, og du ville vente i uker på mocks. Nå ser du i utgangspunktet en prototype av produktet ditt i løpet av timer etter at du har kommet opp med det.

Stor gratulasjon til @zoink og Figma-teamet i dag. Figma revolusjonerte hvordan vi designer og bygger programvare på Box - "low fidelity mock" er ikke lenger en ting lenger. Å se Dylan og teamet de siste 12 årene har vært supergøy, og gleder meg til å se hva de gjør videre.

TAM-utvidelsen som skjer når programvare leverer den faktiske arbeidsutgangen er større enn vi tror. Programvareseter har blitt målt i $100s per enhet i en pre-agent-verden. Men AI-agentenes arbeid blir målt i $1,000 eller $10,000 eller mer per enhet.

AI-agenter kommer til å viske ut grensene mellom de typiske rolledefinisjonene vi har bygget opp gjennom årene. Enhver gitt funksjon kan nå gjøre flere av sine peer-roller. Produktsjefen kan lage en prototype av en funksjon. Produktmarkedsføreren kan lage mye mer av sitt eget markedsføringsmateriell. Selgeren kan generere sine egne produktdemoer. Og så videre. Samtidig vil den høyere produksjonen føre til at nye flaskehalser dukker opp og nye roller blir nødvendig for å løse disse. Flere produktprototyper betyr at flere funksjoner vil få grønt lys, og ingeniøroppgaver øker. Mer markedsføringsmateriell som opprettes betyr flere kampanjer å kjøre. Bedre salgsdemoer betyr at du kan nå flere kunder og gjøre flere avtaler. Og så videre. Dette er hva datamaskiner alltid har gjort for å fungere. AI Agents bare holder dette i gang. De får enhver rolle til å oppnå mer, noe som fører til mer produksjon. Og produksjon på ett område skaper nytt arbeid på et annet område.

Mer har endret seg om hvordan jeg tenker på arbeid bare det siste året enn de siste 20 årene til sammen. Siden vi har gått AI-først på Box, her er noen eksempler på hva jeg støter på. * Forutinntatthet mot prototyper fremfor en teori eller pitch. Min generelle forventning er at vi bør se fungerende eksempler på hva som er mulig eller hva vi bygger langt mer enn bare å snakke om det eller bare hoppe på en tavle. * De fleste prosjekter "blir større". I en verden der du kan designe mer, bygge mer og produsere mer innhold, er det nesten ikke noe scenario der du ender opp med å tenke smått i et prosjekt. Dette skjer innen markedsføring, produkt, salg og mer. Kontraintuitivt (for noen), ved at AI lar oss bli større, har vi faktisk ansatt i nye roller vi ikke ville ha rettferdiggjort før. * Grensene mellom klassisk definerte roller kommer sannsynligvis til å viskes ut mer og mer. En designer kan nå tenke mer som en statsminister. En produktmarkedsfører kan gjøre mye mer av de omkringliggende markedsføringsfunksjonene og mer. Det er et slags kappløp for å se hvilke roller som blør inn i andre, og deretter hvilke nye typer roller som dukker opp ut av det i prosessen. * Jeg forventer at det blir gjort mye mer forskning for nesten alle emner. Jeg tar meg selv i å spørre "har vi sjekket hvordan de 20 beste programvareselskapene gjør X?" i massevis av møter. Forventningen er at vi skal vite mye mer om *alt*. Dette endrer ikke dømmekraft og intuisjon, bare gir mer innsikt i prosessen. * Jeg vil sende oppgaver til AI før jeg feiler noen andre på noe relativt enkelt. Hvis jeg trenger informasjon i virksomheten, kan jeg spørre Box AI. Hvis jeg trenger å undersøke et emne, kan jeg sende en dyp forskningsoppgave til en agent. Hvis jeg vil se en mock selv, kan jeg få AI til å designe et raskt eksempel. Det samlede resultatet av alt dette er bare forventningen om at alt skal gå raskere og produksjonen skal øke. Vi har effektivt utvidet kapasiteten til selskapet over natten. Det blir vilt å se hvordan dette ser ut om 5 år fra nå.

Arbeid er normalt begrenset av hvor raskt vi individuelt kan utføre. AI snur dette og gjør oss alle til ledere av agenter. I denne verden handler mye arbeid om å komme opp med de beste spørsmålene for agenter, gjennomgå arbeidet deres og integrere resultatene deres.

Billion-dollar-muligheten i bedriftsprogramvare er AI-agenter. Grunnen til dette er at AI-agenter utvider mange programvarekategorier fordi de fleste verktøy har blitt begrenset av antall brukere i den andre enden av verktøyet. Bedriftsprogramvare gjorde det tradisjonelt mulig for folk å gjøre jobben sin. Men nå kommer programvaren også med faktisk produktiv produksjon. Dette bryter da de tradisjonelle grensene som mange programvaremarkeder har hatt, fordi mindre kunder kan bruke disse verktøyene mer, nye avdelinger og bransjer åpner seg, og tidligere knappe arbeidsområder kan skaleres mer. For eksempel satte de fleste estimater koden IDE-kategorien til noen få milliarder dollar for bare noen få år siden. Dette har - utrolig nok - alltid vært en veldig liten kategori av programvare. Vel, nå med AI-agenter er IDE-markedet og koding generelt en av de raskeste utgiftskategoriene innen teknologi. Dette er fordi det bringer automatisering til en aktivitet med høy verdi og forsyner verden med en tradisjonelt svært knapp og høykostnadsressurs, ingeniører. Det samme kommer til å gjelde for mange andre kategorier av arbeid på tvers av juridiske, finansielle tjenester, helsetjenester og mer. Utrolig nok åpner dette nå for mange nisjekategorier som bare ikke ville vært økonomisk levedyktige for et programvareselskap før. For eksempel ville det å gjøre en bedrift ut av å selge programvare til biovitenskapelige regulatoriske overholdelsesledere ha vært underskala før, men i en verden av AI-agenter blir dette plutselig mulig. Vi ser allerede dette i våre første Box AI Agent-brukstilfeller. Mange av de tidlige agentene som opprettes av kunder er for å automatisere eller utvide arbeidet i tidligere underbetjente områder. Dette lar kundene automatisere en prosess de aldri ville ha kommet til før, eller dramatisk utvide produksjonen av arbeidet de allerede gjorde. I alle tilfeller er det mer TAM som programvaren ikke rørte før. Alt i alt er det klart at AI-agenter kommer til å vokse mange programvarekategorier. Det er en utrolig tid å gå etter disse plassene fordi selv de små nå vil være enorme, og de store vil bare bli større. Tonnevis av muligheter.

AI Agents utvider mange programvarekategorier fordi de fleste verktøy har vært begrenset av antall potensielle brukere i den andre enden. Disse systemene leverer nå arbeid, noe som betyr at du har ubegrenset brukspotensial. I tillegg blir bedrifter i alle størrelser og nye avdelinger kjøpere.