Kepala Futuristik AI Microsoft Ungkap Cara Pemanfaatan Copilot untuk Atasi Tantangan Riil di Perusahaan

Microsoft memanfaatkan konferensi Build 2026 pekan ini untuk menyampaikan pesan yang jelas: agen-agen AI dengan cepat memasuki sistem perusahaan, dan platform yang akan menang adalah yang bisa memberikan konteks yang dapat diandalkan, tata kelola, identitas, memori, serta akses aman ke data perusahaan.

Perusahaan ini mengumumkan Microsoft IQ sebagai lapisan konteks yang meliputi GitHub Copilot, Microsoft Foundry, dan Copilot Studio. Mereka juga akan meluncurkan Work IQ APIs pada 16 Juni, Fabric IQ untuk data bisnis terstruktur, Foundry IQ untuk pengambilan pengetahuan di seluruh perusahaan dan web, serta Web IQ sebagai tumpukan pencarian web yang baru untuk agen.

Selain itu, Microsoft memperkenalkan Scout, agen kerja pribadi, dan mencatat ada tujuh model AI baru dalam keluarga MAI yang terus berkembang, termasuk MAI-Thinking-1.

Pengumuman ini berada di zona Marco Casalaina, VP Products Microsoft untuk Core AI dan seorang AI Futurist. Ia memimpin tim AI Futures Microsoft dan sebelumnya memimpin tim di Azure AI, termasuk Azure OpenAI, Vision, Speech, Decision, dan AI Studio.

Sebelum bergabung dengan Microsoft, Casalaina memimpin tim Einstein AI di Salesforce dan meraih gelar ilmu komputer dari Cornell University. CRN melaporkan bahwa ia bergabung dengan Microsoft pada awal 2022 sebagai wakil presiden produk untuk Azure Cognitive Services, sehingga ia telah bersama perusahaan ini lebih dari empat tahun.

VentureBeat mewawancarai Casalaina menjelang Build mengenai strategi agen Microsoft, filosofi pemilihan model, bagaimana Microsoft IQ sejalan dengan MCP, dan mengapa ia percaya perusahaan memerlukan lebih dari sekadar akses ke model-model yang kuat. Wawancara berikut disunting untuk kejelasan dan diringkas dari transkrip.

VentureBeat (VB): Bisa jelaskan peran Anda di Microsoft dan apa artinya “AI Futurist” dalam praktiknya?

Marco Casalaina (MC): Saya adalah VP Products di Core AI. Core AI adalah sekumpulan alat untuk pengembang AI, yang mencakup Foundry, Visual Studio, VS Code, GitHub, dan GitHub Copilot. Itu adalah kelompok umum kami.

Judul saya di Silicon Valley adalah AI Futurist, dan itu memiliki arti yang sangat konkret di sini. Saya telah bekerja dengan orang-orang yang dianggap futuris, seperti Peter Schwartz, dan itu bisa jadi lebih kabur. Bagi saya, itu berarti saya adalah orang pertama yang mencoba segala sesuatu yang baru di sini.

Saya terus mendapatkan berbagai hal dari seluruh Microsoft, bukan hanya dari Foundry, karena saya bekerja dengan semua orang di perusahaan ini. Hampir semua orang mengirimkan hal-hal baru kepada saya setiap saat. Jadi, cukup menarik untuk bisa melihat banyak hal menarik.

Salah satu teman saya, yang merupakan kepala AI di Intuit, menyebut saya “adjacent possiblist.” Saya menganggap konsep futuris saya berfokus pada masa depan yang akan datang — seputar apa yang akan terjadi selanjutnya. Itu adalah fokus saya.

VB: Bagaimana pandangan Anda mengenai keadaan agen, dan khususnya posisi Microsoft saat perusahaan dan individu bergegas untuk mengadopsi AI agen?

MC: Kita bisa melihatnya dari bawah ke atas. Di dasar tumpukan adalah komitmen kami terhadap pemilihan model. Selama ini, kami memiliki model-model OpenAI GPT. Sekarang kami memiliki kemitraan yang solid dengan Anthropic, di mana kami menawarkan model-model Claude. Baru-baru ini, kami meluncurkan Claude Opus 4.8 di Azure — lebih tepatnya di Foundry — dan di Build ini, kami memperkenalkan model MAI baru kami.

