McKinsey studerte 50 agentiske AI-bygg og hvor de mislykkes mest, og kokte det ned til 6 nøkkelfaktorer – avgjørende for AI-ingeniører: 1. Det handler ikke om agenten, det handler om arbeidsflyten. Ikke vær besatt av å bygge "imponerende" agenter. Tenk på hele systemet, ikke morsomme leker. 2. Agenter er ikke alltid svaret. Ikke alle arbeidsflyter trenger et system med flere agenter. Forutsigbare oppgaver med lav varians håndteres best med regler eller ML, LLM-er legger til kompleksitet. De store gevinstene for agenter kommer i rotete prosesser med høy varians (f.eks. trekke ut kompleks finansiell informasjon) 3. Unngå "AI Slop". (vanlig) Fokuser på langsiktig utvikling av agenter, slik du ville gjort med utvikling av en ansatt. Glem imponerende demoer. Dobbelt opp på benchmarks. Agenter bør få klare stillingsbeskrivelser, ombord og tilbakemeldinger slik at de forbedrer seg regelmessig. 4. Spor hvert trinn, ikke bare resultater. Å skalere agenter opp uten synlighet er å be om stille feil. Tenk på å overvåke hvert trinn i arbeidsflyten. På denne måten oppdager team feil tidlig, avgrenser logikk raskt og unngår totale sammenbrudd. Når feil skjer (og det vil de), kan du spore hvor ting gikk galt og hvorfor. Ikke hopp over dette. 5. Gjenbruk midler når du kan. Mange selskaper kaster bort tid på å bygge engangsagenter for hver oppgave. Det smartere spillet er å lage modulære agentkomponenter (innta, trekke ut, verifisere, analysere) som kan gjenbrukes for andre arbeidsflyter. Sentralisering av validerte verktøy og forespørsler kutter 30–50 % av overflødig arbeid, dette tallet er ingen spøk. 6. Mennesker forblir viktige, men i nye roller. Agenter kan analysere, automatisere og skalere. Men mennesker gir dømmekraft, kantsakshåndtering og kreativ problemløsning. Fremtiden er ikke agent mot menneske, men agent + menneske. Dette er feilene startups og etablerte selskaper gjør i stor skala. De forårsaker massiv skade på omdømme og ressurser. Og nå vet du hvordan du unngår dette.