Inilah tepatnya paradoks Jevon dalam tindakan dalam bentuk yang paling murni. Karena biaya token AI telah turun, kami sekarang dapat menggunakan lebih banyak token untuk tugas-tugas yang semakin kompleks. Poin kuncinya, dengan demikian, bukanlah bahwa "AI semakin mahal"; Sebaliknya, karena semakin murah dan lebih mampu, kami menggunakan lebih banyak untuk memecahkan masalah dengan lebih baik. Untuk hampir setiap tugas like-for-like, kami hanya menggunakan lebih banyak token untuk menyelesaikan tugas untuk memberikan hasil yang jauh lebih baik. Baik itu menulis kode, menjawab pertanyaan perawatan kesehatan, atau menganalisis kontrak, kami menggunakan lebih banyak AI saat ini untuk melakukan pekerjaan itu karena kami membutuhkan poin kinerja tambahan. Mendapatkan jawaban yang benar 99% saat bekerja dengan kontrak hukum *sangat* berbeda dari jawaban 90% benar, dan itu dengan mudah sepadan dengan peningkatan token 10X hingga 100X. Sekarang, pada *beberapa titik* kita akan mulai mencapai dataran tinggi untuk jenis tugas tertentu, dan kemudian biaya per tugas akan turun. Misalnya, kita mungkin tidak memerlukan token 100X lebih banyak daripada yang kita gunakan saat ini untuk menjawab pertanyaan medis sederhana atau meringkas dokumen. Jadi, pada akhirnya, pada basis like-for-like, beban kerja ini akan menjadi lebih murah karena kami dapat menangkap keuntungan efisiensi dari model. *Tapi*, siklus umum pada dasarnya akan berlangsung selamanya, karena kita akan terus meningkatkan standar apa yang kita lakukan dengan AI. Karena token terus menjadi lebih murah karena terobosan algoritmik, persaingan dalam harga GPU, efisiensi komputasi umum, dan alternatif bobot terbuka, kami akan menemukan serangkaian cara berikutnya untuk mengonsumsi token. Kami akan menyebarkan lebih banyak agen secara paralel untuk mempercepat tugas, kami akan menggunakan sistem multi-agen untuk membandingkan jawaban dan mencapai konsensus, kami akan memecahkan masalah kerja pengetahuan yang lebih kompleks, dan kami akan memiliki agen yang berjalan jauh lebih lama di latar belakang. AI secara bersamaan akan selalu menjadi lebih murah, dan lebih mahal.

Manajemen produk untuk agen AI dengan mudah merupakan bentuk manajemen produk paling liar dalam sejarah. Manajemen produk yang khas mencoba mencari tahu bagaimana merancang antarmuka dan perangkat lunak bagi orang untuk berinteraksi dengan sistem deterministik. Pengguna umumnya mengetahui semua konteks untuk melakukan pekerjaan mereka dengan sukses, jadi umumnya masalah memaku logika bisnis yang mendasarinya dan UX di sekitarnya. Tetapi dengan agen AI, pengguna yang paling Anda sayangi adalah agen, dan mereka tidak tahu apa-apa secara default. Mereka akan dengan senang hati berlari ke segala arah untuk melakukan tugas, seringkali tidak berhasil. Jadi sebagai PM (atau insinyur) Anda pada dasarnya menghabiskan waktu Anda mencoba merekayasa balik "apa yang dibutuhkan manusia sebagai konteks untuk melakukan tugas ini", dan kemudian mencari tahu bagaimana merancang sistem untuk mendapatkan agen data itu dalam urutan yang benar, dengan alat dan instruksi yang tepat. Beberapa dari sistem ini sepenuhnya tidak terlihat oleh pengguna manusia, tetapi bagian dari keahliannya adalah bagaimana pengguna akhir akan berinteraksi dengan agen untuk memasok konteks ini. Kemudian, seringkali coba-coba tanpa akhir bekerja untuk mendapatkan poin kualitas tambahan di setiap tahap. Ini terutama mengapa orang-orang dengan keahlian domain yang mendalam, atau mereka yang dapat mendapatkannya dengan cepat, akan melakukannya dengan sangat baik membangun agen AI. Kemampuan untuk mengantisipasi konteks yang dibutuhkan agen untuk berhasil adalah faktor penentu besar dalam seberapa efektif agen tersebut. Ini sebagian menjelaskan mengapa agen pengkodean bekerja dengan sangat baik di luar gerbang; karena pembuatnya sangat memahami domain yang mereka gunakan untuk mengotomatiskan. Tapi jelas kita akan segera melihat hasil yang sama di setiap bidang - hukum, perawatan kesehatan, keuangan, dll. - saat rekayasa konteks dan generasi baru manajer produk muncul.

Kita akan melihat kembali dunia yang pra-AI dan benar-benar tercengang dengan betapa lambatnya semuanya. Setiap minggu di Box saat kami mendapatkan AI-first, kami menyoroti alur kerja di mana seseorang secara internal membangun agen AI untuk mengotomatiskan beberapa proses. Ini bisa berupa hal-hal seperti proses SDM, penjangkauan penjualan, menanggapi RFP, menangani alur kerja kepatuhan, menulis dokumentasi, dan sebagainya. Biasanya reaksi langsung saya adalah "Saya tidak percaya kami dulu harus melakukan semua pekerjaan ini secara manual". Jumlah waktu yang harus kita habiskan untuk meneliti, menulis, atau memindahkan data antar langkah hanya untuk mendapatkan hal yang *sebenarnya* kita coba lakukan (seperti mempekerjakan seseorang, menutup kesepakatan, dll.) adalah gila. Dan menariknya, sebagai hasil dari latihan ini, saya juga benar-benar melihat banyak area di mana saya bersedia berinvestasi *lebih banyak* pada orang-orang sebagai hasil dari prosesnya menjadi lebih efisien. Kalkulus ROI tiba-tiba berubah pada banyak jenis pekerjaan ketika agen benar-benar dapat mempercepat proses atau menumbuhkan output. Masa-masa liar di depan di era pekerjaan AI-first.