Model MAI adalah sekumpulan model frontier yang kami bangun secara internal. Mereka dirancang untuk efisiensi token, optimisasi, dan kustomisasi. Kami sedang mengembangkan model-model ini khusus untuk pelanggan kami agar bisa disesuaikan dengan dataset mereka sendiri.

Satu tingkat di atas itu, kami mengumumkan agen yang dihosting di Foundry. Ini adalah kemampuan agen yang dikelola di Foundry. Ini secara otomatis menangani skala, containerisasi, dan hal-hal semacam itu dalam lingkungan di mana Anda bisa mengelola agen.

Satu tingkat di atas lagi adalah kontrol plane Foundry. Setidaknya untuk agen yang Anda bangun, Anda ingin memiliki kontrol atasnya. Ini memberi Anda visibilitas ke biaya, token, dan akurasi mereka. Anda dapat melakukan evaluasi terus-menerus dan interaksi dengan agen-agen tersebut, menjalankan evaluasi dan memastikan bahwa agen tersebut terus bekerja sesuai harapan.

Berita besar yang akan datang adalah GA dari apa yang kami sebut IQ di Microsoft. Saat ini ada tiga, tetapi akan ada empat. Ada Foundry IQ, yang pada dasarnya untuk pengetahuan — sebagian besar pengetahuan tidak terstruktur. Ada Fabric IQ. Kami memiliki banyak pelanggan yang mempercayakan banyak data ke Microsoft Cloud melalui Fabric, Power BI, dan teknologi terkait. Fabric IQ tentang membuat antarmuka yang dapat diakses oleh agen untuk data ini, sehingga agen bisa mengaksesnya tanpa harus melalui laporan Power BI secara langsung. Itu tidak praktis.

Work IQ adalah tentang ekosistem Microsoft. Anda bisa melihat Work IQ sebagai wajah agen dari semua aplikasi Microsoft: Outlook, Teams, Word, SharePoint, dan sejenisnya. Bagaimana seorang agen berinteraksi dengan semua hal tersebut? Itulah Work IQ.

Dan akhirnya, IQ keempat adalah Web IQ. Kami meluncurkan kemampuan pencarian web baru untuk agen. Ini dapat mencari di web, mencari melalui video, dan bahkan melakukan beberapa tugas penelusuran secara otomatis. Sangat cepat, dan cara kerjanya tidak terlihat. Antarmuka ini ditujukan untuk agen.

Kami juga akan meluncurkan Agent Optimizer. Ini termasuk jenis evaluasi baru yang memungkinkan Anda untuk menilai seberapa efektif agen sebenarnya bekerja dan apakah mereka bekerja dengan benar. Langkah optimisasi ini dapat mengembalikan dan membuat modifikasi terhadap prompt, tentu saja dengan persetujuan Anda, dan menyesuaikan agen Anda agar lebih baik ke depannya. Secara efektif, ini menciptakan umpan balik untuk meningkatkan kinerja agen.

VB: Microsoft kadang-kadang dikritik karena penamaan produk yang tidak jelas dan rumit. Di mana letak produk IQ ini? Apakah pengguna enterprise seharusnya datang ke IQ terlebih dahulu, atau lebih ke pengembang untuk terhubung?

MC: Semua IQ adalah headless. Konsep IQ adalah bahwa masing-masing memberikan jenis konteks yang berbeda kepada seorang agen. Secara umum, itu akan lebih banyak diterapkan oleh pengembang yang berinteraksi dengan berbagai IQ — para pengembang dan agen yang mereka buat.

Merek IQ benar-benar tentang konteks agen. Pengguna akhir umumnya tidak akan berinteraksi langsung dengan IQ. Benar bahwa jika Anda menggunakan Microsoft 365 Copilot hari ini, Anda akan melihat sesuatu yang menyebutkan bahwa itu menggunakan Work IQ. Jadi, agak terlihat, tetapi pelanggan atau pengguna akhir tidak perlu mencari IQ tersebut. Sistem mereka atau para pengembang menyambungkannya.

VB: Apakah keluarga IQ ini pada dasarnya adalah versi Microsoft dari MCP? Apakah itu menggunakan MCP, atau berbeda?

MC: Semua IQ memang diekspos sebagai server MCP. Anda telah menggambarkan MCP dengan benar sebagai API yang berorientasi agen atau menggambarkan diri. Itu tidak terlalu rumit. Itulah yang sebenarnya, dengan beberapa lapisan otentikasi dan kemampuan di dalamnya, yang sangat berguna.

