Produktadministrasjon for AI-agenter er lett den villeste formen for produktadministrasjon i historien. Typisk produktledelse er å prøve å finne ut hvordan man designer grensesnitt og programvare slik at folk kan samhandle med deterministiske systemer. Brukeren kjenner generelt all konteksten for å gjøre arbeidet sitt vellykket, så det er generelt et spørsmål om å spikre den underliggende forretningslogikken og den omkringliggende brukeropplevelsen. Men med AI-agenter er brukeren du bryr deg mest om agenten, og de vet ingenting som standard. De vil gjerne løpe i alle retninger for å utføre oppgaven, ofte uten å lykkes. Så som PM (eller ingeniør) bruker du i utgangspunktet tiden din på å prøve å reversere "hva vil et menneske trenge som kontekst for å utføre denne oppgaven", og deretter finne ut hvordan du kan designe systemer for å få agenten disse dataene i riktig rekkefølge, med de riktige verktøyene og instruksjonene. Noen av disse systemene er helt usynlige for den menneskelige brukeren, men en del av håndverket er like mye hvordan sluttbrukeren vil samhandle med agenten for å levere denne konteksten. Deretter er det ofte uendelig prøving og feiling for å oppnå inkrementelle kvalitetspoeng på hvert trinn. Dette er spesielt grunnen til at personer med dyp domeneekspertise, eller de som kan tilegne seg den raskt, vil gjøre det ekstremt bra med å bygge AI-agenter. Evnen til å forutse konteksten som agenten trenger for å lykkes, er en stor avgjørende faktor for hvor effektiv agenten vil være. Dette forklarer delvis hvorfor kodeagenter har fungert så bra ut av porten; fordi byggerne har en dyp forståelse av domenet de jobber med å automatisere. Men det er klart at vi raskt kommer til å se det samme resultatet på tvers av alle felt – juss, helsevesen, finans osv.