Tugas Baru Anda Adalah Menggabungkan Agen AI: Bagaimana Sebenarnya Perusahaan Asli AI Beroperasi

In This Article

Pelanggan yang terhormat, Saya telah menghabiskan beberapa bulan terakhir untuk mewawancarai para pemimpin di perusahaan-perusahaan yang berbasis AI. Saya sekarang yakin bahwa: Mengarahkan dan mengelola agen AI ADALAH tugasnya, apa pun fungsi Anda. Dalam penjelasan mendalam gratis ini, saya ingin berbagi bagaimana tiga perusahaan asli AI — Linear, Ramp, dan Factory — menerapkan prinsip ini. Berikut adalah beberapa kutipan dari masing-masing: Nan Yu (Kepala Produk, Linear): “Anda akan memiliki anggota tim AI yang dapat diberi tugas dan diajak bicara seperti cara Anda berbicara dengan orang lain.” Geoff Charles (CPO, Ramp): “Jika Anda tidak menggunakan Claude Code, apa pun peran Anda, kinerja Anda mungkin buruk.” panggil.”Baca terus untuk melihat lebih dalam tentang cara masing-masing perusahaan asli AI beroperasi. Linear: Menjadikan agen AI sebagai rekan tim kelas satu Anda dapat @menyebut agen untuk membuat dan menugaskan masalah ke agen lain Pendekatan Linear terhadap agen dibentuk oleh produk mereka. Nan (Kepala Produk Linear) percaya bahwa:Agen harus menjadi karyawan kelas satu. Anda harus dapat menambahkannya ke proyek, menugaskannya ke masalah, dan menyebutkannya di komentar. Namun, Nan juga percaya bahwa manusia selalu bertanggung jawab atas hasilnya. Berikut cara Linear membuat produk dengan agen di setiap langkahnya: Pahami masalahnya. Agen membaca dan merangkum setiap percakapan pelanggan dari Intercom, Zendesk, dan Gong. Mereka secara otomatis menciptakan masalah, menghilangkan penipuan terhadap tumpukan masalah, dan menugaskannya ke tim yang tepat. Identifikasi solusinya. Karena agen memiliki akses ke percakapan pelanggan, mereka dapat membantu Anda melakukan iterasi pada suatu spesifikasi dengan menarik wawasan yang didukung data dari berbagai saluran. Buatlah rencana. Agen dapat memecah spesifikasi Anda menjadi tiket nyata dan mengarahkannya ke tim yang tepat secara otomatis. Di Linear, agen kini membuat sebagian besar tiket. Tugas manusia adalah meninjau pekerjaan mereka dan menyesuaikan konteks dari waktu ke waktu. Jalankan. Bug dan fitur kecil ditugaskan langsung ke agen seperti Codex dan Cursor. Untuk fitur yang kompleks, teknisi meluncurkan Claude Code dan menggunakan Linear MCP untuk memahami konteks masalah secara menyeluruh. Dari Nan: Rasanya cakupan yang dapat ditangani agen semakin meluas setiap kuartal. Model dan pemanfaatan baru mendorong batasan dari perbaikan sederhana ke proyek yang semakin kompleks. Ingin membangun dengan agen seperti Linear? Berikut adalah 4 langkah praktis yang dibagikan Nan tentang apa yang dapat dilakukan tim Anda hari ini: Setiap pengembang harus menggunakan alat pengkodean agen terkemuka secara default. Ini adalah langkah pertama yang paling mudah. Sediakan alat resmi (Cursor, Claude Code, atau Codex) dan kelola sehingga Anda dapat melihat pemanfaatannya. Lengkapi dengan agen pengkodean cloud async. Agen latar belakang asinkron dapat melakukan satu kali perubahan kecil dan perbaikan bug. Cursor dan Devin memiliki penawaran bagus di sini. Bersikeras agar desainer dan PM bekerja langsung pada basis kode. Agen seperti Claude membuka jalur mudah bagi PM dan desainer untuk membuat perubahan langsung di basis kode. Setiap orang harus berusaha menjadi seorang pembangun. PM dan pemasar harus menggunakan antarmuka AI secara default. Fungsi-fungsi ini seharusnya melakukan 80-100% pekerjaannya melalui antarmuka obrolan — baik itu Claude, ChatGPT, Notion AI, atau yang serupa. Nan melihat masa depan di mana manusia akan berkolaborasi dengan agen pada tingkat spesifikasi — menentukan apa yang perlu dibangun dan alasannya — lalu menyerahkan semuanya kepada agen untuk menangani semuanya di hilir.Ramp: Mengukur kemahiran AI dalam 4 levelRamp dengan cepat mendorong karyawan mereka untuk menjadi AI-native