Presque tout ce qui concerne la manière dont nous construisons des produits logiciels d'entreprise est en train de changer en ce moment. Pendant des années, lorsque vous construisiez des produits SaaS, votre attention était entièrement portée sur la manière dont un utilisateur interagirait avec le système pour accomplir sa tâche, seul ou en collaboration. Maintenant, de nombreux défis de conception fondamentaux concernent davantage la manière dont l'utilisateur travaillera avec des Agents IA pour accomplir cette tâche. Cela transforme les questions en comment l'utilisateur va configurer, déployer, orchestrer ou fournir un contexte aux Agents IA pour exécuter le travail, puis examiner et intégrer leur travail par la suite. Cela se passe-t-il dans une interface utilisateur existante ? Le faites-vous par le biais d'un chat ? Est-ce à travers une liste de tâches ou une file d'attente ? Est-ce via un constructeur de flux de travail ? Le décrivez-vous comme un Agent ou produisez-vous simplement le résultat spécifique que le client souhaite ? Vous pouvez voir les premières différences se manifester juste dans l'espace de codage IA en ce moment, où il y a un débat entre l'IDE, le terminal, l'interface web ou simplement l'utilisation de slack. Dans tous les cas, une chose qui semble claire, c'est que de nombreuses manières, pour l'utilisateur, le logiciel devient directionnellement plus simple. Les boutons, bascules, interrupteurs et composants nécessaires pour que les gens exécutent des tâches sont moins nécessaires dans un monde d'Agents IA. Les API de ces capacités comptent toujours pour que les Agents IA puissent les utiliser (donc elles ne disparaissent pas), mais elles sont principalement exploitées en arrière-plan. Et quand elles apparaissent finalement pour l'utilisateur, c'est davantage pour des cas d'utilisation avancés, la gestion des exceptions ou le processus de révision, plutôt que pour l'activité courante. Nous sommes sans aucun doute dans la période la plus intéressante de la conception logicielle que nous ayons jamais connue. Nous devons concevoir pour les utilisateurs ainsi que pour les agents autonomes en même temps. Et nous ne sommes qu'aux phases initiales de ce à quoi cela ressemble.

L'intelligence pour les agents IA dans chaque secteur est actuellement contenue dans les meilleurs modèles d'IA, attendant d'être exploitée. La bonne compréhension du domaine, l'appel aux outils, l'ingénierie contextuelle et l'expérience utilisateur débloqueront tant de cas d'utilisation. Ensuite, les marchés se développent simplement à mesure que les modèles s'améliorent.

Beaucoup des meilleures applications d'agents IA se trouvent dans des domaines où vous visez à automatiser l'ensemble du flux de travail, mais il y a beaucoup de valeur à automatiser des tâches individuelles ou des morceaux de travail en cours de route. Vous pouvez créer une tonne de valeur maintenant, mais ensuite le TAM ne fait que croître à mesure que les modèles s'améliorent.

Une pratique que nous avons mise en place pour adopter une approche axée sur l'IA chez Box est qu'une fois par semaine, quelqu'un présente son flux de travail IA à toute l'entreprise. En général, c'est quelque chose que nous n'aurions jamais prédit. Il est bon d'équilibrer la planification centrale pour la technologie et la décentralisation pour l'adoption des cas d'utilisation.

NVIDIA sera la première entreprise à atteindre 10 trillions de dollars.

Les meilleures performances des agents IA sont celles où le modèle fonctionne bien, mais où il y a encore un grand écart entre le modèle et le flux de travail. C'est ici que vous pouvez construire un véritable avantage concurrentiel grâce à une meilleure compréhension du domaine, des données, de l'utilisation des outils, du contexte et d'une expérience utilisateur sur mesure. De nombreuses opportunités s'offrent ici.

Il y a probablement trop de peur que les modèles d'IA mangent la couche d'application à mesure qu'ils s'améliorent. Pour que les agents d'IA fonctionnent, la plupart des entreprises auront besoin d'un pont entre l'IA et leurs flux de travail spécifiques. Il s'avère que le dernier kilomètre pour faire fonctionner les agents d'IA dans des environnements réels, très variables et hostiles, est incroyablement difficile. Et de plus en plus, c'est la partie la plus précieuse de tout le processus. Ce pont entre les modèles d'IA et les flux de travail des entreprises nécessitera une quantité importante de logiciels pour se connecter à différents systèmes, tirer les bonnes données d'entreprise, gérer la sécurité et les autorisations correctement, et avoir un niveau de contexte profond lié au cas d'utilisation. Ensuite, vous ajoutez un support client adapté au cas d'utilisation, des SLA, des clauses de responsabilité, des motions de vente sur mesure, des partenariats alignés pour la catégorie, et ainsi de suite. La liste requise est presque sans fin. Chaque vertical, et même chaque catégorie horizontale critique, nécessitera une expertise approfondie pour rendre les agents d'IA efficaces. La grande opportunité en ce moment est d'identifier où ces lacunes sont les plus larges (entre le modèle et le flux de travail), et de les combler avec les logiciels et l'expertise appropriés. Et, même si les modèles s'améliorent - ce qui a précédemment présenté le risque de cannibalisation - les acteurs ciblés peuvent simplement offrir encore plus de valeur et de cas d'utilisation aux clients. Il n'y a presque aucun scénario, si vous avez visé la bonne opportunité de marché, où les améliorations du modèle sont une mauvaise chose lors de la construction d'agents d'IA.

Il y a tellement d'opportunités en ce moment pour rendre les agents IA réels pour les entreprises. Les modèles possèdent des capacités incroyables, mais pour les intégrer au cœur d'un flux de travail d'entreprise, il faut une structure significative, une compréhension du domaine et une ingénierie du contexte. C'est le plan.

Construire des agents IA est un exercice d'équilibre entre des flux de travail déterministes et non déterministes. Trop peu de liberté pour l'agent et vous ne bénéficiez pas de l'intelligence du modèle. Trop de liberté et vous rencontrerez des problèmes de sécurité ou des résultats aléatoires. C'est pourquoi SaaS + Agents resteront.

Si vous construisez des agents IA, vous devez trouver le niveau de travail optimal à automatiser pour une efficacité maximale et une taille de marché total (TAM) optimale. Trop étroit et les agents fonctionneront mais le TAM est petit. Trop général et les agents ne fonctionneront pas encore mais le TAM est grand. Il faut trouver le juste milieu.