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.