Hal-hal seperti Work IQ — sebenarnya semua IQ — harus melalui proses otentikasi. Agar Work IQ bisa melihat email saya, pesan Teams, dokumen, dan hal-hal seperti itu, saya harus bisa melakukan otentikasi atas nama saya.

Ini menjangkau perbedaan inti lain yang akan kami umumkan di Build, yaitu identitas agen. Kami memiliki sistem Entra, dan Entra adalah, saya percaya, sistem identitas yang paling banyak digunakan di dunia untuk pengguna manusia. Sejak lama, Anda sudah bisa mendeklarasikan bahwa seorang agen memiliki identitas di dalamnya. Sekarang, agen akan memiliki identitas mereka sendiri, kotak Teams mereka sendiri, kotak email mereka sendiri, dan semacamnya.

Agen-agen ini akan menggunakan Work IQ untuk memeriksa email mereka sendiri, memeriksa dokumen mereka, dan sebagainya.

VB: Perusahaan tidak bisa disamakan mengenai model. Microsoft mendukung banyak model terkemuka melalui Foundry dan Azure, sambil juga membangun modelnya sendiri. Apakah Microsoft adalah perusahaan model, perusahaan infrastruktur, atau penghubung antara model-model dan produk kerja?

MC: Jawabannya adalah ya. Kami jelas adalah hyperscaler. Kami berkomitmen untuk pilihan model, dan kami akan terus menawarkan model frontier dari semua pemain besar: OpenAI, Anthropic, Mistral, Black Forest, xAI — dan Anda sebut saja. Semua itu akan ada di situ.

Di sisi lain, kami juga memiliki tim Microsoft AI Superintelligence, yang dipimpin oleh Mustafa Suleyman, dan kami sedang membangun model-model frontier kami sendiri. Seperti yang saya sebutkan sebelumnya, kami benar-benar mengarahkan model-model ini untuk optimisasi — efisiensi token, nilai yang diperoleh, dan kustomisasi.

Ini adalah hal-hal yang diminta pelanggan kami: kemampuan untuk lebih menyesuaikan model, baik itu fine-tuning atau pre-training lanjut. Pre-training lanjut sebenarnya mengubah bobot model, sementara fine-tuning menambahkan lapisan di atasnya.

Kami memiliki kemampuan ini dalam Foundry: fine-tuning, distilasi, dan semacamnya. Saya ingin mencatat bahwa model MAI kami tidak didistil. Beberapa penyedia model, terutama yang kurang scrupulous, akan mendistil model lain ke dalam model mereka, dan itu bisa memiliki efek aneh. Kami tidak melakukannya. Provenance data model kami sangat penting bagi kami.

Ketika kami meluncurkan model ini, kami ingin pelanggan kami tahu bahwa provenance datanya bersih dalam hal hak atas data, dari mana asalnya, dan semua hal semacam itu.

Pilihan model tidak hanya berhenti pada lapisan model. Ketika kami berbicara tentang agen hosted di Foundry, kami memiliki Microsoft Agent Framework. Anda berbicara tentang orkestra agen — bagaimana mengatur agar agen bekerja bersama ketika Anda memiliki banyak agen — dan Microsoft Agent Framework adalah kerangka yang sangat baik untuk itu.

Namun, saya bisa membuat agen hosted Foundry menggunakan LangGraph atau LangChain. Saya bisa membuat agen hosted Foundry dengan CrewAI. Saya bisa menggunakan banyak kerangka orkestra dan menjadikannya agen hosted Foundry kelas satu.

Artinya, saya mendapatkan observabilitas. Ini akan muncul di kontrol plane Foundry. Saya bisa melakukan evaluasi padanya. Saya bisa melacaknya. Saya bisa mendapatkan semua itu dari kontrol plane Foundry dengan agen yang dibangun dengan kerangka apa saja yang saya pilih.

VB: Beberapa perusahaan tertarik pada model China dan open-source. Seberapa besar Microsoft menyediakan model-modelnya sendiri berkaitan dengan memberikan versi Amerika untuk itu?

MC: Saya tidak bisa berbicara secara spesifik mengenainya. Tentu saja, kami menawarkan model DeepSeek dan model Qwen di Foundry, jadi kami menyediakan semua pilihan ini saat ini, dan pelanggan kami bisa memilih.

Model MAI benar-benar berfokus pada efisiensi token dan kustomisasi. Itu adalah apa yang diminta pelanggan kami, dan itulah celah yang kami isi.

