Agen AI dengan penggunaan alat penuh akan sangat gila. Inilah Claude menggunakan server Box dan Linear MCP untuk mengambil dokumen peta jalan produk dari Box dan mengubahnya menjadi masalah untuk dilacak. Ini adalah contoh kecil tentang seperti apa masa depan interoperabilitas agen AI.

Cara termudah untuk melewatkan kekuatan penuh agen AI saat ini adalah dengan tidak melakukan cukup banyak dengan mereka. Sebagian besar waktu orang tidak mendorong mereka cukup jauh, sehingga kemungkinan hanya mendapat manfaat dari sebagian kecil potensi. Sungguh menakjubkan ketika Anda berbicara dengan startup dan belajar tentang alur kerja baru mereka dan berapa banyak lagi yang mereka selesaikan daripada yang Anda lakukan beberapa tahun yang lalu dengan sumber daya yang sama. Ini hanya asimetri besar bagi semua orang yang tahu. Tim dan perusahaan yang mengutamakan AI kemungkinan akan selalu beberapa langkah lebih maju dari yang lain karena mereka akan mengenali bagaimana mendorong model dan agen lebih jauh, dan pembelajaran tersebut akan bertambah. Bagi orang lain, akan ada sejumlah besar kemampuan yang belum dimanfaatkan yang hanya ada di sana.

Hampir setiap penelitian menunjukkan dokter dengan AI berkinerja lebih baik daripada mereka yang tidak. Sekarang AI mencapai nilai sempurna dalam ujian lisensi medis. Anda hanya akan mengharapkan setiap penyedia layanan profesional yang Anda kunjungi akan menggunakan AI di masa depan atau Anda tidak akan mempercayai saran tersebut.

Salah satu alasan halus mengapa ukuran pasar untuk Agen AI akan lebih besar dari yang kita sadari adalah ada banyak kasus penggunaan di mana menjalankan beberapa agen secara paralel untuk memecahkan masalah yang sama sangat berharga. Ini secara efektif tidak pernah mungkin dilakukan dengan sebagian besar pekerjaan pengetahuan sebelumnya. Akan sangat mahal untuk melemparkan lebih banyak orang pada masalah yang sama. Tetapi karena kami telah secara dramatis menurunkan biaya penyebaran intelijen, Anda dapat memiliki lebih banyak redundansi dan mempertimbangkan hal-hal dari sudut yang lebih jauh. Kami sudah melihat contoh-contoh ini di sejumlah bidang. Orang-orang menggunakan agen peninjau kode AI pada perubahan kode yang sama untuk menawarkan perbedaan halus dalam analisis. Hal yang sama akan berlaku untuk meminta agen keamanan meninjau kode, di mana hanya ada nilai lebih dalam cakupan tambahan. Dalam tugas penelitian mendalam, seringkali berguna untuk menjalankan beberapa petunjuk secara paralel untuk membandingkan pendekatan yang berbeda. Dan kita dapat mengharapkan ini akan muncul di banyak bidang lain di mana beberapa pandangan yang berbeda menawarkan nilai tambahan untuk alur kerja, seperti pekerjaan hukum, perawatan kesehatan, analisis keuangan, penelitian ilmiah, ide produk, pembuatan konten pemasaran, dan banyak lagi. Inilah sebabnya mengapa tidak mungkin untuk memperkirakan TAM penuh dari banyak pasar ini. Jika Anda berpikir agen hanya memperkirakan cara kita bekerja hari ini 1:1, akan mudah untuk melewatkan semua cara kita akan menggunakan agen dalam alur kerja. Inilah sebabnya mengapa pasar ini tidak memiliki plafon alami di masa depan.

Agen AI adalah transformasi nyata dalam monetisasi perangkat lunak. Secara tradisional, perangkat lunak sebagian besar dibatasi pada ~ $ 10-50 atau lebih per bulan per kursi untuk perangkat lunak tertentu. Ada perangkat lunak vertikal outlier, tetapi umumnya selalu memiliki kira-kira langit-langit ini. Agen AI, di sisi lain, pada dasarnya tidak dibatasi karena tidak ada batas atas yang nyata dari apa yang akan dilakukan seseorang dengan Agen AI dalam alur kerja. Kami sudah melihat ini di agen pengkodean perangkat lunak di mana beberapa orang membayar ribuan per bulan. Dan ini sepenuhnya masuk akal: jika pengguna 2X-3X lebih produktif dengan agen pengkodean AI, perusahaan tidak akan berkedip untuk menghabiskan 10% untuk gaji yang setara untuk agen. Tetapi ini juga mulai terjadi di bidang umum pekerjaan pengetahuan, seperti analisis hukum, meninjau laporan medis, memproses dokumen pinjaman, dan banyak lagi. Kita harus mengharapkan dinamika ini dalam setiap kategori pekerjaan. Sekarang, saat perbaikan model terjadi, harga serupa akan turun. Tetapi kemudian, karena Agen AI dapat menjalankan tugas yang lebih kompleks, dan Anda menjalankan lebih banyak agen secara paralel dalam alur kerja, perusahaan hanya akan menyebarkan lebih banyak agen ini. Masa-masa liar di depan.

