Er zal in de nabije toekomst een enorme kloof ontstaan in de uitvoeringssnelheid tussen de individuen, teams en bedrijven die hun workflows aanpassen (of voor de eerste keer creëren) om met AI-agenten te werken en degenen die dat niet doen. In de afgelopen maanden heb ik met een aantal nieuwe startup-oprichters gesproken die op een totaal andere manier opereren dan de rest van de wereld op dit moment. Het merendeel van hun werk, vooral in engineering om mee te beginnen, is gericht op hoe agenten effectief te maken. Er is een focus op hyper specifieke prompts, een grotere oriëntatie op het perfect krijgen van specificaties, het draaien van veel agenten op de achtergrond in parallel, de focus op codebeoordelingen in plaats van coderen, en een heleboel andere nieuwe workflowpraktijken zijn eigenlijk wat nodig is om agenten op schaal te laten werken. En terwijl coderen momenteel voorop loopt in agentische workflows, is het duidelijk dat dit patroon in de loop van de tijd in de meeste andere domeinen zal beginnen op te duiken. Hefboomwerking zal overal zichtbaar zijn: de mogelijkheid om 10X meer marketingoutput te genereren, deals veel sneller te verwerken dankzij geautomatiseerde juridische workflows, klantenservice en succesoperaties sneller af te handelen, enzovoort. De les hier is dat deze teams doorgaans veel ambitieuzer zijn in wat ze agenten laten doen. De meeste bestaande teams en bedrijven zullen blij zijn met incrementele winsten en stoppen voordat ze echt grote veranderingen in hun werkwijze doorvoeren. En dit zal ten minste een tijdelijke voorsprong bieden aan degenen die zich aanpassen aan deze nieuwe manieren van werken.

Interessant is dat, terwijl we AI-agenten hebben die op de achtergrond draaien, de snelheid van AI geleidelijk minder belangrijk wordt dan het kernniveau van de onderliggende capaciteiten. Toen je AI alleen kleine stukjes werk kon geven, was de snelheid van reactie enorm belangrijk. De snelheid waarmee je in real-time heen en weer kon gaan met AI was de bepalende factor voor hoe nuttig het was. Maar nu AI-agenten complexere en nuttigere taken parallel op de achtergrond kunnen uitvoeren, kun je het je veel gemakkelijker veroorloven om langer te wachten op het werk, ervan uitgaande dat het waardevol is. Nu ligt de focus meer op hoe je het werk van de agenten beoordeelt en orkestreert. En de belangrijkste factor is gewoon hoe nuttig en bruikbaar de output is die de agent heeft teruggegeven.

Vandaag kondigt Box belangrijke nieuwe AI-agentmogelijkheden aan, zodat klanten het volledige potentieel van hun ongestructureerde gegevens kunnen benutten. Ten eerste kondigen we allemaal nieuwe updates aan voor de Box AI Studio om het nog gemakkelijker te maken om AI-agenten te bouwen die gebruikmaken van uw bedrijfsinhoud voor elke functie, bedrijfsproces of branchespecifieke use case. We breiden ook onze set van fundamentele agenten uit die klanten kunnen gebruiken om met hun bedrijfsinhoud te werken, inclusief nieuwe functies zoals zoeken en onderzoeken van ongestructureerde gegevens. Vervolgens kondigen we Box Extract aan, waarmee klanten AI-agenten naadloos kunnen gebruiken voor complexe gegevensextractie uit elk type document of inhoud. Dit maakt het gemakkelijker dan ooit om gegevens uit contracten, facturen, onderzoeksgegevens, marketingmiddelen, medische dossiers en meer te halen. Ten slotte introduceren we Box Automate, een nieuwe workflowautomatiseringsoplossing binnen Box waarmee u AI-agenten kunt inzetten in contentgerichte workflows van de onderneming. Met Box Automate kunt u uw bedrijfsproces ontwerpen in een eenvoudige drag-and-drop-bouwer en vervolgens AI-agenten op elke stap in het proces plaatsen. Dit zorgt ervoor dat agenten taken op de juiste stappen in een workflow elke keer uitvoeren. Het beste van alles is dat onze AI-agenten en workflowtools zijn ontworpen om te werken in elk systeem waarin onze klanten werken, of het nu gaat om het benutten van vooraf gebouwde integraties, Box API's of de nieuwe Box MCP Server. Uiteindelijk komen al deze mogelijkheden samen om te transformeren hoe bedrijven met hun bedrijfsinhoud kunnen werken. Software was historisch gezien alleen goed in het automatiseren van werk dat te maken heeft met gestructureerde gegevens, wat de reden is dat ERP-, CRM- en HR-systemen al zo lang de hoekstenen van bedrijfssoftware zijn. De gegevens in deze systemen passen netjes in een database, en de workflows zijn zeer geschikt voor automatisering. Maar het blijkt dat het merendeel van het werk in de wereld te maken heeft met ongestructureerde gegevens. Het is het ideëren door onderzoeksdocumenten, werken met een klant aan contracten, het beoordelen van details voor een nieuwe productlancering, het bekijken van het gezondheidsdossier van een patiënt om een diagnose te stellen, het doorlopen van due diligence-documenten voor een M&A-deal, enzovoort. Voor het eerst kunnen we nieuwe inzichten en automatisering naar dit werk brengen met AI-agenten. Bij Box zijn we ongelooflijk enthousiast om deze reis te maken om klanten te helpen transformeren hoe ze met hun belangrijkste gegevens werken.