当初は、単一の AI エージェントが任意の大規模なワークフローを処理できるという考えでした。代わりに、機能しているように見えるパターンは、コンテキストの腐敗を回避するために、タスクごとに特殊化されたサブエージェントをデプロイすることです。AIエージェントの分業化が未来かもしれません。

現在、あらゆる業種やドメイン向けに AI エージェントが構築されるウィンドウがあります。 プレイブックは、垂直または特定のスペースに必要なコンテキストエンジニアリングを深く掘り下げ、既存のワークフローに自然に結びつく適切なUXを見つけ出し、関連するデータソースとツールに接続することです。 特に早い段階では、主要な顧客にできるだけ近づいて、何がうまくいっていて何がうまくいっていないかを把握し、常に改善して母船に戻すことが役立ちます。AI は現在非常に急速に進歩しているため、迅速な更新を行い、顧客のワークフローをどのように改善するかを確認することには非常に高い価値があります。 また、シンプルなサブスクリプション価格または明確な消費モデルで最大限の採用のためにエージェントの価格を設定し、AIの効率性によるコスト改善を乗り越えることを期待することも重要です。市場シェアが最も重要である可能性が高いため、今すぐ価格に欲を張りすぎないでください。 人材の可用性や高コストによって制約されているユースケースを追求すると役立つ場合があります。これは、これらのスペースでの生産性の漸進的な向上が顧客に高い ROI を提供することを意味します。これらの分野では、顧客は常に AI エージェントを試して、最終的に問題を解決することに取り組むでしょう。 これが、AI コーディング エージェント、セキュリティ エージェント、または法的エージェントが最初に普及している理由です。これらはすべて、問題を解決するための需要が常に利用可能な人材のレベルを超えている分野です。しかし、どの業種にもこの例があります。 これらの次世代の AI エージェントがあらゆる空間に構築される明確な瞬間が今あります。

すべての職務とワークフローに、作業を自動化するための AI エージェントが配置されることを想像すれば、AI の波の初期段階にあることは明らかです。すべての業種と事業部門は、これまで存在しなかった新しい市場カテゴリとまったく新しいTAMを表しています。

AI エージェントの分業は、知識作業のあらゆる分野でエージェントの影響を最大化するために重要です。 組織では長い間分業が行われてきましたが、それはジェネラリストが毎回異なる方法で物事を行おうとするよりも、個々の専門家がお互いにタスクを引き継ぐ方が効果的であることが判明したからです。AI エージェントも同じダイナミクスを示します。 AI エージェントが機能するには、AI エージェントが完了しようとしているタスクに関する適切な量のコンテキストが必要です。これは、ドメインの深い理解、作業する一連の知識、明確な指示、および使用するツールのセットを意味します。コンテキストが少なすぎると、エージェントは失敗します。しかし、同様に、この情報がコンテキストウィンドウに入るにつれて、モデルが最適ではない可能性があることがわかっています。 複雑なビジネスプロセスの場合、すべてのドキュメント、ワークフローの説明、および指示をコンテキストウィンドウに入れると、エージェントは最終的に混乱し、より悪い結果をもたらすことがわかっています。 将来の論理アーキテクチャは、エージェントを適切なタイプのタスクにマップするアトミックユニットに分割し、これらのエージェントが連携して作業を完了することです。 これはすでにコーディングエージェントで効果的に機能しているのを目の当たりにしています。コードベースまたはサービスエリアの特定の部分をすべて所有するサブエージェントを設定する人々がいる例がますます増えています。各エージェントはコードの一部を担当し、コードにはエージェントに適したドキュメントがあります。次に、コードベースのその関連領域で作業が必要になると、オーケストレーター エージェントがこれらのサブエージェントと調整します。 このパターンは、将来的にはほぼすべての知識分野の仕事に当てはまる可能性が高いことがわかります。これにより、AI エージェントはタスク固有のユースケースをはるかに超えて使用できるようになり、企業内のワークフロー全体を強化することにまで拡張できます。 AI モデルがより大きなコンテキスト ウィンドウを処理できるように改善され、インテリジェンス レベルが向上しても、このアーキテクチャがなくなることは明らかではありません。能力の向上に伴い、各エージェントの役割は拡大する可能性がありますが、サブエージェント間の明確な分離線は常により良い結果につながる可能性があります。