Selain beberapa kategori, sebagian besar ruang masih terbuka lebar di AI. Ini tidak akan benar selamanya karena parit data dan alur kerja akan mulai menumpuk, tetapi tentu saja untuk sementara berlaku saat ini. AI telah berkembang pesat dalam setahun terakhir sehingga model tersebut telah memecahkan banyak masalah yang harus dibangun oleh sebagian besar startup sebelumnya. Dan mengapa Anda dapat melakukannya dengan agen AI saat ini sekitar 100X lebih kuat dari 2 tahun yang lalu. Ini juga mengapa membangun arsitektur dengan lapisan abstraksi yang tepat untuk memanfaatkan pembaruan ini sangat penting.

AI akan mengaburkan garis antara banyak fungsi dari waktu ke waktu karena Anda sekarang dapat mulai melakukan hal-hal yang lebih tinggi atau lebih rendah dalam tumpukan, atau memperluas ke fungsi lain yang berdekatan. Area yang sangat jelas adalah bahwa PM hampir selalu muncul dengan prototipe fungsional.

Di Box, kami menghabiskan banyak waktu untuk menguji Box AI dengan model baru pada data tidak terstruktur untuk melihat kinerja mereka dengan baik di bidang pengetahuan yang nyata. Seperti yang telah kita lihat dari tolok ukur, GPT-5 menawarkan lompatan kemampuan yang berarti dibandingkan GPT-4.1 dalam penalaran, matematika, logika, pengkodean, dan bidang pekerjaan lainnya. Berikut adalah beberapa contoh di mana peningkatan tersebut berperan di dunia nyata: *GPT 5 mengontekstualisasikan informasi dengan lebih baik. Saat melakukan ekstraksi data seperti jumlah USD akhir pada faktur tanpa label mata uang tetapi dengan alamat di London, GPT 5 merespons dengan benar membutuhkan nilai konversi dari USD ke GBP. Sebagai perbandingan, GPT 4.1 melihat tagihan akhir dan mengembalikannya, dengan asumsi mata uang (salah). * GPT-5 memberikan analisis multimoda yang lebih baik. Untuk pengajuan tahunan perusahaan publik, GPT-5 diminta untuk mengisolasi sel dalam tabel dari gambar yang menunjukkan perubahan komponen ekuitas perusahaan. Bagian atas tabel mengklarifikasi bahwa semua jumlah saham dalam ribuan, dan GPT-5 dengan jelas menyatakan konversi ini, sedangkan GPT-4.1 tidak, menjadi bingung mengingat tabel mengatakan saham dan legenda mengatakan saham. * GPT-5 berkinerja lebih baik dengan tingkat prompt dan kompleksitas data yang tinggi. Saat melakukan ekstraksi data pada resume untuk semua tanggal mulai pekerjaan, nama posisi pekerjaan, dan nama pemberi kerja, GPT-5 mampu menarik setiap bagian data sementara GPT-4.1 tampaknya kewalahan dan tidak mengekstrak bidang yang sama mengingat ukuran prompt dan kompleksitas dokumen. * GPT-5 jauh lebih jelas dan eksplisit dalam jawabannya. Dalam perjanjian outsourcing dengan 6 layanan berbeda yang dibahas secara eksplisit, ketika ditanya tentang "5 layanan spesifik dalam kontrak", GPT-5 akan mengembalikan 5 layanan pertama dan menanyakan apakah disengaja bahwa yang keenam tidak ditanyakan. Sebagai perbandingan, GPT-4.1 hanya mengembalikan 5 yang pertama tanpa peringatan lebih lanjut, yang dapat menyebabkan kebingungan hilir bagi pengguna. * GPT-5 lebih baik dalam interpretasi data di bidang yang kompleks. Untuk bagan sitometri aliran, biasanya digunakan dalam imunologi, GPT-5 dengan benar mengidentifikasi proporsi sel mati yang tinggi dan memberikan akar penyebab yang masuk akal yang dapat menyebabkan situasi sementara GPT-4.1 memberikan alasan minimal, membutuhkan konfirmasi lebih lanjut untuk memiliki tebakan dari data mentah. * GPT-5 lebih mampu mengidentifikasi inkonsistensi dalam kode. Ketika diminta untuk mengidentifikasi masalah dalam file kode python tertentu, sementara GPT-5 dan 4.1 dapat mengidentifikasi kesalahan nyata yang menyebabkan malfungsi, hanya GPT-5 yang dapat menyimpulkan masalah yang lebih halus, seperti mencetak variabel yang salah ketika itu tidak masuk akal dalam konteks program. Peningkatan dalam matematika, penalaran, logika, dan kualitas respons dalam jendela konteks yang lebih panjang ini sangat membantu pengguna akhir dalam pekerjaan sehari-hari, tetapi mereka akan muncul lebih banyak lagi dengan agen AI yang berjalan lebih lama, terutama ketika tidak ada manusia dalam lingkaran untuk memverifikasi informasi di setiap langkah. Sungguh luar biasa melihat peningkatan ini terus datang dalam model AI terbaru karena ini akan mengarah pada agen AI yang dapat digunakan di bidang kerja yang lebih penting secara bertahap.