VB: Ketika agen mengambil alih tugas yang lebih panjang dan lebih khusus, apakah perusahaan akan terus memperluas jumlah model yang mereka gunakan, atau akan ada penyaringan?

MC: Saya melihatnya akan terus berkembang. Kami tidak hanya fokus pada token semata. Satu token tidaklah sama dengan token lainnya. Satu token tidak selalu setara di berbagai hal. Semuanya bergantung pada bagaimana Anda memperlakukan setiap token dan efisiensi dari penggunaannya. Ini semua kembali kepada nilai yang Anda dapatkan untuk biaya tersebut. Itulah banyak alasan mengapa kami mengembangkan model MAI kami sendiri.

Sebagian dari pekerjaan saya adalah berkeliling dunia. Saya sudah pergi ke banyak tempat. Misalnya, saya telah bekerja dengan Bayer. Salah satu hal yang kami ukur bukan hanya penggunaan token, tetapi juga jumlah pengguna — pengguna aktif bulanan dan harian — karena kami memiliki banyak kemampuan pihak pertama seperti Microsoft 365 Copilot. Selama setahun terakhir, kami telah melihat peningkatan enam kali lipat dalam pengguna aktif bulanan. Kami memiliki lebih dari 20 juta pengguna Microsoft 365 Copilot saja.

Itu berlaku untuk agen yang Anda gunakan. Dalam hal agen yang Anda bangun, Bayer telah mendirikan sistem agennya sendiri di Foundry, dan kini memiliki 20.000 karyawan yang menggunakannya.

Beberapa minggu yang lalu, saya berada di Sydney, Australia, bertemu dengan AEMO, Pengelola Pasar Energi Australia. Mereka mengoperasikan jaringan listrik Australia. Mereka menunjukkan bahwa mereka telah membangun agen untuk mengelola operasi jaringan.

Ini adalah hal yang berpusat pada manusia. Mereka memiliki operator jaringan yang duduk di pusat di West Sydney, Brisbane, dan tempat-tempat lain, dan mereka dibombardir dengan pemberitahuan yang terus menerus. Saya tidak akan mempercayainya jika saya tidak melihatnya sendiri. Pemberitahuan itu konstan. Mereka membangun sistem untuk menilai pemberitahuan tersebut. Apakah ini pemberitahuan yang sangat penting atau hanya transformer yang sedikit panas? Ini juga memberi tahu kapan terakhir kali kami mengalami masalah ini dan bagaimana kami menyelesaikannya. Mungkin sekarang kita perlu mengganti komponen ini atau yang lainnya.

Pada akhirnya, itu adalah pilihan operator jaringan. Banyak filosofi kami di sini adalah tentang memberdayakan manusia. Agen-agen yang berfokus pada manusia inilah yang paling efektif di antara pelanggan kami. Apa yang saya lihat di AEMO dan Bayer adalah gagasan pemberdayaan: menghapuskan pekerjaan yang membosankan, atau dalam kasus AEMO, mengurangi miliaran pemberitahuan menjadi sesuatu yang jauh lebih dapat dikelola dan dapat ditindaklanjuti oleh orang-orang yang terlibat.

Kami sedang bergerak melewati era di mana agen hanya menjawab pertanyaan. AI secara umum sedang bergerak ke tempat di mana AI bisa benar-benar membantu Anda menjalankan pekerjaan Anda dengan lebih berarti.

VB: Bagaimana observabilitas, tokenomics, analisis ROI, dan tata kelola agen masuk ke dalam Microsoft Foundry?

MC: Itu adalah apa yang dimaksud dengan kontrol plane Foundry. Kami memperkenalkannya pada bulan November tahun lalu. Jika Anda melihat kontrol plane Foundry saya sendiri — saya telah membangun banyak agen ini, dan saya adalah pengembang secara latar belakang — Anda bisa melihat semua agen yang sedang berjalan dan yang dijeda.

Saya dapat melihat berapa banyak token yang telah mereka gunakan selama sehari, seminggu, atau sebulan. Saya bisa melihat tren. Saya bisa melihat biaya, karena biaya akan berbeda tergantung pada model dasar yang saya gunakan. Jika saya menggunakan pengendali model kami, itu bisa mengarahkan ke berbagai model tergantung pada kompleksitas prompt yang datang.

Kami juga memiliki manajemen biaya Azure secara keseluruhan. Azure sudah memiliki manajemen biaya selama lebih dari satu dekade, bahkan sebelum era AI. Ini terintegrasi dengan manajemen biaya Azure secara keseluruhan.

