Управление продуктами для AI-агентов, безусловно, является самой дикой формой управления продуктами в истории. Типичное управление продуктами заключается в том, чтобы понять, как разрабатывать интерфейсы и программное обеспечение для людей, чтобы взаимодействовать с детерминированными системами. Пользователь, как правило, знает весь контекст, чтобы успешно выполнять свою работу, поэтому это в основном вопрос о том, чтобы отточить основную бизнес-логику и окружающий UX. Но с AI-агентами наиболее важным пользователем является агент, и по умолчанию он ничего не знает. Он с радостью будет двигаться в любом направлении, чтобы выполнить задачу, часто без успеха. Таким образом, как PM (или инженер), вы в основном тратите свое время на то, чтобы обратным образом выяснить: "что нужно человеку в качестве контекста, чтобы выполнить эту задачу", а затем понять, как разработать системы, чтобы предоставить агенту эти данные в правильной последовательности, с правильными инструментами и инструкциями. Некоторые из этих систем полностью невидимы для человеческого пользователя, но часть мастерства заключается в том, как конечный пользователь будет взаимодействовать с агентом, чтобы предоставить этот контекст. Затем это часто бесконечные проб и ошибок, работающие над тем, чтобы извлечь инкрементальные точки качества на каждом этапе. Это особенно объясняет, почему люди с глубокими знаниями в области или те, кто может быстро их приобрести, будут очень успешны в создании AI-агентов. Способность предвидеть контекст, который агенту потребуется для успеха, является огромным определяющим фактором в том, насколько эффективным будет агент. Это отчасти объясняет, почему кодирующие агенты так хорошо заработали с самого начала; потому что их создатели глубоко понимают область, которую они пытаются автоматизировать. Но, очевидно, мы быстро увидим тот же результат в каждой области - юридической, медицинской, финансовой и т.д. - по мере появления инженерии контекста и новой волны менеджеров продуктов.