Вашата нова работа е да включите AI агенти: Как всъщност работят местните компании с AI

In This Article

Уважаеми абонати, прекарах последните няколко месеца в интервюиране на лидери в компании, базирани на AI. Вече съм убеден, че: Включването и управлението на AI агенти Е работата, независимо каква е вашата функция. В това безплатно задълбочено гмуркане искам да споделя как три базирани на AI компании — Linear, Ramp и Factory — прилагат този принцип на практика. Ето някои цитати от всеки: Нан Ю (ръководител на продукта, Linear): „Ще имате членове на екипа за изкуствен интелект, на които можете да възлагате задачи и да говорите с тях точно както говорите с хората.“ Джеф Чарлз (CPO, Ramp): „Ако не използвате Claude Code, без значение каква е вашата роля, вероятно не се представяте добре.“ Eno Reyes (CTO, Factory): „Ние кодифицирахме управлението на продуктите, потребителския интерфейс на интерфейса, анализ на данни и повече в умения за многократна употреба, които всеки служител може да използва.“ Прочетете за поглед отвътре как работи всяка компания, базирана на AI. Linear: Превръщане на AI агентите в първокласни съотборници Можете да @споменете агент, за да създадете и присвоите проблем на друг агент Подходът на Linear към агентите е оформен от техния продукт. Нан (Продуктов ръководител на Linear) вярва, че: Агентите трябва да бъдат първокласни служители. Трябва да можете да ги добавяте към проекти, да ги присвоявате на проблеми и да ги споменавате в коментари. Въпреки това Нан ​​също вярва, че човекът винаги остава отговорен за резултата. Ето как Linear изгражда продукти с агенти във всяка стъпка: Разберете проблема. Агентите четат и обобщават всеки клиентски разговор от Intercom, Zendesk и Gong. Те автоматично създават проблеми, премахват дубликатите им срещу изоставането и ги възлагат на правилния екип. Идентифицирайте решението. Тъй като агентите имат достъп до разговорите с клиентите, те могат да ви помогнат да повторите спецификация, като изтеглите подкрепена с данни информация от множество канали. Направете план. Агентите могат да разделят вашите спецификации на конкретни билети и автоматично да ги насочат към правилните екипи. В Linear агентите вече създават по-голямата част от билетите. Работата на човека е да прегледа работата си и да коригира контекста с течение на времето. Изпълнете. Грешки и малки функции се присвояват директно на агенти като Codex и Cursor. За сложни функции инженерите стартират Claude Code и използват Linear MCP, за да изтеглят пълния контекст на проблема. От Nan: Усеща се, че обхватът на това, с което агентите могат да се справят, се разширява с всяко тримесечие. Новите модели и сбруи преместват границата от прости корекции до все по-сложни проекти. Искате ли да изграждате с агенти като Linear? Ето 4 практически стъпки, които Nan сподели за това, което вашият екип може да направи днес: Всеки разработчик трябва да използва по подразбиране водещ инструмент за агентно кодиране. Това е най-лесната първа стъпка. Осигурете официалния инструмент (курсор, Claude Code или Codex) и го управлявайте, за да можете да видите използването. Допълнете с агент за асинхронно облачно кодиране. Асинхронните фонови агенти могат да извършват еднократно повечето малки промени и корекции на грешки. Cursor и Devin имат добри предложения тук. Настоявайте дизайнерите и PM да работят директно върху кодовата база. Агенти като Клод отварят път с ниско триене за PM и дизайнери да правят промени директно в кодовата база. Всеки трябва да се стреми да бъде строител. PM и търговците трябва да използват по подразбиране AI интерфейс. Тези функции трябва да вършат 80-100% от работата си чрез чат интерфейс – независимо дали това е Claude, ChatGPT, Notion AI или нещо подобно. Nan вижда бъдеще, в което хората ще си сътрудничат с агенти на ниво спецификация — определяйки какво трябва да се изгради и защо — и след това предава нещата на агентите, за да се справят с всичко надолу по веригата. Ramp: Измерване на уменията на AI в 4 ниваRamp бързо настоява служителите им да бъдат носители на AI на 4 нива. Ако Linear показва как да направите агентите първокласна част от вашия екип, тогава Ramp показва как да накарате цялата си компания да приеме тях. През 2025 г. Ramp изпрати 500+ функции, достигна $1 милиард приходи и направи всичко това с 25 PM. Те направиха това, като изискваха всяка отделна функция (англ, продукт, дизайн, продажби, маркетинг, правни, финанси) да се включи и да работи с агенти. Джеф (CPO Ramp) сподели рамка за оценка на уменията на AI за всеки служител, която намирам за изключително практична:L0: Понякога използва ChatGPT. Тези хора най-вероятно няма да бъдат в компанията дългосрочно. Ако не сте начинаещ с нагласа за растеж към инструменти за изкуствен интелект, Джеф казва, че ще бъде много трудно да ви обуча да се отличавате. L1: Използва и настройва GPT, проекти и вътрешни инструменти за изкуствен интелект. Тези хора експериментират с AI, но все още не са автоматизирали реалната работа. L2: Създава приложение, което автоматизира част от технитеработа. Тези хора могат да ангажират код или да дадат смислена обратна връзка за работата на други хора с помощта на AI инструменти. L3: Създатели на системи. Тези хора изграждат AI инфраструктура и умения, които ускоряват всички останали в екипа. Целта на компанията е да тласне всички нагоре по стълбата. L0s се самоизбират. L1 стават L2. L2 стават L3. И L3 влияят на останалата част от организацията. Джеф също сподели 5 стъпки, които всяка компания може да предприеме, за да стане базирана на AI: Премахнете всички търкания. Дайте достъп до популярни AI инструменти без ограничения за токени или бюджети и създайте вътрешно хранилище на AI умения, от които всеки