De mailbox die door Agent wordt gebruikt, moet eerst worden omgezet in een werkvoorraad.
Nadat de nieuwsbrief binnenkomt, is wat echt nuttig is afleiding, recycling en het achterlaten van sporen
Nadat ik 's nachts een heleboel nieuwsbrieven naar Agently Mail had overgezet, was mijn eerste indruk dat het eigenlijk heel eenvoudig was: het was niet “e-mails lezen”, maar het sorteren van de inbox. De analyse die terugkwam zag er soepel uit, alsof een hoop rommelige input was samengeperst tot een paar aanwijzingen die verder konden worden verwerkt. Deze ervaring riep al snel de vraag op: de echte moeilijkheid van e-mail is niet alleen het begrijpen van de inhoud, maar ook hoe de inhoud moet worden verwerkt nadat deze is ontvangen.
Het mentale model van een traditionele mailbox is ontvangen, antwoorden en archiveren. Dit model is voldoende voor mensen, omdat mensen zelf het oordeel, het geheugen en het volgen voltooien. Nadat Agent binnenkomt, zijn deze dingen niet genoeg. Agent is hier niet om het “gewoon te lezen”, het is meer een wachtrijconsument: bepaal eerst of de e-mail een abonnementstype, een meldingstype of een vervolgtype is, en beslis vervolgens of u doorgaat met analyseren, een concept wilt genereren, deze naar andere tools wilt overbrengen of deze rechtstreeks in het archief wilt gooien. Zolang dergelijke verwerkingskracht niet bestaat, is de zogenaamde “slimme mailbox” slechts een meer samengevatte inbox.
Wat mij meer interesseert, zijn de sporen die worden achtergelaten. Het meest vervelende aan e-mails als nieuwsbrieven is niet dat je de informatie niet kunt afmaken, maar dat je na het lezen niet weet welke stap er is verwerkt. Wanneer mensen met e-mails omgaan, zullen ze zich in hun hoofd herinneren: “Ik heb deze gelezen”, “Ik heb daar nog niet op geantwoord” en “Die zal ik later behandelen”. Agent beschikt niet over dit soort natuurlijk geheugen en moet vertrouwen op status en logboeken om dit goed te maken. Er moeten duidelijke resultaten zijn over welke brief is overgeslagen, welke brief is samengevat, welke brief is omgezet in een concept en welke brief om secundaire bevestiging is gevraagd. Zonder resultaatstatus zal de ‘hulp’ van de agent uiteindelijk een nog meer verborgen laag van takenstapels worden.
Dit is ook waar dit soort gereedschap het meest waarschijnlijk op de verkeerde weg terechtkomt. Het veranderen van de mailbox in een chatinterface lijkt misschien nieuw, maar als de onderste laag nog steeds op “een alinea samenvatten” blijft staan, is de waarde voorbij. Wat echt handig is, is om van de e-mail een overdraagbaar werkobject te maken: de bron is duidelijk, de actie is duidelijk, het resultaat is duidelijk en kan indien nodig worden afgespeeld. Pas als dit is bereikt, kan de Agent beginnen met het aanpakken van de kernproblemen van de mailbox, in plaats van alleen maar de tekst aan de rand op te poetsen.
De grenzen zijn ook duidelijk. Interpersoonlijke transacties, betalingsbevestigingen, heen en weer contracten en antwoorden met beloften zijn niet geschikt om rechtstreeks door de agent te worden afgehandeld. Verantwoorde inhoud met een laag format en een laag formaat kan het beste aan mensenhanden worden overgelaten. Wat geschikter is voor uitbesteding aan Agent is invoer met een hoog volume, weinig risico en een stabiel formaat: nieuwsbrieven, systeemmeldingen, herinneringen en routinesamenvattingen. Wat ze gemeen hebben is niet ‘waardeloos’, maar ‘het moet elke keer aangepakt worden, maar het is niet de moeite waard om elke keer de aandacht van mensen op te eisen’.
Het interessante van iets als Agently Mail is niet dat je de mailbox meer op een chatgesprek laat lijken, maar dat de mailbox begint te lijken op een herspeelbare verwerkingsketen. Wat het als eerste oplost is niet het lezen, maar het afleiden, recyclen en het achterlaten van sporen. Zodra de mailbox verandert van een communicatiemiddel in een werkvoorraad, heeft de Agent de mogelijkheid om een deel van de dagelijkse klusjes echt over te nemen.
What to read next
Want more posts about AI?
Posts in the same category are usually the best next step for reading more on this topic.
View same categoryWant to keep following #AI?
Tags are useful for related tools, specific problems, and similar troubleshooting notes.
View same tagWant to explore another direction?
If you are not sure what to read next, return to the homepage and start from categories, topics, or latest updates.
Back home