Jelas bahwa kita berada di lintasan saat ini model AI yang terus meningkatkan kemampuan di seluruh matematika, penalaran, logika, pemanggilan alat, dan berbagai tugas khusus domain yang akan menjadi lebih baik karena lebih banyak data pelatihan terus dihasilkan. Meskipun akan ada perdebatan tentang seberapa banyak kemajuan ini akan muncul sebagai perubahan besar dalam kasus penggunaan sehari-hari yang dimiliki konsumen, mereka *akan* memiliki dampak besar di banyak kategori pekerjaan pengetahuan. Mereka akan secara bertahap membuka kasus penggunaan baru dalam perawatan kesehatan, hukum, layanan keuangan, ilmu kehidupan, dll., di mana model dapat dengan andal melakukan tugas yang lebih penting secara progresif. Pada podcast baru-baru ini dengan Alex Kantrowitz, Dario Amodei memiliki cara yang bagus untuk membingkai ini, yaitu bahwa jika Anda meningkatkan kemampuan model AI untuk beralih dari memiliki sarjana dalam biokimia menjadi memiliki gelar sarjana dalam biokimia, sebagian kecil populasi konsumen akan melihat dampaknya, tetapi kasus penggunaan perusahaan untuk perusahaan seperti Pfizer akan meningkat secara berarti sebagai akibat dari ini. Kita harus mulai mengantisipasi bahwa ini adalah era di mana kita berada di AI. Jadi, bagaimana ini mulai muncul di dunia nyata? Ini akan muncul melalui agen AI yang mengejar kasus penggunaan yang diterapkan. Agen AI untuk pengkodean, pekerjaan hukum, juru tulis medis, ekstraksi data, pemrosesan klaim asuransi, pengujian pena, dan sebagainya. Peluang saat ini adalah membangun agen AI untuk vertikal dan domain dengan pemahaman mendalam tentang ruang itu. Di sinilah dampak rekayasa konteks, pemahaman mendalam tentang alur kerja, koneksi ke data perusahaan, dan antarmuka pengguna khusus (yang memungkinkan pengguna untuk menerapkan, mengelola, dan mengatur agen ini) akan mulai sangat penting. Ini juga berarti membangun distribusi yang selaras dengan vertikal atau domain tertentu. Ini mungkin berarti beberapa bentuk rekayasa yang diterapkan ke depan untuk tidak hanya membantu pelanggan mengimplementasikan agen, tetapi juga dengan cepat mempelajari alur kerja mana yang dioptimalkan oleh agen dan membawanya kembali ke platform inti. Pada akhirnya, pasar ini akan dimenangkan oleh pemain yang dapat menjembatani proses perusahaan saat ini (yang seringkali berantakan dan tidak dirancang untuk otomatisasi) ke dunia di mana agen diintegrasikan ke dalam alur kerja ini. Ini adalah era AI yang kita hadapi sekarang.

Kami jauh dari titik optimal untuk stabilisasi apa pun dalam kemampuan AI, tetapi ironisnya ada banyak kasus penggunaan komersial untuk AI yang dibekukan karena seberapa cepat kemajuan teknologi. Inilah sebabnya mengapa arsitektur bukti masa depan sangat penting.