Det är ganska löjligt hur smidig du måste vara med din AI-agentstack just nu. Vad du än lade 6 månader på att finslipa för 12 månader sedan är förmodligen redan föråldrat och du har bättre förutsättningar att göra en omstart än att försöka återuppliva det arkitektoniskt. Och det intressanta är att för varje hopp som tar bort en del av stacken, blir det oftast en ny möjlighet som du behöver bygga nya ställningar för. Till exempel har förmodligen många RAG-pipelines behövt justeras på grund av kontextfönstren som förbättrats dramatiskt och du kan nu bara använda agentisk sökning på grund av förbättrad verktygsanvändning. Men samma förbättrade verktygsanvändning innebär att du förmodligen behöver stödja kodexekvering med sandlådor så att agenten kan hantera mer komplext arbete. Så en förmåga blir bitter och en ny öppnas helt och hållet. Det här är cykeln vi kommer att vara i i flera år. Om du inte har hastigheten och smidigheten att hantera det kommer du troligen att hamna i en svår situation.

Utan att gå in på de exakta siffrorna kommer detta underliggande koncept och trend att vara mycket verklig. För varje arbetare som kan använda AI-agenter effektivt i en organisation kommer deras beräkningsbudgetar bara att öka monotont över tid. Detta kommer förstås att börja inom ingenjörsarbetet, där vi redan vet att utvecklare kan köra flera agenter parallellt eller ha projekt som pågår över natten. Men detta påverkade så småningom resten av kunskapsarbetet också. Advokater som kan skapa och granska fler utkast, marknadsförda som kan bygga fler kampanjer och testa fler ideal parallellt, säljare som kan nå fler kunder och bearbeta fler leads. Många av dessa aktiviteter beror i princip på hur mycket arbete en enskild person kan utföra. Detta är inte chattbot-arbetsflöden som besvarar en enkel fråga, utan agenter som kör och bearbetar otroliga mängder data i stor skala, och genererar helt nya former av information. Företagen måste lista ut hur de budgeterar för detta, och det kommer troligen inte att vara en IT-budgetpost över tid, utan i slutändan ägd och fördelad av företaget. Kanske är CFO:n i slutändan chef för AI :-).

Hade möten och middag med 20+ företagsledare inom AI- och IT-branschen idag. Många intressanta samtal om AI:s tillstånd i stora företag, särskilt reglerade företag. Här är några av de allmänna trenderna: * Agenter är tydligt det viktigaste. Företag går från att prata om chattbotar till agenter, även om vi fortfarande är väldigt tidigt stadga. Kodning är fortfarande det dominerande agentiska användningsfallet som hittills antags, med andra kategorier av tvärvetenskapligt kunskapsarbete som börjar dyka upp. Mycket agentiskt arbete från piloter och PoCs till produktion, och vissa företag hade många aktiva levande användningsområden. * Agentiska användningsfall täcker alla delar av en verksamhet, från backoffice-verksamhet till kundnära upplevelser från försäljning till kundonboarding-arbetsflöden. Den allmänna uppfattningen är att agentiska arbetsflöden kommer att påverka alla delar av en organisation, ofta med största fokus på att leverera bättre för kunder, få bättre insikter och intelligens från data och dokument, snabba upp arbetsflöden med hög ROI med agenter, och så vidare. Mycket begränsad diskussion om ren kostnadsbesparing. * Data- och AI-styrning är fortfarande centrala utmaningar. Att få data och innehåll på en plats där agenter säkert och enkelt kan arbeta är fortfarande en enorm uppgift för fler organisationer. År av fragmentering av datahantering som inte var ett problem är nu ett problem för företag som vill införa agenter. Och att styra vad agenter kan göra med data i ett arbetsflöde är fortfarande ett stort ämne. * Identitet som blir ett stort ämne. Kan agenten få tillgång till allt du har? I en värld med dussintals agenter som arbetar för dem, potentiellt för mycket dataexponering och räckvidd för agenterna. Hur hanterar vi agenter med partitionerad åtkomst till din information? * Många nya frågor om hur vi ska budgetera för tokens över användningsområden och team. Företag vill inte begränsa användningsområden, men måste lika gärna vara medvetna om de slutgiltiga tokenbudgetarna. Detta kommer att bli en större del av OpEx med tiden, och det kommer troligen inte längre att vara meningsfullt att räknas som en IT-budget. Det måste troligen räknas in i resten av driftskostnaderna. * Interoperabilitet är nyckeln. Varje företag implementerar flera AI-system just nu, och det är osannolikt att det kommer att finnas en enda plattform som styr dem alla. Kunder blir allt smartare på hur man hanterar agentinteroperabilitet, och detta kommer att vara en av de största drivkrafterna för en AI-stack framöver. Många fler lärdomar än bara detta, men det är onödigt att säga att momentumet växer samtidigt som företag är mycket medvetna om förändringsledningen och arbetet som väntar. Många möjligheter just nu.