Zarządzanie produktem dla agentów AI to zdecydowanie najdziksza forma zarządzania produktem w historii. Typowe zarządzanie produktem polega na próbie ustalenia, jak zaprojektować interfejsy i oprogramowanie, aby ludzie mogli wchodzić w interakcje z deterministycznymi systemami. Użytkownik zazwyczaj zna cały kontekst, aby skutecznie wykonać swoją pracę, więc zazwyczaj chodzi o dopracowanie podstawowej logiki biznesowej i otaczającego UX. Jednak w przypadku agentów AI, użytkownikiem, na którym najbardziej ci zależy, jest agent, a on domyślnie nie wie nic. Z radością podąży w każdym kierunku, aby wykonać zadanie, często bez sukcesu. Jako PM (lub inżynier) spędzasz więc czas na próbie odtworzenia „czego potrzebowałby człowiek jako kontekstu, aby wykonać to zadanie”, a następnie ustalasz, jak zaprojektować systemy, aby dostarczyć agentowi te dane w odpowiedniej kolejności, z odpowiednimi narzędziami i instrukcjami. Niektóre z tych systemów są całkowicie niewidoczne dla ludzkiego użytkownika, ale częścią rzemiosła jest również to, jak końcowy użytkownik będzie wchodził w interakcje z agentem, aby dostarczyć ten kontekst. Następnie często jest to niekończąca się próba i błąd, aby wydobyć stopniowe punkty jakości na każdym etapie. To szczególnie wyjaśnia, dlaczego osoby z głęboką wiedzą w danej dziedzinie, lub te, które mogą ją szybko zdobyć, będą doskonale radzić sobie w budowaniu agentów AI. Zdolność do przewidywania kontekstu, który agent potrzebowałby, aby odnieść sukces, jest ogromnym czynnikiem decydującym o tym, jak skuteczny będzie agent. To częściowo wyjaśnia, dlaczego agenci kodujący tak dobrze działali od samego początku; ponieważ ich twórcy głęboko rozumieją dziedzinę, którą starają się zautomatyzować. Ale wyraźnie szybko zobaczymy ten sam wynik w każdej dziedzinie - prawnej, zdrowotnej, finansowej itd. - gdy inżynieria kontekstu i nowa grupa menedżerów produktów się pojawi.