Jeudi, Box a lancé ses développeurs de conférences de développeurs en annonçant un nouvel ensemble de fonctionnalités, créant des modèles d’IA agentiques dans l’épine dorsale du produit de la société.
Il s’agit de plus d’annonces de produits que d’habitude pour la conférence, reflétant le rythme de plus en plus rapide du développement de l’IA chez la société: Box a lancé son studio d’IA l’année dernière, suivi d’un nouvel ensemble d’agents d’écriture de données en février, et d’autres pour la recherche et la recherche approfondie en mai.
Maintenant, la société déploie un nouveau système appelé Box Automaté qui fonctionne comme une sorte de système d’exploitation pour les agents de l’IA, divisant les flux de travail en différents segments qui peuvent être augmentés avec AI Ascence.
J’ai parlé avec le PDG Aaron Levie de l’approche de l’IA de l’entreprise et du travail périlleux de comparaison avec les sociétés de modèles de fondation. Sans surprise, il était très optimiste quant aux possibilités des agents de l’IA sur le lieu de travail moderne, mais il était également en énergie claire sur les limites des modèles actuels et comment gérer ces limites avec la technologie existante.
Cette interview a été modifiée pour la durée et la clarté.
Vous annoncez un tas de produits IA aujourd’hui, donc je veux commencer par poser des questions sur la vision à grande échelle. Pourquoi construire des agents AI dans le service de contenu cloud?
Donc, la chose à laquelle nous pensons toute la journée – et quelle est notre concentration à Box – c’est la quantité de travail en raison de l’IA. Et la grande majorité de l’impact est actuellement sur les flux de travail impliquant des données de non-structure. Nous avons déjà pu automatiser tout ce qui traite des données structurées qui entrent dans la base de données. Si vous pensez aux systèmes CRM, aux systèmes ERP, aux systèmes RH, nous avons déjà eu des années d’automatisation dans cet espace. Mais là où nous n’avons jamais eu d’automatisation, c’est tout ce qui touche les données de non-structure.
Événement TechCrunch
San Francisco
|
27-29 octobre 2025
Pensez à tout type de processus d’examen juridique, à tout type de processus de gestion des actifs marketing, à tout type de révision de l’accord de fusions et acquisitions – tous ces flux de travail traitent de nombreuses données de non-structure. Les gens doivent revoir ces données, faire des mises à jour, prendre des décisions, etc. Nous n’avons jamais pu apporter beaucoup d’automatisation à ces workflows. Nous avons pu les décrire dans des logiciels, mais les ordinateurs n’ont tout simplement pas été assez bons pour lire un document ou regarder un actif marketing.
Donc, pour nous, les agents de l’IA signifient que, pour la première fois, nous pouvons réellement exploiter toutes ces données non structurées.
Qu’en est-il des risques de déploiement des agents dans un contexte commercial? Certains de vos clients doivent être nerveux à l’idée de déployer quelque chose comme ça sur des données sensibles.
Ce que nous avons vu des clients, c’est qu’ils veulent savoir que la fois qu’ils exécutent ce flux de travail, l’agent va exécuter plus ou moins le chemin, au moment du flux de travail, et ne pas avoir ce genre de rails. Vous ne voulez pas que un agent fasse une détente aggravante où, après avoir fait le premier couple 100 soumissions, ils commencent à une femme aimable.
Il devient vraiment important d’avoir les bons points de départ, où l’agent démarre et les autres parties du système. Pour chaque flux de travail, il y a cette question de ce qui doit avoir des garde-corps déterministes et ce qui peut être entièrement agentique et non déterministe.
Ce que vous pouvez faire avec Box Automati, c’est décider de la quantité de travail que vous souhaitez que chaque agent individuel fasse avant qu’il ne remette un agent différent. Vous pourriez donc avoir un agent de soumission séparé de l’agent d’examen, etc. Cela vous permet de déployer la basale des agents d’IA à grande échelle dans tout type de flux de travail ou de processus métier dans l’organisation.
À quoi vous protégez-vous des problèmes en divisant le flux de travail?
