Casi todo sobre cómo estamos construyendo productos de software empresarial está cambiando en este momento. Durante años, cuando creaba productos SaaS, todo su enfoque de diseño era cómo un usuario interactuaba con el sistema para realizar su tarea, por sí mismo o en colaboración. Ahora, muchos de los desafíos de diseño principales tienen más que ver con cómo el usuario trabajará con los agentes de IA para realizar esta tarea. Esto convierte las preguntas en cómo el usuario configurará, implementará, orquestará o proporcionará contexto a los agentes de IA para ejecutar el trabajo, y luego revisará e incorporará su trabajo después. ¿Sucede esto en una interfaz de usuario existente? ¿Haces esto a través del chat? ¿Es a través de la lista de tareas o de la cola? ¿Es a través de un generador de flujo de trabajo? ¿Lo describe como un agente o simplemente como productivo del resultado específico que desea el cliente? Puede ver las primeras diferencias que se desarrollan solo en el espacio de codificación de IA en este momento, donde hay un debate entre el IDE, la terminal, la interfaz de usuario web o simplemente el uso de Slack. En todos los casos, una cosa que parece estar clara es que, en muchos sentidos, para el usuario, el software se vuelve más simple direccionalmente. Los nobs, conmutadores, interruptores y componentes necesarios para que las personas ejecuten tareas son menos necesarios en un mundo de agentes de IA. Las API de estas capacidades siguen siendo importantes para que las usen los agentes de IA (para que no desaparezcan), pero se aprovechan principalmente en segundo plano. Y cuando finalmente aparecen para el usuario, es más para casos de uso avanzados, manejo de excepciones o el proceso de revisión, en lugar de la actividad común. Estamos en el período más interesante de diseño de software en el que hemos estado. Tenemos que diseñar para usuarios y agentes autónomos al mismo tiempo. Y solo estamos en las fases iniciales de cómo se ve eso.

La inteligencia de los agentes de IA para cada vertical se encuentra en los mejores modelos de IA en este momento esperando ser aprovechada. La comprensión correcta del dominio, la llamada a herramientas, la ingeniería de contexto y la experiencia de usuario desbloquearán muchos casos de uso. Luego, los mercados simplemente crecen a medida que mejoran los modelos.

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.