AI エージェントの分業は、人間の分業にマッピングされる場合があります。ユーザーは、コードベース内の特定のマイクロサービスを所有するサブエージェントを使用しています。各サービスにはエージェントに適したドキュメントがあり、更新されるたびに更新されます。このようにして、コンテキストウィンドウの内容を最適化します。未来は荒々しい。

高度な AI のメンタル モデルは、モデルは非常に一般化可能ですが、非常に具体的なコンテキストと組み合わせる必要があります。正確なプロンプト、タスクごとに分割されたサブエージェント、エージェントフレンドリーなドキュメント、ナレッジアクセス。モデルが改善されても、これは変わりません。

AI エージェントを構築する場合、エージェントが優れているものと、*まだ*準備ができていないものを最大限に活用する最適なユースケースを見つけることが非常に重要です。 AI エージェントが自動化または拡張を支援できる作業のカテゴリは非常に多いです。短期的に価値を提供し、モデルの改善によって時間の経過とともに改善できる適切なものを選択することが重要です。現在機能していると思われるいくつかの特性を次に示します。 ※大量の非構造化データや情報を必要とする作業。これは、ドキュメント、画面上の視覚データ、ビデオ コンテンツなどです。これは、コンピューターやソフトウェアがこれまでできなかった領域であり、ここでのユースケースは膨大です。 * AI エージェントは、人間の判断や解釈が必要なものに役立ちますが、常にそうである可能性があります。非常に厳格なルールで何度も繰り返される何かを複製したいと思っている瞬間、おそらくエージェントではなくソフトウェアが欲しいでしょう。 * 自動化される作業が複雑になればなるほど、ループ要素に人間の必要性が高まります。これが、コードエージェントが現在非常にうまく機能している理由であり、最終的にエージェントの出力をテストおよび研究して、何が正しく、何が間違っているかを把握できます。これらのエージェントが間違ったことをした場合でも、熟練したユーザーにとって介入は比較的簡単です。 * モデルの改善というコアインテリジェンスがエージェントに蓄積され続けるユースケースに賭けてください。今日、AI を使用してユースケースに関するすべてを解決できるとしたら、おそらくそれは追求するのに十分なほど興味深い市場ではありません。モデルの改善によって追加される増分価値があるシナリオを追いかけます。 この段階では、どのユースケースがエージェントにとって適しているかは、さらに多くの特性によって決まりますが、最終的には、あらゆるカテゴリーの仕事で追求すべき機会が大量になります。

ナレッジワークにおけるAIエージェントの大きな利点の1つは、以前はできなかった多くのことのROIが劇的に変化することです。 今日、それを進めるための「固定費」を正当化できないため、私たちが行っていない仕事はたくさんあります。ほとんどすべての新しいアイデアは、フォローアップを伴う会議になり、より多くの調整税がかかります。ですから、当然のことながら、最も影響力のある仕事だけを優先し、それが何であるかについて正しい判断を下したことを祈ります。 AI エージェントはここで計算を変更します。製品チームは、より多くのアイデアをプロトタイプ化して、どちらが優れているかを確認する余裕があります。ビジネスアナリストは、より多くの顧客データをくまなく調べて、隠れた洞察を見つけることができます。エンジニアは、より迅速に機能を構築できます。法務チームは、小規模な顧客をより適切にサポートできます。製品マーケティング担当者は、より多くのキャンペーンを実行したり、より多くのメッセージをテストしたりして、より多くの顧客にリーチできます。 もちろん、これらのことの中には、あまり重要ではないものもあります。しかし、多くの人はそうするでしょう。そして、新しいアイデアを試したり、マーケティングメッセージをテストしたり、市場を調査したりするコストを下げることで、企業は以前よりもはるかに多くのことを行うか、少なくとも次の目的地に早く到着できるようになります。

Figmaのケーススタディは素晴らしいものです。チームは、優れた製品の構築、製品主導の成長、公正な価格設定、強力なネットワーク効果の構築、過度に拡張することなく論理的な隣接関係への拡張に100%集中しました。次のスタートアップのための多くの教訓。

Figma以前の製品設計プロセスがどれほど遅かったかは、どれだけ誇張してもしすぎることはありません。ローファイワイヤーフレームでブレインストーミングを行うだけで、フィードバックループには永遠に時間がかかり、モックまで何週間も待つことになります。これで、基本的に製品のプロトタイプが思いついてから数時間以内に表示されます。