Ini tidak hanya terbatas pada apa yang dilakukan AI Anda. AI Anda akan menggunakan sumber daya penyimpanan, sumber daya data, dan sumber daya komputasi lainnya di sekitar AI tersebut. Anda bisa mendapatkan gambaran lengkap tidak hanya tentang biaya dan penggunaan token AI itu sendiri, tetapi juga segalanya di sekelilingnya.

Ketika Anda memikirkan tentang tata kelola, itu juga mencakup evaluasi. Salah satu hal yang kami meluncurkan dalam versi prabaca adalah evaluasi berbasis rubrik. Evaluasi berbasis rubrik jauh lebih rinci.

Misalnya, jika Anda telah membuat agen reservasi restoran. Hal-hal yang ingin Anda uji tentang agen tersebut tidak hanya berfokus pada ketepatan. Ketepatan adalah kebalikan dari halusinasi, dan itu sangat terkait dengan tanya jawab. Untuk agen reservasi restoran, Anda ingin menguji hal-hal yang lebih spesifik. Jika Anda mengatakan, “Buatkan saya meja untuk dua orang besok,” apakah agen tersebut kembali menanyakan, “Jam berapa Anda ingin meja itu?” Sebelum menyarankan meja untuk dua orang besok jam 6 sore, apakah dia benar-benar memeriksa ketersediaan meja, atau memberikan meja secara acak tanpa memeriksa terlebih dahulu?

Ada banyak hal specifik yang ingin Anda uji tentang kasus penggunaan tersebut. Anda tidak hanya ingin menguji apakah agen bekerja. Anda ingin memastikan agar agen bekerja dengan benar.

Itulah yang kami dekati dengan sistem evaluasi berbasis rubrik baru kami. Anda akan melihat ini dalam keynote Satya. Saya sendiri baru-baru ini menggunakannya, dan saya sangat senang dengan hal ini. Saya telah menunggu untuk ini.

VB: Microsoft juga bermitra dengan perusahaan seperti Anthropic dan memungkinkan Claude bekerja dengan Microsoft 365. Seberapa penting Copilot dalam cerita ini? Mengapa seseorang memilih Copilot dibandingkan opsi lain?

MC: Microsoft 365 Copilot adalah keuntungan besar bagi kami. Seperti yang saya sebutkan, kami baru saja melampaui angka 20 juta pengguna di Copilot.

Bagusnya adalah bahwa ini adalah wajah dari produk. Ketika Anda masuk ke Foundry dan membuat agen, ada tombol yang mengatakan “publish to Copilot” — sebenarnya, ia mengatakan “publish to Copilot in Teams,” karena Anda juga bisa menaruhnya di Teams.

Ide dasarnya adalah menempatkan agen ini di tempat di mana pengguna Anda berada. Banyak orang yang menggunakan ekosistem Microsoft ada di Teams, atau mereka menggunakan Copilot. Saya dapat membuat agen kustom, seperti yang telah dilakukan oleh banyak rekan saya, dan sekarang ada di Copilot, yang saya gunakan mungkin 50 kali sehari.

Sejak Januari, Copilot semakin canggih. Saya sekarang menggunakan Copilot untuk mengatur email saya. Saya tidak hanya menggunakan untuk menjawab pertanyaan. Saya mulai menggunakan untuk mengelola kalender dan menyusun email. Saya benar-benar melakukannya setiap hari sekarang.

Ketika saya ingin menggunakan agen kustom — misalnya, untuk mengajukan laporan pengeluaran saya, karena kami sudah memiliki agen kustom untuk itu sekarang — saya dapat mengakses agen tersebut bukan dalam antarmuka terpisah, tetapi di Copilot atau Teams, di mana saya sudah berada.

Area permukaan yang sudah digunakan orang adalah keuntungan besar.

VB: Ketika orang lebih banyak membebankan pekerjaan repetitif kepada AI, apa yang bisa mereka habiskan lebih banyak waktu untuk lakukan?

MC: Mari kita pertimbangkan sesuatu yang saya lakukan kemarin. Saya mendapatkan email dari seorang pelanggan bernama Frankie, dan dia menanyakan sebuah pertanyaan tentang agen yang dihosting. Saya tahu jawaban pertanyaannya karena saya telah berbicara dengan kolega saya, Jeff Holland, yang merupakan kepala manajemen produk agen yang dihosting. Saya sudah mengajukan pertanyaan yang sama kepada Jeff dua minggu lalu.

