Alat yang bekerja lebih baik untuk agen akan semakin menjadi yang lebih sukses karena seiring waktu kita akan memiliki 1.000X lebih banyak agen daripada orang yang menggunakan perangkat lunak. Perangkat lunak selalu dibuat untuk orang-orang. Tetapi orang melakukan tugas selangkah demi selangkah, mereka juga memiliki banyak konteks di kepala mereka yang masuk ke dalam tugas, dan ketika perangkat lunak sulit digunakan atau menawarkan beberapa solusi yang bertentangan, mereka selalu dapat menonton webinar atau berbicara dengan kolega untuk mencari tahu hal yang benar. Agen, di sisi lain, dapat memproses lebih banyak data, bekerja secara paralel, tetapi juga akan menjadi liar dengan alat atau sumber data yang bertentangan. Jadi kita perlu merancang perangkat lunak yang benar-benar bekerja dengan baik agar agen menjadi sukses seperti yang kita lakukan untuk orang-orang. Ini akan menjadi kelas masalah baru dan mungkin mengarah ke kategori perangkat lunak baru di berbagai bagian lapisan infra dan platform. Masalah super sulit, tapi sangat menyenangkan.

Sangat mudah untuk meremehkan apa yang harus membawa agen AI ke tangan sebagian besar pekerja pengetahuan. Ini sebenarnya kabar baik karena berkorelasi langsung dengan peluang untuk membangun agen AI saat ini. Ini adalah busur umum dari semua teknologi baru, di mana orang-orang di industri teknologi secara langsung melihat kekuatan dan potensi penuh dari sesuatu, dan membayangkan betapa mudahnya hal itu dapat diterapkan untuk alur kerja mereka sendiri. Tetapi sebagian besar dunia hanya menginginkan solusi yang mudah dan siap pakai untuk masalah. Mereka tidak ingin harus belajar tentang semua seluk-beluk bagaimana membuat sesuatu berhasil atau bagaimana mengubah proses mereka untuk mengurangi kesenjangan dalam teknologi baru. Ini selalu menjadi peluang pasar untuk solusi terapan, dan AI memiliki karakteristik ini dalam sekop. Dalam kasus agen AI, solusi yang tepat adalah solusi yang paling baik menyatukan alur kerja lengkap, berbicara dengan data pelanggan yang ada, terhubung ke berbagai alat yang mereka gunakan, bekerja lintas platform di seluruh sistem mereka, memiliki UI yang dibuat khusus untuk berinteraksi dengan agen, dan sebagainya. Juga harus ada sedikit manajemen perubahan di sepanjang jalan untuk perusahaan dan siapa pun yang bukan pengadopsi awal. Di sinilah beberapa bentuk rekayasa atau konsultasi yang diterapkan ke depan, dan di mana benar-benar bekerja secara mendalam dengan pelanggan dengan cara yang relevan untuk domain mereka akan sangat penting. Dan jika Anda takut kemajuan model yang cepat, Anda sudah terbalik. Kemajuan model yang cepat sebenarnya adalah hal yang sangat baik. Semakin banyak model yang dimungkinkan dalam agen AI Anda, semakin banyak nilai yang dapat Anda tawarkan kepada pelanggan di domain khusus Anda. Ini adalah peluang besar saat ini.

Dinamika tandingan untuk model AI yang melakukan segalanya adalah, setidaknya di perusahaan, menjembatani kemampuan model AI ke lingkungan pelanggan masih membutuhkan banyak pekerjaan ekor panjang. Kesenjangan antara agen AI yang bekerja untuk 90% atau 95% dari solusi dan 100% biasanya sekitar 10X lebih banyak pekerjaan daripada yang disadari kebanyakan orang. Mendapatkan akses ke data perusahaan, terhubung ke alur kerja perusahaan, memberikan manajemen perubahan yang dibutuhkan karyawan untuk mengadopsi teknologi, menangani persyaratan peraturan dan kepatuhan industri tersebut, dan sebagainya semuanya memerlukan beberapa tingkat fokus yang sangat berdedikasi dalam suatu domain. Ada analogi yang kuat untuk SaaS vertikal di sini sebenarnya. Orang akan berpikir bahwa teknologi horizontal dapat memecahkan semua masalah di SaaS. Tetapi sebenarnya ada banyak perusahaan besar yang hanya fokus pada satu domain, karena tingkat spesialisasi itu dihargai oleh perusahaan. Kita kemungkinan akan melihat hal yang sama dengan Agen AI di perusahaan juga. Dan pada kenyataannya domain ini akan jauh lebih besar daripada kategori perangkat lunak tradisional karena TAM bukanlah perangkat lunak, ini adalah pekerjaan yang harus dilakukan. Debat yang sangat menyenangkan, tetapi saya mengambil sisi lain.