може да извлече. Ако настройката е трудна, повечето хора няма да осиновят. Направете осиновяването видимо. Създайте публични канали на Slack, където хората могат да споделят това, което са създали. От всички ръце покажете неинженери, които правят впечатляващи неща, като финанси, изграждане на трезорна система или маркетинг, автоматизиране на създаването на уебсайтове. Осигурете практическа поддръжка. Организирайте работно време, към което всеки може да се присъедини, за да изгради AI умения и работни процеси. Назначихте експерти по изкуствен интелект, чиято цялостна работа е да проповядват, да настройват хората и да им помагат да достигнат до „аха момента“. Проследявайте използването и се намесвайте. Ramp проследява потреблението на токени в инструментите на AI на служител. Лидерството споделя тези данни, за да създаде естествена отчетност и да се намеси, когато използването на някой е слабо. Направете това изискване за наемане. Интервютата с PM вече включват специална сесия, в която трябва да създадете работещ продукт и след това да обясните защо сте го създали и как работи. Джеф обобщи своята лидерска философия за всяка роля в Ramp в един ред: Вашата работа е да автоматизирате работата си. От Джеф: "Ако кажа на екипа си 10 пъти, че CTA трябва да е над видимата част, поправката не е да го каже на 11-ия път. То кодира тази обратна връзка в автоматизиран критичен процес на проектиране или AI умение, така че никога повече да не се повтори." от първия ден. Ако Linear и Ramp показват как компаниите възприемат AI агенти, Factory показва какво се случва, когато изграждате около тях от първия ден. Factory е компания за разработка на AI софтуер с 55 души, оценена на $300 милиона, която е структурирана около AI от самото начало. Ето какво ги прави различни: Наемане на продуктови инженериFactory не наема PM и инженери отделно. Вместо това те наемат продуктови инженери, които управляват и работят с AI агенти. Един типичен ден изглежда така: Разгледайте следи от стартирания на агенти, за да видите къде системата е взела грешни решения. Пишете корекции не като код, а като управление (напр. актуализация на умение, ново правило за мъх или усъвършенствана автоматизация) Прегледайте само PR-ите, които агентите маркират като високорискови (агентите се грижат за останалото). Предложете нови идеи и обсъдете приоритизирането с колеги и AI. Тази работа не е лесна и изисква по-задълбочени експертни познания, но ефектът е огромен. Направете своя codebase agent-ready Агентите се нуждаят от кодова база, в която действително могат да работят, за да бъдат ефективни. Factory оценява кодовите бази в пет нива на зрялост и Ниво 3 („Стандартизирано“) е мястото, където повечето екипи трябва да се стремят първо. Рамката за готовност на агенти на Factory Кодира експертния опит в умения за многократна употреба. След като вашата кодова база е готова за агент, следващата стъпка е да дадете на агентите знания за вземане на добри решения чрез умения (по принцип само текстови файлове за маркиране). Factory използва умения, за да кодира експертни и фирмени знания в нещо, което всеки агент или служител може да използва. Ето списък с умения, които Factory използва вътрешно и връзки към техните файлове за маркиране, които можете да копирате и модифицирате: умение за управление на продукти. Продуктови принципи, 11-звездна рамка за изживяване (заимствана от Брайън Чески от Airbnb), PRD шаблон, рубрика за точкуване и езикови насоки, всичко това в един файл за маркиране. Умение за интегриране на Frontend UI. Инструктира Droid как да създава функции, използвайки системата за проектиране на Factory, конвенциите за маршрутизиране и стандартите за тестване. Умение за анализатор на данни с изкуствен интелект. Изпълнете проучвателен анализ, изградете визуализации и генерирайте статистически отчети, като използвате пълната екосистема на Python. Умение за вътрешни инструменти. Изградете административни панели, конзоли за поддръжка и оперативни табла за управление с правилни контроли за достъп и регистриране на одит, вградени. Умения за кодиране на Vibe. Бързо прототипирайте нови уеб приложения от нулата с модерни рамки. Ако можете да кодирате това, което най-добрите ви хора знаят, в умения, не е необходимо да наемате специалисти за всяка функция. 6 стъпки, за да приложите всичко това на практика. За да обобщим: Включването и управлението на агенти се превръща в основна работа за всяка функция. Ето шест неща, които можете да приложите на практика точно сега: ОтЛинеен: По подразбиране всеки разработчик използва агентски инструмент за кодиране като Cursor, Claude Code или Codex. Вкарайте PM и дизайнери в кодовата база. Позволете им да представят PR и да изпращат код с помощта на агенти. Спрете да направлявате всяка малка промяна чрез инженер. От Ramp: Измерете уменията на AI във вашия екип. Рамката на 4 нива на Ramp ви дава споделен речник за това къде са хората и къде трябва да отидат. Проследявайте използването на AI и го направете част от очакванията за производителност. Не можете да подобрите това, което не измервате, а стимулите имат значение. От фабриката: Оценка на вашата кодова база за готовност на агента. Използвайте нивата на готовност на агента на Factory, за да разберете дали кодовата ви база е готова. Кодирайте експертния опит на вашия екип в умения за многократна употреба. Кодирайте това, което най-добрите ви хора знаят, във файлове с умения и улеснете както хората, така и агентите да ги използват. Преди всичко бордови агенти, както бихте включили човек. Дайте им контекст, свържете ги с вашия оперативен стек и дръжте човек отговорен за техните резултати. Кажете ми какво мислите в коментарите!

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