dalam 4 levelJika Linear menunjukkan cara menjadikan agen sebagai bagian kelas satu dalam tim Anda, maka Ramp menunjukkan cara membuat seluruh perusahaan Anda mengadopsinya.Pada tahun 2025, Ramp mengirimkan 500+ fitur, tercapai Pendapatan $1 miliar, dan melakukan semuanya dengan 25 PM. Mereka melakukan ini dengan mewajibkan setiap fungsi (eng., produk, desain, penjualan, pemasaran, hukum, keuangan) untuk bergabung dan bekerja dengan agen. Geoff (CPO Ramp) berbagi kerangka kerja untuk mengevaluasi kemahiran AI untuk setiap karyawan yang menurut saya sangat praktis:L0: Terkadang menggunakan ChatGPT. Orang-orang ini kemungkinan besar tidak akan berada di perusahaan dalam jangka panjang. Jika Anda bukan seorang pemula yang memiliki pola pikir berkembang terhadap alat AI, Geoff mengatakan akan sangat sulit untuk melatih Anda agar unggul. L1: Menggunakan dan menyesuaikan GPT, proyek, dan alat AI internal. Orang-orang ini sedang bereksperimen dengan AI tetapi belum mengotomatiskan pekerjaan nyata. L2: Membuat aplikasi yang mengotomatiskan sebagian dari pekerjaan merekapekerjaan. Orang-orang ini dapat melakukan kode atau memberikan umpan balik yang berarti pada pekerjaan orang lain menggunakan alat AI. L3: Pembuat sistem. Orang-orang ini membangun infrastruktur dan keterampilan AI yang mempercepat semua orang di tim. Tujuan perusahaan adalah mendorong semua orang naik ke jenjang yang lebih tinggi. L0 memilih sendiri. L1 menjadi L2. L2 menjadi L3. Dan L3 mempengaruhi keseluruhan organisasi. Geoff juga membagikan 5 langkah yang dapat dilakukan perusahaan mana pun untuk menjadi AI-native: Hilangkan semua hambatan. Berikan akses ke alat AI populer tanpa batasan pada token atau anggaran dan ciptakan gudang internal keterampilan AI yang dapat digunakan oleh siapa saja. Jika pengaturannya sulit, kebanyakan orang tidak akan melakukan adopsi. Jadikan adopsi terlihat jelas. Buat saluran Slack publik tempat orang dapat membagikan apa yang mereka buat. Di semua sisi, tunjukkan non-insinyur yang melakukan hal-hal mengesankan, seperti membangun sistem keuangan atau pemasaran yang mengotomatiskan pembuatan situs web. Berikan dukungan langsung. Selenggarakan jam kerja yang dapat diikuti oleh siapa saja untuk membangun keterampilan dan alur kerja AI. Telah menunjuk pakar AI yang seluruh tugasnya adalah menginjili, menyiapkan orang, dan membantu mereka mencapai “momen aha”. Lacak penggunaan dan intervensi. Ramp melacak konsumsi token di seluruh alat AI per karyawan. Kepemimpinan membagikan data ini untuk menciptakan akuntabilitas alami dan mengambil tindakan ketika penggunaan seseorang rendah. Jadikan itu sebagai persyaratan perekrutan. Wawancara PM sekarang mencakup sesi khusus di mana Anda perlu membuat produk yang berfungsi dan kemudian menjelaskan mengapa Anda membuatnya dan cara kerjanya. Geoff merangkum filosofi kepemimpinannya untuk setiap peran di Ramp dalam satu baris: Tugas Anda adalah mengotomatiskan pekerjaan Anda. Dari Geoff: "Jika saya memberi tahu tim saya 10 kali bahwa CTA harus berada di paro atas, perbaikannya tidak akan mengatakannya untuk yang ke-11 kalinya. Ini akan mengkodekan umpan balik tersebut ke dalam proses kritik desain otomatis atau keterampilan AI sehingga tidak akan pernah terjadi lagi." Pabrik: AI asli sejak hari pertama Jika Linear dan Ramp menunjukkan bagaimana perusahaan mengadopsi agen AI, Pabrik menunjukkan apa yang terjadi ketika Anda membangun di sekitar mereka sejak hari pertama. Factory adalah perusahaan pengembangan perangkat lunak AI yang beranggotakan 55 orang senilai $300 juta yang terstruktur berdasarkan AI dari awal. Inilah yang membedakannya: Pekerjakan insinyur produk Pabrik tidak mempekerjakan PM dan insinyur secara terpisah. Sebaliknya, mereka mempekerjakan insinyur produk yang mengelola dan bekerja dengan agen AI. Hari-hari biasa terlihat seperti: Periksa jejak dari proses agen untuk melihat di mana sistem membuat