W 2012 roku dbaliśmy o to, że używamy oprogramowania. Dziś dbamy o to, jak je wykorzystujemy. Różnica polega na trajektorii. W ostatniej dekadzie priorytetem było przyjęcie oprogramowania. Przejście z lokalnych rozwiązań do chmury lub cyfryzacja ręcznego przepływu pracy obiecywały zyski wydajności. Przyjęcie było linią mety. Dziś oprogramowanie jest wszechobecne. Każdy sprzedawca korzysta z CRM, a każdy inżynier z IDE. Przewaga nie pochodzi już z posiadania narzędzia, ale z konkretnej ścieżki i sposobu, w jaki to narzędzie jest używane do osiągnięcia wyniku: trajektorii przez oprogramowanie. Sprzedawca tworzy lead, wzbogaca lead, dodaje informacje o kliencie w określony sposób. To jeden rodzaj trajektorii. Sesja Q&A z AI to inna trajektoria: jak przeprowadzić projekt badawczy z AI na temat szyfrowania post-kwantowego? Jakie są wiodące algorytmy? Które firmy je wdrażają? Jaki jest harmonogram, w którym komputery kwantowe złamią obecne szyfrowanie? Kto jest ekspertem, z którym powinienem porozmawiać? Śledzenie użytkownika pracującego przez cały dzień jak kulka w pinballu odbijająca się od maszyny jest niezwykle strategiczne. Po pierwsze, automatyzacja wymaga trajektorii. Aby zautomatyzować pracę, musisz najpierw zrozumieć ścieżkę tej pracy. W przeszłości zatrudnialiśmy konsultantów do ręcznego mapowania procesów. Teraz agenci AI mogą obserwować, rejestrować i rozumieć te trajektorie w czasie rzeczywistym. AI uczy się przez obserwację. Po drugie, optymalizacja wymaga powtórzeń. Trajektorie dostarczają zbioru danych do poprawy. Analizując tysiące przejść przez przepływ pracy, AI identyfikuje wzorce sukcesu, porażki i nieefektywności. Po trzecie, trajektorie stają się nową zaporą. Im wyższa rozdzielczość danych, tym bardziej zróżnicowany staje się produkt AI, co zwiększa uzależnienie od dostawcy. Po czwarte, kierownictwo firmy korzysta z rozumienia trajektorii pracowników. Myślimy, że pracujemy razem w jeden sposób, zazwyczaj z pewnymi aspiracyjnymi pomysłami. To co innego naprawdę zrozumieć przepływy pracy w terenie. Po piąte, trajektorie są podstawą optymalizacji modeli AI poprzez uczenie przez wzmocnienie lub dostrajanie. Mniejsze, wyspecjalizowane modele trenowane na ścieżkach o wysokiej wartości zastępują ogromne modele ogólne. Niższe koszty wnioskowania i wyższa dokładność prowadzą do zwiększenia marż. Strategiczny charakter trajektorii rodzi pytanie, czy przedsiębiorstwa będą negocjować prawa do swoich danych trajektorii przy zakupie oprogramowania AI, zarówno w celu uchwycenia krytycznych danych, jak i zapobiegania uzależnieniu. Jak te dynamiki władzy się rozwiną, określi siłę cenową dla oprogramowania w szerokim zakresie. Firmy, które opanują te trajektorie, zdefiniują przyszłość pracy.