Nous avons déjà vu certaines des limites même dans les systèmes entièrement agentiques les plus avancés comme Claude Code. À un moment donné de la tâche, le modèle est à court de salle de contexte pour continuer à prendre de bonnes décisions. Il n’y a pas de déjeuner gratuit en ce moment en IA. Vous pouvez simplement avoir un agent de longue date avec une fenêtre de contexte illimitée, allez après n’importe quelle tâche dans votre entreprise. Vous devez donc rompre le flux de travail et utiliser.
Je pense que nous à l’ère du contexte au sein de l’IA. Ce dont les modèles et les agents de l’IA ont besoin est le contexte, et le contexte dont ils ont besoin pour travailler est assis à l’intérieur de vos données de non-structure. Ainsi, notre système entier est vraiment conçu pour déterminer le contexte que vous pouvez donner à l’agent d’IA pour vous assurer qu’ils fonctionnent comme possible.
Il y a un débat plus important dans l’industrie sur les avantages des grands modèles frontaliers puissants par rapport aux modèles plus petits et plus fiables. Cela vous met-il du côté des petits modèles?
Je devrais résumer la clarification: rien sur notre système empêche la tâche d’être arbitrairement longue ou complexe. Ce que nous essayons de faire, c’est de créer les bons garde-corps afin de décider à quel point vous voulez que cette tâche soit de cette tâche.
Nous n’avons pas de philosophie particulière quant à l’endroit où les gens devraient être sur ce continuum. Nous essayons simplement de concevoir une architecture à l’épreuve du futur. Nous l’avons conçu de manière à ce que, à mesure que les modèles se sont améliorés et que les capacités agentiques s’améliorent, vous obtiendrez tous ces avantages directement dans notre plateforme.
L’autre concernée est le contrôle des données. Parce que les modèles sont formés sur tant de données, il y a une réelle crainte que les données sensibles soient régurgitées ou mal utilisées. Comment les cotisations sont-elles?
C’est là que de nombreux déploiements d’IA se trompent. Les gens pensent: «Hé, c’est facile. Je vais donner un accès à un modèle d’IA à toutes mes données de non-structure, et cela répondra aux questions pour les gens.» Et puis cela commence à vous donner des areswers sur des données auxquelles vous n’accès pas ou auxquelles vous ne devriez pas avoir accès. Vous avez besoin d’une couche très puissante qui gère les contrôles d’accès, la sécurité des données, les autorisations, la gouvernance des données, la conformité, tout.
Nous bénéficions donc des décennies de quelques décennies que nous avons passées à construire un système qui gère essentiellement ce problème exact: comment vous assurez-vous que seule la bonne personne a accès à chaque pièce de données de l’entreprise? Ainsi, lorsqu’un agent répond à une question, vous savez de manière déterministe qu’elle peut s’appuyer sur toutes les données auxquelles cette personne ne devrait pas avoir accès. C’est juste quelque chose qui s’accumule fandamentalement dans notre système.
Plus tôt cette semaine, Anthropic publie une nouvelle fonctionnalité pour télécharger directement des fichiers sur claude.ai. C’est un long chemin par rapport au type de gestion des fichiers que fait la boîte, mais vous devez penser à une éventuelle concurrence des sociétés modèles de fondation. Comment approuvez-vous cela stratégiquement?
Donc, si vous pensez à ce dont les entreprises ont besoin lorsqu’ils déploient l’IA à grande échelle, ils ont besoin de sécurité, d’autorisations et de contrôle. Ils ont besoin de l’interface utilisateur, ils ont besoin d’API puissants, ils veulent le choix des modèles d’IA, car un jour, un modèle d’IA alimente une certaine utilisation pour eux qui est mieux celui d’un autre, mais cela pourrait changer, et ils veulent être une plate-forme particulière.
Donc, ce que nous avons construit, c’est un système qui vous permet d’avoir efficace toutes ces capacités. Nous faisons le stockage, la sécurité, les autorisations, l’intégration du vecteur et nous nous connectons à chaque modèle d’IA de plomb qui existe.
