Quase tudo sobre como estamos construindo produtos de software corporativo está mudando agora. Durante anos, quando você criou produtos SaaS, todo o seu foco de design era como um usuário interagiria com o sistema para realizar sua tarefa, sozinho ou de forma colaborativa. Agora, muitos dos principais desafios de design são mais sobre como o usuário trabalhará com os agentes de IA para realizar essa tarefa. Isso transforma as perguntas em como o usuário configurará, implantará, orquestrará ou fornecerá contexto aos agentes de IA para executar o trabalho e, em seguida, revisar e incorporar seu trabalho depois. Isso acontece em uma interface do usuário existente? Você faz isso através do chat? É através da lista de tarefas ou fila? É por meio de um construtor de fluxo de trabalho? Você o descreve como um agente ou apenas produz o resultado específico que o cliente deseja? Você pode ver as primeiras diferenças ocorrendo apenas no espaço de codificação de IA agora, onde há um debate entre o IDE, o terminal, a interface do usuário da web ou apenas o uso do Slack. Em todos os casos, uma coisa que parece clara é que, de muitas maneiras, para o usuário, o software se torna direcionalmente mais simples. Os nobs, alternâncias, interruptores e componentes necessários para que as pessoas executem tarefas são menos necessários em um mundo de agentes de IA. As APIs para esses recursos ainda são importantes para os agentes de IA usarem (para que não desapareçam), mas são aproveitadas principalmente em segundo plano. E quando eles finalmente aparecem para o usuário, é mais para casos de uso avançados, tratamento de exceções ou processo de revisão, em oposição à atividade comum. Estamos facilmente no período mais interessante de design de software em que já estivemos. Temos que projetar para usuários e agentes autônomos ao mesmo tempo. E estamos apenas nas fases iniciais de como isso se parece.

A inteligência dos agentes de IA para cada vertical está apenas nos melhores modelos de IA agora, esperando para ser explorada. A compreensão correta do domínio, a chamada de ferramentas, a engenharia de contexto e a experiência do usuário desbloquearão muitos casos de uso. Então, os mercados crescem à medida que os modelos melhoram.

Muitas das melhores jogadas do AI Agent estão em áreas em que você pretende automatizar todo o fluxo de trabalho, mas há muito valor em automatizar tarefas individuais ou partes do trabalho ao longo do caminho. Você pode criar uma tonelada de valor agora, mas o TAM só cresce à medida que os modelos melhoram.

Uma prática que implementamos para priorizar a IA na Box é que toda semana alguém demonstra seu fluxo de trabalho de IA para toda a empresa. Normalmente é algo que nunca teríamos previsto. Bom equilibrar o planejamento central para tecnologia e a descentralização para adoção de casos de uso.

NVIDIA será a primeira empresa de US$ 10 trilhões

As melhores jogadas do AI Agent são onde o modelo tem um bom desempenho, mas ainda há uma grande lacuna entre o modelo e o fluxo de trabalho. É aqui que você pode construir um fosso real com melhor compreensão de domínio, dados, uso de ferramentas, contexto e uma experiência de usuário personalizada. Muitas oportunidades aqui.

Provavelmente há muito medo de que os modelos de IA consumam a camada do aplicativo à medida que melhoram. Para que os agentes de IA funcionem, a maioria das empresas exigirá uma ponte entre a IA e seus fluxos de trabalho específicos. Acontece que a última milha para fazer os agentes de IA funcionarem em ambientes reais, altamente variáveis e hostis é incrivelmente difícil. E cada vez mais é a parte mais valiosa de todo o processo. Essa ponte entre os modelos de IA e os fluxos de trabalho corporativos será uma grande quantidade de software para se conectar a diferentes sistemas, extraindo os dados corporativos certos, lidando com segurança e permissões adequadamente e tendo um nível profundo de contexto vinculado ao caso de uso. Em seguida, você adiciona suporte ao cliente adaptado ao caso de uso, SLAs, cláusulas de responsabilidade, movimentos de vendas personalizados, parcerias alinhadas para a categoria e assim por diante. A lista necessária é interminável. Cada categoria vertical, e até mesmo horizontal crítica, exigirá uma grande quantidade de conhecimento para tornar os agentes de IA eficazes. A grande oportunidade agora é identificar onde essas lacunas são mais amplas (entre o modelo e o fluxo de trabalho) e preenchê-las com o software e a experiência apropriados. E, mesmo com a melhoria dos modelos - o que anteriormente apresentava o risco de canibalização - os players focados podem oferecer ainda mais valor e casos de uso aos clientes. Quase não há cenário, se você foi atrás da oportunidade de mercado certa, em que as melhorias do modelo são uma coisa ruim ao criar agentes de IA.

Há muitas oportunidades agora para tornar os agentes de IA reais para as empresas. Os modelos contêm recursos insanos, mas colocá-los no meio de um fluxo de trabalho corporativo requer andaimes significativos, compreensão de domínio e engenharia de contexto. Esta é a peça.

A criação de agentes de IA é um exercício de equilíbrio de fluxos de trabalho determinísticos e não determinísticos. Muito pouco agente livre e você não se beneficia da inteligência do modelo. Muito e você terá problemas de segurança ou resultados aleatórios. É por isso que os Agentes SaaS + permanecerão.

Se você estiver criando agentes de IA, precisará encontrar o nível ideal de trabalho para automatizar para obter o máximo de eficácia e tamanho do TAM. Muito estreito e os agentes funcionarão, mas o TAM é pequeno. Muito geral e os agentes ainda não funcionarão, mas o TAM é grande. Tem que encontrar o ponto ideal.