Elke industrie gaf AI hun data. Software gaf het per ongeluk iets veel waardevollers. En dat is de reden waarom jouw ingenieurs gek worden van AI, terwijl jouw verkoopteam denkt dat het gewoon hype is. AI is fenomenaal in coderen. De redenen die mensen geven zijn dat modellen getraind zijn op code, dat programmeertalen precies zijn, dat ontwikkelaars de tools het hardst hebben gebruikt. Al deze dingen zijn waar, maar geen van deze is de echte reden. De echte reden is trace-dichtheid: de verhouding van geregistreerde redenering tot geregistreerde uitkomsten in een domein. AI moet zien hoe beslissingen worden genomen, niet alleen wat de beslissing was. Het heeft de afwegingen nodig die zijn overwogen en verworpen, de mislukkingen die zijn geanalyseerd, de redenering tussen een probleem en een antwoord. Uitkomstdata vertelt het wat er is gebeurd, beslissingstracering leert het hoe te denken. Software heeft per ongeluk het dichtste trace-archief van elk beroep in de menselijke geschiedenis gebouwd, en geen enkel ander veld komt in de buurt. Een paar structurele dingen maakten dit mogelijk. In de meeste beroepen vervangt senioriteit uitleg. Een senior partner documenteert hun redenering niet omdat hun autoriteit de redenering is. Open source heeft dit doorbroken, omdat een willekeurige bijdrager een beslissing moest begrijpen net zo goed als de architect. Titel betekende niets, en iedereen rechtvaardigde zichzelf volgens dezelfde standaard. Een advocaat kan een contract uit 1998 vinden, of het moment waarop clausule 7 veranderde en zelfs retrospectieve redenen voor waarom het gebeurde. Maar je kunt de daadwerkelijke overpeinzingen die een rechter doormaakte of de beslissingen die hij bijna nam of de argumenten die hij overwoog niet vinden. Software kan dat, omdat de redenering is gekoppeld aan het exacte moment waarop het werd gebruikt. Juridische documenten registreren de schone conclusie, code-commits registreren het rommelige proces. In elk ander domein loopt feedback via een mens, een manager, een rechter, een senior partner. Het is inconsistent, politiek gefilterd en traag, en tegen de tijd dat het arriveert, kun je niet precies reconstructie maken van wat je dacht om er iets van te leren. Softwarefeedback arriveert in seconden terwijl de redenering nog levend in je hoofd is. De compiler heeft geen vooroordelen, de test suite heeft geen slechte dag, en productie geeft je geen vrijstelling omdat je senior bent. In de wet blijft een slecht gedocumenteerde beslissing staan. In software breekt het productie om 2 uur 's nachts en niemand weet waarom. De machine maakt het overslaan van documentatie elke keer onmiddellijk en pijnlijk. 30 jaar van dit heeft een beroep voortgebracht dat redenering een overlevingsgewoonte maakte, en het bijproduct was het rijkste redeneringsarchief in de menselijke geschiedenis, waarop AI vervolgens is getraind. Agents in actie veranderen dit. Wanneer een agent binnen de uitvoeringslus van een bedrijfsproces zit, genereert het trace terwijl het werkt. Elke beslissing die het neemt, elke structuur die het ontdekt, elke verschuiving in hoe het het probleem begrijpt, wordt gecodeerd, niet uit een registratiesysteem gehaald, niet samengevat achteraf, maar vastgelegd in de embeddings die zijn gecreëerd door de traject van de agent door de taak. Het pad van de agent door het werk wordt de gebeurtenisklok. Dit is waarom hoe je agents bouwt net zo belangrijk is als of je ze bouwt, omdat een agent die alleen outputs retourneert uitkomsten produceert, maar een agent die is ontworpen om zijn redenering vast te leggen terwijl het beweegt iets cruciaals produceert. Het begint trace-dichtheid op te bouwen die de meeste beroepen nooit hebben gehad, en beslissing voor beslissing, taak voor taak, componeert de dichtheid.