Productmanagement voor AI-agenten is zonder twijfel de wildste vorm van productmanagement in de geschiedenis. Typisch productmanagement probeert uit te zoeken hoe interfaces en software te ontwerpen voor mensen om te interageren met deterministische systemen. De gebruiker kent over het algemeen alle context om hun werk succesvol uit te voeren, dus het is meestal een kwestie van het onderliggende bedrijfslogica en de omringende UX goed krijgen. Maar met AI-agenten is de gebruiker die je het meest interesseert de agent, en die weet standaard niets. Ze zullen graag in elke richting rennen om de taak uit te voeren, vaak zonder succes. Dus als PM (of ingenieur) besteed je basically je tijd aan het proberen te reverse-engineeren "wat zou een mens nodig hebben als context om deze taak uit te voeren", en dan uitzoeken hoe je systemen kunt ontwerpen om de agent die gegevens in de juiste volgorde, met de juiste tools en instructies te geven. Sommige van deze systemen zijn volledig onzichtbaar voor de menselijke gebruiker, maar een deel van het vak is ook hoe de eindgebruiker met de agent zal interageren om deze context te leveren. Dan is het vaak eindeloos proberen en fouten maken om geleidelijk kwaliteitsverbeteringen in elke fase te behalen. Dit is vooral waarom mensen met diepgaande domeinexpertise, of degenen die het snel kunnen verwerven, het extreem goed zullen doen bij het bouwen van AI-agenten. Het vermogen om de context te anticiperen die de agent nodig zou hebben om succesvol te zijn, is een enorme bepalende factor voor hoe effectief de agent zal zijn. Dit verklaart deels waarom coderingsagenten zo goed hebben gewerkt vanaf het begin; omdat de bouwers de domein dat ze proberen te automatiseren diepgaand begrijpen. Maar duidelijk zullen we snel dezelfde uitkomst zien in elk veld - juridisch, gezondheidszorg, financiën, enz. - terwijl contextengineering en een nieuwe generatie productmanagers opkomen.

We gaan terugkijken op de wereld die er was vóór AI en we zullen absoluut verbaasd zijn over hoe langzaam alles was. Elke week bij Box, terwijl we AI-first werden, belichten we een workflow waarbij iemand intern een AI-agent heeft gebouwd om een proces te automatiseren. Het kan gaan om dingen zoals een HR-proces, verkoop outreach, reageren op RFP's, het afhandelen van een compliance workflow, documentatie schrijven, enzovoort. Meestal is mijn directe reactie: "Ik kan niet geloven dat we al dit werk handmatig moesten doen". De hoeveelheid tijd die we moeten besteden aan onderzoek, schrijven of het verplaatsen van gegevens tussen stappen, alleen maar om bij de dingen te komen die we *eigenlijk* proberen te doen (zoals iemand aannemen, een deal sluiten, enz.) is insane. En interessant genoeg zie ik als gevolg van deze oefening ook veel gebieden waar ik bereid zou zijn om *meer* in mensen te investeren als gevolg van het efficiënter worden van het proces. De ROI-berekening verandert ineens voor veel soorten werk wanneer agents het proces daadwerkelijk kunnen versnellen of de output kunnen vergroten. Wilde tijden in het vooruitzicht in het tijdperk van het AI-first werk.

Ja, je zou nog steeds informatica moeten studeren. De manier om het meeste uit AI te halen, is door een basisbegrip van je vak te hebben. AI is dan een krachtvermenigvuldiger in wat je kunt bereiken. Dit geldt voor elk vakgebied, of je nu een arts, advocaat, kunstenaar, marketeer of ingenieur bent.