Hvis vi har 100 ganger flere AI-agenter enn folk som jobber i et selskap, er det faktisk mye mer sannsynlig at vi tilpasser oss hvordan agenter fungerer best i stedet for agenter som samsvarer med hvordan vi jobber. AI-agenter trives grunnleggende med kontekst, og variasjonen i hva du får ut av dem er nesten utelukkende relatert til hvor god konteksten din er. Noe som betyr at mange av de *nye* måtene vi jobber på vil tjene til å gi agenter den rette konteksten. Før AI var det ganske enkelt å bare akseptere at det ville være begrenset dokumentasjon på hvordan noe fungerte fordi du bare kunne spørre kollegaen din. Dette hadde selvfølgelig enorme ulemper, fordi det gjorde det mye vanskeligere å rampe en ny ansatt, det er en skatt på eksisterende talent, og du mister mye institusjonell kunnskap over tid. AI-agenter har ikke denne luksusen. AI-agenter har ikke fordelen av all situasjonsbevisstheten og osmosen som folk har. Som standard kjenner de ikke dine mål, bedriftsstandarder, stil, andre prosjekter som pågår, og så videre. Ettersom vi har gått AI-først hos Box, når kolleger bygger Box AI-agenter, fanger de opp år med prosesskunnskap og skriver den til slutt ned for agenten å operere ut fra. Selv for de områdene der vi har dokumentasjon på noe, oppdateres den på en måte som er iboende vennlig for agenter. Men dette er bare begynnelsen. Som et resultat av behovet for å gjøre agenter mer produktive, er det mange områder som fungerer som kan trenge å endres trinnvis: * Dokumentasjon for alt kritisk arbeid. Vi vil begynne å skrive ned klare beskrivelser av mange flere av våre viktige arbeidsflyter på en måte som er agentvennlig. Og i motsetning til dokumentasjonsavvik som oppstår i menneskelige arbeidsflyter, trenger vi at disse holdes oppdatert, siden hver agentkjøring er en omstart av agentens kunnskap og erfaring. * Klare regler og instruksjoner for agenter. Hvert selskap har forskjellige stilguider, forskjellige kodebasestandarder, interne retningslinjer og så videre som agenter må følge. Akkurat som vi har sett med ting som markørregler, kan vi forvente dette for alle områder av kunnskapsarbeid. * Nye tilnærminger til agentminne. Vi vil sannsynligvis trenge enklere måter å øke agenter som kan benytte seg av en minnebank fra en bruker basert på forskjellige modaliteter eller arbeid de gjør i et selskap. Og så vil spørsmålet være om jeg kan ta med meg noe av dette minnet senere, noe som er usannsynlig fra et bedrifts IP-synspunkt. * Bedre strukturerte teknologistabler. Som et resultat av hvor lett AI-agenter kan gå av sporet, vil det være en enorm premie på kvaliteten på et selskaps IT-arkitektur, renslighet av dataene, hvor oppdaterte tilgangskontrollene er, etc. Små avvik her vil på en meningsfull måte begrense hvor mye du kan presse agenter til å gjøre, ellers vil du få dårlige resultater eller reell forretningsrisiko. * Kontekst for AI-agenter vil overskride typiske organisasjonsstrukturer. I en verden der agenter trenger å samarbeide på tvers av flere deler av en teknologistabel (støttet og frontend) eller forretningsprosess (juridiske operasjoner og salgsoperasjoner), kan det hende vi ikke kan kartlegge AI-agentarbeidsflyter og datatilgang bare til eksisterende ansatte og funksjoner, noe som har helt nye implikasjoner. Det kommer til å bli superinteressant å se hvordan selskaper endrer seg over tid for å støtte produktiviteten til agenter, og hva dette betyr for fremtidens arbeid.