keputusan yang buruk. Tulis perbaikan bukan sebagai kode, namun sebagai tata kelola (misalnya, pembaruan pada keterampilan, aturan lint baru, atau otomatisasi yang disempurnakan) Hanya tinjau PR yang ditandai oleh agen sebagai berisiko tinggi (selebihnya agen akan menanganinya). Sarankan ide-ide baru dan diskusikan prioritas dengan rekan kerja dan AI. Pekerjaan ini tidak mudah dan membutuhkan keahlian yang lebih dalam, namun pengaruhnya sangat besar. Jadikan basis kode Anda siap untuk agen Agen memerlukan basis kode tempat mereka dapat bekerja agar efektif. Pabrik memberi skor pada basis kode di lima tingkat kematangan, dan Tingkat 3 ("Standar") adalah tempat yang harus dibidik terlebih dahulu oleh sebagian besar tim. Kerangka kerja kesiapan agen pabrikEncode keahlian menjadi keterampilan yang dapat digunakan kembali Setelah basis kode Anda siap untuk agen, langkah berikutnya adalah memberi agen pengetahuan untuk membuat keputusan yang baik melalui keterampilan (pada dasarnya hanya file penurunan harga teks). Pabrik menggunakan keterampilan untuk menyandikan pengetahuan pakar dan perusahaan menjadi sesuatu yang dapat digunakan oleh agen atau karyawan mana pun. Berikut daftar keterampilan yang digunakan Pabrik secara internal dan ditautkan ke file penurunan harga untuk Anda salin dan modifikasi: Keterampilan manajemen produk. Prinsip-prinsip produk, kerangka pengalaman bintang 11 (dipinjam dari Brian Chesky dari Airbnb), template PRD, rubrik penilaian, dan panduan bahasa, semuanya dalam satu file penurunan harga. Keterampilan integrasi UI frontend. Menginstruksikan Droid tentang cara membuat fitur menggunakan sistem desain Pabrik, konvensi perutean, dan standar pengujian. Keterampilan analis data AI. Jalankan analisis eksplorasi, buat visualisasi, dan hasilkan laporan statistik menggunakan ekosistem Python lengkap. Keterampilan alat internal. Bangun panel admin, konsol dukungan, dan dasbor operasional dengan kontrol akses yang tepat dan pencatatan audit yang terintegrasi. Keterampilan pengkodean yang baik. Buat prototipe aplikasi web baru dengan cepat dari awal dengan kerangka kerja modern. Jika Anda dapat mengkodekan apa yang diketahui orang-orang terbaik Anda ke dalam keterampilan, Anda tidak perlu mempekerjakan spesialis untuk setiap fungsi. 6 langkah untuk mempraktikkan semua ini Ringkasnya: Orientasi dan pengelolaan agen menjadi pekerjaan inti untuk setiap fungsi. Berikut enam hal yang dapat Anda praktikkan saat ini: DariLinear: Default setiap pengembang menggunakan alat pengkodean agen seperti Cursor, Claude Code, atau Codex. Dapatkan PM dan desainer ke dalam basis kode. Biarkan mereka mengirimkan PR dan mengirimkan kode menggunakan agen. Berhenti mengarahkan setiap perubahan kecil melalui teknisi. Dari Ramp: Ukur kemahiran AI di seluruh tim Anda. Kerangka kerja 4 tingkat Ramp memberi Anda kosa kata bersama tentang di mana orang-orang berada dan ke mana mereka harus pergi. Lacak penggunaan AI dan jadikan itu bagian dari ekspektasi kinerja. Anda tidak dapat meningkatkan apa yang tidak Anda ukur, dan insentif itu penting. Dari Pabrik: Nilai basis kode Anda untuk kesiapan agen. Gunakan tingkat kesiapan agen Pabrik untuk memahami apakah basis kode Anda sudah siap. Kodifikasi keahlian tim Anda menjadi keterampilan yang dapat digunakan kembali. Enkodekan apa yang diketahui orang-orang terbaik Anda ke dalam file keterampilan dan permudah baik manusia maupun agen untuk menggunakannya. Yang terpenting, agen yang terintegrasi seperti Anda yang menggunakan manusia. Beri mereka konteks, hubungkan mereka dengan tumpukan operasional Anda, dan pertahankan akuntabilitas manusia atas hasil mereka. Beri tahu saya pendapat Anda di komentar!

You May Also Like

13 Trending Songs on TikTok in March 2026 (+ How to Use Them)

Our Best AI PM Workflows for Prototyping, Strategy, and Personal OS (2026)

China’s Cybersecurity Agency Issues Security Warning About OpenClaw