Muchas de las mejores jugadas de AI Agent se encuentran en áreas en las que su objetivo es automatizar el flujo de trabajo completo, pero hay mucho valor en automatizar tareas individuales o partes de trabajo en el camino. Puede crear una tonelada de valor ahora, pero luego el TAM simplemente crece a medida que los modelos mejoran.

Una práctica que hemos implementado para ir primero a la IA en Box es que cada semana alguien demuestra su flujo de trabajo de IA a toda la empresa. Por lo general, es algo que nunca hubiéramos predicho. Es bueno equilibrar la planificación central para la tecnología y la descentralización para la adopción de casos de uso.

NVIDIA será la primera empresa de 10 billones de dólares

Las mejores jugadas de AI Agent son aquellas en las que el modelo funciona bien, pero en las que todavía hay una gran brecha entre el modelo y el flujo de trabajo. Aquí es donde puede construir un foso real con una mejor comprensión del dominio, datos, uso de herramientas, contexto y una experiencia de usuario personalizada. Muchas oportunidades aquí.

Es probable que haya demasiado temor de que los modelos de IA se coman la capa de la aplicación a medida que mejoran. Para que los agentes de IA funcionen, la mayoría de las empresas requerirán un puente entre la IA y sus flujos de trabajo específicos. Resulta que la última milla de hacer que los agentes de IA funcionen en entornos reales, altamente variables y hostiles, es increíblemente difícil. Y cada vez más es la parte más valiosa de todo el proceso. Ese puente entre los modelos de IA y los flujos de trabajo empresariales será una gran cantidad de software para conectarse a diferentes sistemas, extraer los datos empresariales correctos, manejar la seguridad y los permisos correctamente, y tener un nivel profundo de contexto vinculado al caso de uso. Luego agrega atención al cliente adaptada al caso de uso, SLA, cláusulas de responsabilidad, movimientos de ventas personalizados, asociaciones alineadas para la categoría, etc. La lista requerida es bastante interminable. Cada categoría vertical, e incluso horizontal crítica, requerirá una gran cantidad de experiencia para que los agentes de IA sean efectivos. La gran oportunidad en este momento es identificar dónde son más amplias estas brechas (entre el modelo y el flujo de trabajo) y completarlas con el software y la experiencia adecuados. Y, incluso a medida que los modelos mejoran, lo que anteriormente ha presentado el riesgo de canibalización, los jugadores enfocados pueden ofrecer aún más valor y casos de uso a los clientes. Casi no hay escenario, si ha buscado la oportunidad de mercado adecuada, en el que las mejoras del modelo sean algo malo al crear agentes de IA.

Hay muchas oportunidades en este momento para hacer que los agentes de IA sean reales para las empresas. Los modelos incluyen capacidades increíbles, pero para colocarlos en medio de un flujo de trabajo empresarial se requiere un andamiaje significativo, comprensión del dominio e ingeniería de contexto. Esta es la obra.

La creación de agentes de IA es un ejercicio para equilibrar flujos de trabajo deterministas y no deterministas. Muy poca rienda suelta para el agente y no se beneficia de la inteligencia del modelo. Demasiado y obtendrá problemas de seguridad o resultados aleatorios. Es por eso que SaaS + Agents se mantendrá.

Si está creando agentes de IA, debe encontrar el nivel óptimo de trabajo para automatizar para obtener la máxima efectividad y tamaño de TAM. Demasiado estrecho y los agentes funcionarán, pero el TAM es pequeño. Demasiado general y los agentes aún no funcionarán, pero el TAM es grande. Tengo que encontrar el punto óptimo.

La ingeniería de contexto es cada vez más el componente más crítico para crear agentes de IA efectivos en la empresa en este momento. En última instancia, este será el palo largo en la tienda para la adopción de agentes de IA en la mayoría de las organizaciones. Necesitamos agentes de IA que puedan comprender profundamente el contexto del proceso de negocio al que están vinculados. Esto significa acceder a los datos más importantes para ese flujo de trabajo, utilizar las herramientas adecuadas en el momento adecuado, tener los objetivos e instrucciones adecuados y comprender el dominio en el que se encuentran. Algunos de los grandes elementos abiertos para cualquiera que construya agentes empresariales son: * Agentes estrechos vs. generales. Cuanto más pequeña sea la tarea, más fácil será dar a los agentes de IA el contexto adecuado para tener éxito. Pero cuanto más pequeña sea la tarea, menos valor tendrá. Encontrar el tamaño óptimo de la tarea para la generación de valor será un factor importante para los próximos años. * Obtener datos en un sistema listo para agentes. Los datos empresariales a menudo se fragmentan entre docenas o cientos de sistemas, muchos de los cuales no están preparados para un mundo de IA. La mayoría de las empresas aún necesitarán modernizar sus entornos de datos para obtener el máximo beneficio de los agentes de IA. * Acceder a los datos *correctos* para la tarea es primordial. Incluso cuando tiene datos en un entorno moderno, es fundamental obtener controles de acceso perfectamente alineados con lo que el agente de IA necesitará acceder. Además, decidir en qué hacer RAG frente a solo una búsqueda general frente a qué poner completamente en la ventana de contexto importará mucho por tarea. * Elegir qué debe ser determinista frente a no determinista. Si exige demasiado de los modelos, es probable que vea una caída en la calidad. Sin embargo, si hace que el modelo haga muy poco, entonces está infrautilizando drásticamente lo que es posible con la IA. Esto, por supuesto, es un objetivo móvil porque los propios modelos están mejorando a un ritmo acelerado. * La interfaz de usuario adecuada para obtener el contexto de los agentes de IA es muy importante. La mitad del problema para obtener contexto para los agentes no parece un problema de IA en absoluto. Se trata de dónde aparecen los agentes en el flujo de trabajo y cómo interactúa el usuario con ellos para proporcionarles el contexto necesario para realizar la tarea. La carrera para los próximos años en IA en la empresa es ver quién es el mejor para ofrecer el contexto adecuado para cualquier flujo de trabajo dado. Esto determinará los ganadores y perdedores en la carrera de la IA.

Es una locura la cantidad de oportunidades de agentes de IA que hay que son mucho más grandes que sus mercados anteriores a la IA. El TAM del mercado de editores de código fue de unos pocos miles de millones de dólares en 2020. Los agentes de codificación de IA podrían ser un mercado de $ 50-100B + en los próximos 5-10 años. Puede hacer esto para muchos espacios.