Di mana atau bagaimana saya menanyakannya, saya tidak ingat. Apakah itu di Teams? Apakah di email? Apakah dalam rapat? Saya tidak ingat dengan jelas. Tetapi saya tahu jawabannya.

Jadi saya masuk ke Copilot dan berkata, “Jawab pertanyaan Frankie tentang bagaimana agen yang dihosting skala, dan referensikan percakapan saya dengan Jeff beberapa minggu yang lalu tentang topik yang sama.” Dan Copilot melakukannya. Ia menyusun emailnya.

Selama ini, saya telah mengajarkan Copilot gaya saya sendiri. Saya tidak menggunakan format tebal. Saya menyuruhnya agar tidak menggunakan em dash dan lainnya. Saya memiliki gaya tertentu dalam menulis email. Sepanjang waktu, sebenarnya, saya ingin agar itu sesuai dengan cara saya menulis.

Ia menyusun itu semua. Ia mencari melalui pesan Teams saya, email saya, dan transkrip rapat saya dengan Jeff. Sebenarnya, itu menggunakan Work IQ. Ia menemukan jawaban, menyusun email, dan memberikan tautan ke dokumentasi yang secara khusus menjawab pertanyaan Frankie.

Saya melihat drafnya dan berpikir, ya, itu sudah tepat.

Ya, saya bisa saja menyusun email ini sendiri. Saya tahu jawabannya. Saya bisa mencarinya di dokumentasi. Jika saya menggali lebih dalam, saya yakin bisa menemukan percakapan yang saya lakukan dengan Jeff di media apapun itu. Saya bisa melakukan semua itu. Mungkin akan memakan waktu sekitar satu jam untuk mencari semua informasi dan menyusunnya.

Alih-alih, saya melakukannya dalam waktu sekitar satu menit. Saya memiliki draf, saya memeriksanya, dan saya merasa puas, lalu saya tekan kirim dan selesai.

Ini benar-benar tentang memberikan kembali waktu kepada orang. Ini bukan hanya pekerjaan ringan. Ini juga semua waktu yang Anda habiskan untuk mencari dan menemukan sesuatu. Sekarang, saya bisa langsung memintanya untuk melakukan suatu tindakan. Itu tidak hanya menjawab pertanyaan. Ia secara penuh menyusun email dan menyalin Jeff dalam draf tersebut.

VB: Apakah Anda khawatir untuk pekerjaan Anda? Bagaimana AI mengubah pekerjaan Anda sendiri?

MC: Saya tidak khawatir dengan pekerjaan saya. Pekerjaan saya telah berubah. Satu hal, saya sekarang melakukan lebih banyak lagi, baik dalam kehidupan bisnis maupun pribadi saya.

Minggu ini, saya menggunakan Web IQ, Web IQ yang baru. Saya sedang mencarikan mobil. Masa sewa mobil saya akan segera berakhir, dan ada satu mobil tertentu yang sedang saya coba cari, yang cukup sulit ditemukan. Itu adalah Hyundai Ioniq 6, yang entah kenapa, Hyundai sudah tidak menawarkan lagi di Amerika Serikat. Tetapi saya akan mendapatkan satu.

Saya mengatur agen saya untuk mencari semua Hyundai Ioniq 6 yang tersedia di seluruh wilayah Bay Area — di mana pun, dari Sacramento hingga sejauh Gilroy di selatan. Saya mengatur tugas ini, dan lalu saya pergi hiking.

Setelah saya kembali, saya mendapatkan daftar panjang dari semua Hyundai Ioniq 6, setidaknya model 2024 dan 2025, yang tersedia di seluruh Bay Area. Dari situ, saya mulai menghubungi dealer-dealer ini.

Bahwa dalam kehidupan pribadi saya pun, saya terus menerus menggunakannya. Itu menghemat banyak waktu. Kegiatan ini biasanya akan memakan waktu berjam-jam untuk melalui semua inventaris dealer satu per satu. Tapi Web IQ bisa melakukannya dengan sangat cepat.

VB: Ada pemikiran terakhir untuk pengembang seputar berita ini?

MC: Foundry benar-benar adalah tempatnya. Ini adalah tempat di mana Anda bisa membangun agen Anda, menskalakan agen Anda, menguji agen Anda, dan meningkatkan agen Anda. Itulah intinya, dan semua itu sedang terjadi.