Se abbiamo 100 volte più agenti AI rispetto alle persone che lavorano in un'azienda, è molto più probabile che ci conformiamo a come gli agenti lavorano meglio invece che gli agenti si conformino a come lavoriamo noi. Gli agenti AI prosperano fondamentalmente nel contesto, e la variazione in ciò che ottieni da loro è quasi interamente legata a quanto sia buono il tuo contesto. Ciò significa che molti dei *nuovi* modi in cui lavoriamo saranno al servizio di fornire agli agenti il contesto giusto. Prima dell'AI, era piuttosto facile accettare che ci sarebbe stata una documentazione limitata su come funzionava qualcosa perché potevi semplicemente chiedere al tuo collega. Questo aveva ovviamente enormi svantaggi, perché rendeva molto più difficile formare un nuovo dipendente, era un costo per il talento esistente e si perdeva molta conoscenza istituzionale nel tempo. Gli agenti AI non hanno questo lusso. Gli agenti AI non hanno il beneficio di tutta la consapevolezza situazionale e l'osmosi che hanno le persone. Per impostazione predefinita, non conoscono i tuoi obiettivi, gli standard aziendali, lo stile, altri progetti in corso, e così via. Mentre siamo andati verso un approccio AI-first in Box, quando i colleghi costruiscono agenti AI per Box, stanno intrinsecamente catturando anni di conoscenza dei processi e finalmente scrivendola per far operare l'agente. Anche per le aree in cui abbiamo documentazione su qualcosa, viene aggiornata in un modo che è intrinsecamente amichevole per gli agenti. Ma questo è solo l'inizio. Di conseguenza, per rendere gli agenti più produttivi, ci sono molte aree in cui il lavoro potrebbe dover cambiare in modo incrementale: * Documentazione per tutto il lavoro critico. Inizieremo a scrivere descrizioni chiare di molti più dei nostri flussi di lavoro importanti in un modo che sia amichevole per gli agenti. E a differenza della deriva documentale che si verifica nei flussi di lavoro umani, avremo bisogno che questi siano mantenuti aggiornati poiché ogni esecuzione dell'agente è un riavvio della conoscenza e dell'esperienza dell'agente. * Regole e istruzioni chiare per gli agenti. Ogni azienda ha guide di stile diverse, standard di codice diversi, politiche interne, e così via, a cui gli agenti devono attenersi. Proprio come abbiamo visto con cose come le regole di Cursor, possiamo aspettarci questo per tutte le aree del lavoro della conoscenza. * Nuovi approcci alla memoria degli agenti. Probabilmente avremo bisogno di modi più semplici per formare agenti che possano attingere a una banca di memoria da un utente basata su diverse modalità o lavori che svolgono in un'azienda. E poi la domanda sarà se posso portare con me parte di questa memoria in seguito, il che è improbabile dal punto di vista della proprietà intellettuale aziendale. * Stack tecnologici meglio strutturati. A causa di quanto facilmente gli agenti AI possano deviare, ci sarà un enorme premio sulla qualità dell'architettura IT di un'azienda, sulla pulizia dei suoi dati, su quanto siano aggiornati i suoi controlli di accesso, ecc. Piccole deviazioni qui limiteranno significativamente quanto puoi spingere gli agenti a fare o otterrai risultati scadenti o un reale rischio aziendale. * Il contesto per gli agenti AI trascenderà le strutture organizzative tipiche. In un mondo in cui gli agenti devono collaborare attraverso più parti di uno stack tecnologico (back-end e front-end) o di un processo aziendale (legale e operazioni di vendita), potremmo non essere in grado di mappare i flussi di lavoro degli agenti AI e l'accesso ai dati solo ai dipendenti e alle funzioni esistenti, il che ha tutte nuove implicazioni. Sarà super interessante osservare come le aziende cambieranno nel tempo per supportare la produttività degli agenti e cosa significhi questo per il futuro del lavoro.