如果我們在一家公司中擁有比員工多100倍的AI代理，那麼我們實際上更有可能適應代理的最佳工作方式，而不是代理適應我們的工作方式。 AI代理在本質上依賴於上下文，而你從它們那裡獲得的結果的差異幾乎完全與上下文的質量有關。這意味著我們工作的新方式將很大程度上是為了給代理提供正確的上下文。 在AI出現之前，接受某些事情的工作方式有有限文檔是相對容易的，因為你可以直接問同事。當然，這有巨大的缺點，因為這使得新員工的培訓變得更加困難，對現有人才造成了負擔，並且隨著時間的推移，你會失去大量的機構知識。 AI代理沒有這種奢侈。AI代理沒有人人所擁有的所有情境意識和滲透的好處。默認情況下，它們不知道你的目標、公司標準、風格、正在進行的其他項目等等。 隨著我們在Box中優先考慮AI，當同事們構建Box AI代理時，他們本質上是在捕捉多年的流程知識，並最終將其記錄下來，以供代理操作。即使在我們有某些事情的文檔的領域，這些文檔也在以對代理友好的方式進行更新。但這僅僅是開始。 由於需要提高代理的生產力，工作可能需要逐步改變的領域有很多： * 所有關鍵工作的文檔。我們將開始以對代理友好的方式寫下更多重要工作流程的清晰描述。與人類工作流程中發生的文檔漂移不同，我們需要確保這些文檔保持最新，因為每次代理運行都是代理知識和經驗的重啟。 * 對代理的明確規則和指示。每家公司都有不同的風格指南、不同的代碼庫標準、內部政策等，代理必須遵守。正如我們在Cursor規則中看到的那樣，我們可以期待在所有知識工作領域都出現這種情況。 * 對代理記憶的新方法。我們可能需要更簡單的方式來提升代理，使其能夠根據用戶在公司中執行的不同模式或工作訪問記憶庫。然後問題是我是否可以在以後帶走這些記憶，從企業知識產權的角度來看，這不太可能。 * 更好結構化的技術棧。由於AI代理容易偏離軌道，因此公司IT架構的質量、數據的整潔性、訪問控制的更新程度等將變得極為重要。這裡的小偏差將顯著限制你能推動代理做多少事情，否則你將得到糟糕的結果或真正的商業風險。 * AI代理的上下文將超越典型的組織結構。在一個代理需要跨多個技術棧（後端和前端）或業務流程（法律和銷售運營）協作的世界中，我們可能無法僅將AI代理的工作流程和數據訪問映射到現有員工和職能，這將帶來全新的影響。 觀察公司如何隨著時間的推移而改變以支持代理的生產力，以及這對未來工作的意義，將會非常有趣。