Produkthantering för AI-agenter är utan tvekan den vildaste formen av produkthantering i historien. Typisk produkthantering är att försöka ta reda på hur man designar gränssnitt och programvara för att människor ska kunna interagera med deterministiska system. Användaren känner i allmänhet till allt sammanhang för att utföra sitt arbete framgångsrikt, så det handlar i allmänhet om att spika den underliggande affärslogiken och omgivande UX. Men med AI-agenter är agenten den användare du bryr dig mest om, och de vet ingenting som standard. De springer gärna i vilken riktning som helst för att utföra uppgiften, ofta utan framgång. Så som projektledare (eller ingenjör) ägnar du i princip din tid åt att försöka bakåtkompilera "vad skulle en människa behöva som kontext för att utföra den här uppgiften", och sedan ta reda på hur man utformar system för att få agenten att data i rätt ordning, med rätt verktyg och instruktioner. Vissa av dessa system är helt osynliga för den mänskliga användaren, men en del av hantverket är lika mycket hur slutanvändaren kommer att interagera med agenten för att tillhandahålla denna kontext. Sedan är det ofta oändliga försök och misstag som arbetar för att få fram inkrementella kvalitetspunkter i varje steg. Det är särskilt därför som personer med djup domänexpertis, eller de som kan skaffa sig den snabbt, kommer att klara sig extremt bra på att bygga AI-agenter. Förmågan att förutse det sammanhang som agenten skulle behöva för att bli framgångsrik är en stor avgörande faktor för hur effektiv agenten kommer att vara. Detta förklarar delvis varför kodningsagenter har fungerat så bra från början; Eftersom dess byggare djupt förstår domänen som de arbetar för att automatisera. Men det är uppenbart att vi snabbt kommer att se samma resultat inom alla områden - juridik, hälso- och sjukvård, ekonomi etc. - i takt med att kontextteknik och en ny generation av produktchefer dyker upp.