Produktový management pro AI agenty je jednoduše nejdivočejší formou produktového managementu v historii. Typický produktový management se snaží přijít na to, jak navrhnout rozhraní a software pro interakci lidí s deterministickými systémy. Uživatel obecně zná všechny souvislosti, aby mohl úspěšně vykonávat svou práci, takže je obecně otázkou vychytání základní obchodní logiky a okolního UX. Ale u agentů umělé inteligence je uživatelem, na kterém vám nejvíce záleží, agent a ten ve výchozím nastavení nic neví. S radostí poběží jakýmkoli směrem, aby úkol provedl, často bez úspěchu. Takže jako projektový manažer (nebo inženýr) v podstatě trávíte čas snahou o zpětné inženýrství "co by člověk potřeboval jako kontext k provedení tohoto úkolu" a pak přijdete na to, jak navrhnout systémy, aby agent dostal tato data ve správném pořadí, se správnými nástroji a pokyny. Některé z těchto systémů jsou pro lidského uživatele zcela neviditelné, ale součástí řemesla je stejně tak to, jak bude koncový uživatel interagovat s agentem, aby tento kontext dodal. Pak je to často nekonečná práce metodou pokusů a omylů, abychom v každé fázi vytěžili postupné body kvality. To je zejména důvod, proč lidé s hlubokými odbornými znalostmi v oboru nebo ti, kteří je dokážou rychle získat, budou při vytváření agentů umělé inteligence velmi dobře vytvářet. Schopnost předvídat kontext, který by agent potřeboval, aby byl úspěšný, je obrovským určujícím faktorem toho, jak efektivní agent bude. To částečně vysvětluje, proč kódovací činidla fungovala tak dobře hned od začátku; Protože jeho tvůrci hluboce rozumí doméně, na které pracují. Je však zřejmé, že brzy uvidíme stejný výsledek ve všech oblastech – právo, zdravotnictví, finance atd. – protože se objeví kontextové inženýrství a nová úroda produktových manažerů.

Ohlédneme se za světem, který byl před umělou inteligencí, a budeme naprosto ohromeni tím, jak pomalé to všechno bylo. Každý týden v Boxu, když jsme se dostali k AI, upozorňujeme na pracovní postup, kdy někdo interně vytvořil agenta AI pro automatizaci nějakého procesu. Může se jednat o věci jako HR proces, oslovení prodeje, reakce na RFP, zpracování pracovního postupu dodržování předpisů, psaní dokumentace a tak dále. Obvykle je moje okamžitá reakce "Nemůžu uvěřit, že jsme museli všechnu tu práci dělat ručně". Množství času, které musíme strávit výzkumem, psaním nebo přesouváním dat mezi kroky, abychom se dostali k věci, o kterou se *skutečně* snažíme (jako někoho najmout, uzavřít obchod atd.), je šílené. A zajímavé je, že v důsledku tohoto cvičení také vidím spoustu oblastí, kde bych byl ochoten investovat *více* do lidí v důsledku toho, že se proces stává efektivnějším. Výpočet návratnosti investic se náhle změní u mnoha typů práce, kdy agenti mohou proces skutečně urychlit nebo zvýšit výstup. V éře práce s umělou inteligencí na prvním místě nás čekají divoké časy.

Ano, stále byste měli studovat informatiku. Způsob, jak z umělé inteligence vytěžit maximum, je mít základní znalosti o svém řemesle. Umělá inteligence je pak multiplikátorem síly v tom, čeho můžete dosáhnout. To platí pro každý obor, ať už jste lékař, právník, umělec, marketér nebo inženýr.