Rozdíl ve výsledcích, které získáte s agenty AI, je dán kontextem, se kterým agent musí pracovat. Lidé obvykle poznají, když nemají dostatek informací pro daný úkol, ale agenti se o to pokusí bez ohledu na to. Naše pracovní postupy se tedy změní tak, aby pomáhaly agentům, a ne naopak.

Mysleli jsme si, že agenti umělé inteligence se přizpůsobí tomu, jak pracujeme, ale je pravděpodobnější, že naše pracovní postupy přizpůsobíme tomu, jak fungují nejlépe. Agenti nejlépe pracují s popisným kontextem, což znamená, že naše procesy budou mnohem konkrétnější a dobře zdokumentované.

Co přesně jsou agenti umělé inteligence a jak změní způsob naší práce? @levie, @martin_casado, @stevesi, @eriktorenberg diskutujeme: (0:36) Co je to agent? Svoboda jednání, autonomie a smyčky zpětné vazby (4:27) Specializace úkolů a dělba práce v AI (6:04) Antropomorfizace umělé inteligence a její ekonomický dopad (9:10) Předpovědi, pokrok a rekurzivní sebezdokonalování (13:13) Halucinace, ověřování a expertní produktivita (16:16) Přijetí nástroje, odborníci a změna pracovních postupů (45:55) Dělba práce, vertikalizace a nové role v aplikované umělé inteligenci (54:44) Soutěž o platformu a aplikační vrstva

Pokud máme 100x více agentů umělé inteligence než lidí, kteří pracují ve firmě, je ve skutečnosti mnohem pravděpodobnější, že se přizpůsobíme tomu, jak agenti fungují nejlépe, než abychom se přizpůsobili tomu, jak pracujeme my. Agenti umělé inteligence v zásadě prosperují v kontextu a rozptyl v tom, co z nich získáte, téměř výhradně souvisí s tím, jak dobrý je váš kontext. Což znamená, že mnoho "nových" způsobů, jak pracujeme, bude sloužit k tomu, abychom agentům poskytli správný kontext. Před umělou inteligencí bylo docela snadné se smířit s tím, že bude existovat omezená dokumentace o tom, jak něco funguje, protože jste se mohli jednoduše zeptat svého kolegy. To mělo samozřejmě obrovské nevýhody, protože to ztížilo nábor nového zaměstnance, je to daň pro stávající talenty a časem ztratíte spoustu institucionálních znalostí. Agenti umělé inteligence tento luxus nemají. Agenti umělé inteligence nemají výhodu veškerého situačního povědomí a osmózy, kterou mají lidé. Ve výchozím nastavení neznají vaše cíle, standardy společnosti, styl, další probíhající projekty atd. V Boxu jsme se zaměřili na umělou inteligenci a když kolegové vytvářejí agenty pro umělou inteligenci Boxu, ze své podstaty zachycují roky znalostí procesů a nakonec je zapisují, aby s nimi agent mohl pracovat. Dokonce i v oblastech, kde máme dokumentaci k něčemu, je aktualizována způsobem, který je ze své podstaty přátelský k agentům. Ale to je jen začátek. V důsledku potřeby zvýšit produktivitu agentů existuje mnoho oblastí, ve kterých může být nutné postupně změnit: * Dokumentace ke všem kritickým pracím. Začneme zapisovat jasné popisy mnoha dalších našich důležitých pracovních postupů způsobem, který je pro agenty přívětivý. A na rozdíl od posunu dokumentace, ke kterému dochází v pracovních postupech lidí, budeme potřebovat, aby byly aktualizovány, protože každé spuštění agenta je restartem znalostí a zkušeností agenta. * Jasná pravidla a pokyny pro agenty. Každá společnost má jiné stylové průvodce, různé standardy kódu, interní zásady atd., které musí agenti dodržovat. Stejně jako jsme to viděli u věcí jako jsou pravidla kurzoru, můžeme to očekávat pro všechny oblasti práce se znalostmi. * Nové přístupy k agentní paměti. Pravděpodobně budeme potřebovat jednodušší způsoby, jak nastartovat agenty, kteří se mohou napojit na paměťovou banku od uživatele na základě různých modalit nebo práce, kterou ve firmě vykonávají. A pak bude otázkou, zda si něco z této vzpomínky budu moci vzít s sebou později, což je z hlediska firemního duševního vlastnictví nepravděpodobné. * Lépe strukturované technologické stacky. V důsledku toho, jak snadno mohou agenti umělé inteligence sejít z kolejí, bude kladen obrovský důraz na kvalitu IT architektury společnosti, čistotu jejích dat, aktuálnost řízení přístupu atd. Malé odchylky zde významně omezí, jak moc můžete na agenty tlačit, nebo dosáhnete špatných výsledků nebo skutečného obchodního rizika. * Kontext pro agenty umělé inteligence přesáhne typické organizační struktury. Ve světě, kde agenti potřebují spolupracovat napříč více částmi technologického stacku (back-end a frontend) nebo obchodního procesu (právní a prodejní operace), nemusíme být schopni mapovat pracovní postupy agentů AI a přístup k datům pouze na stávající zaměstnance a funkce, což má zcela nové důsledky. Bude velmi zajímavé sledovat, jak se společnosti v průběhu času mění, aby podpořily produktivitu agentů, a co to znamená pro budoucnost práce.

Zde je pohled na to, jak budou vypadat agenti umělé inteligence ve znalostní práci. Se serverem Box MCP můžete Claudovi říct, aby v Boxu vytvořil strukturu složek pro M&A obchod a kontrolní seznam dat. V budoucnu budete mít jen agenty na pozadí, kteří budou automatizovat cokoli.

Prémie za to, že jste někdo, kdo má šíleně aktuální informace o tom, co se děje v oblasti umělé inteligence, je právě teď tak vysoká. Prostor se mění tak rychle, že vyniknete tím, že budete více AI nativní a chyceni než všichni ostatní. Obrovská příležitost pro novou generaci pracovní síly.

Agenti umělé inteligence s plným využitím nástrojů budou docela šílení. Zde je Claude, který pomocí serverů Box a Linear MCP přebírá dokumenty k produktovým plánům z Boxu a mění je na problémy, které je třeba sledovat. Toto je malý příklad toho, jak vypadá budoucnost interoperability agentů AI.

Nejjednodušší způsob, jak právě teď přijít o plnou sílu agentů umělé inteligence, je prostě s nimi nedělat dost. Většinu času je lidé prostě netlačí dostatečně daleko, a tak pravděpodobně těží jen z malé části potenciálu. Je ohromující, když mluvíte se startupy a dozvíte se o tom, jaké jsou jejich nové pracovní postupy a o kolik více toho dokážou udělat, než byste mohli udělat jen před několika lety se stejnými zdroji. To je prostě obrovská asymetrie pro všechny v obraze. Týmy a společnosti, které jdou na umělou inteligenci jako první, budou pravděpodobně vždy o několik kroků napřed před ostatními, protože rozpoznají, jak posunout modely a agenty dále, a tyto poznatky se budou sčítat. Pro všechny ostatní bude existovat neuvěřitelné množství nevyužitých schopností, které tam prostě sedí.

Téměř každá studie ukazuje, že lékaři s umělou inteligencí fungují lépe než ti bez ní. Nyní AI dosahuje perfektních výsledků v lékařských licenčních zkouškách. Jednoduše budete očekávat, že každý poskytovatel profesionálních služeb, ke kterému půjdete, bude v budoucnu používat umělou inteligenci, nebo nebudete radám věřit.

Jedním z jemných důvodů, proč bude velikost trhu s AI Agents větší, než si uvědomujeme, je mnoho případů použití, kdy je užitečné provozovat více agentů paralelně k vyřešení stejného problému. To nebylo nikdy možné u většiny vědomostních prací dříve. Bylo by prostě neúnosné vrhnout na stejný problém více lidí. Ale protože jsme dramaticky snížili náklady na nasazení inteligence, můžete si dovolit mít větší redundanci a posuzovat věci z ještě více úhlů. Tyto příklady již vidíme v řadě oblastí. Lidé používají agenty pro kontrolu kódu AI na stejné změny kódu, aby nabídli jemné rozdíly v analýze. Totéž by platilo pro bezpečnostní agenty, kteří kontrolují kód, kde je pouze větší hodnota v dodatečném pokrytí. V úlohách hloubkového výzkumu je často užitečné mít paralelně spuštěno více výzev pro porovnání různých přístupů. A můžeme očekávat, že se to projeví v mnoha dalších oblastech, kde více různých pohledů nabízí přírůstkovou hodnotu pracovního postupu, jako je právní práce, zdravotnictví, finanční analýza, vědecký výzkum, nápady na produkty, tvorba marketingového obsahu a další. To je důvod, proč je nemožné odhadnout celý TAM mnoha z těchto trhů. Pokud byste si mysleli, že agenti pouze přibližně k tomu, jak pracujeme dnes, 1:1, bylo by snadné přehlédnout všechny způsoby, jakými budeme agenty používat ve workflow. To je důvod, proč tyto trhy nemají v budoucnu žádný přirozený strop.