Vaš novi posao je da uključite AI agente: kako zapravo funkcionišu kompanije koje se bave veštačkom inteligencijom

In This Article

Dragi pretplatnici, proveo sam proteklih nekoliko mjeseci intervjuišući lidere u kompanijama koje se bave umjetnom inteligencijom. Sada sam uvjeren da: Uključivanje i upravljanje AI agentima JE posao, bez obzira na to koja je vaša funkcija. U ovom besplatnom dubokom zaronu, želim podijeliti kako tri kompanije s AI izvorom — Linear, Ramp i Factory — provode ovaj princip u praksi. Evo nekoliko citata svakog od njih: Nan Yu (šef proizvoda, Linear): “Imat ćete članove AI tima kojima možete dodijeliti zadatke i razgovarati s njima baš kao što razgovarate s ljudima.” Geoff Charles (CPO, Ramp): “Ako ne koristite Claude Code, bez obzira koja je vaša uloga, vjerojatno niste uspjeli.” analize, i više u vještine koje se mogu višekratno koristiti, na koje svaki zaposlenik može prizvati.” Čitajte dalje da biste pogledali iznutra kako svaka kompanija koja je porijeklom s umjetnom inteligencijom radi. Linear: učiniti AI agente prvoklasnim saigračima Možete @spomenuti agenta da kreira i dodijeli problem drugom agentu. Linearov pristup agentima je oblikovan njihovim proizvodom. Nan (Linear-ov šef proizvoda) vjeruje da: Agenti trebaju biti prvoklasni zaposlenici. Trebali biste biti u mogućnosti da ih dodajete projektima, dodjeljujete ih problemima i spominjete u komentarima. Međutim, Nan također vjeruje da čovjek uvijek ostaje odgovoran za ishod. Evo kako Linear gradi proizvode sa agentima u svakom koraku: Shvatite problem. Agenti čitaju i sumiraju svaki razgovor s klijentima iz Intercoma, Zendeska i Gonga. Oni automatski kreiraju probleme, uklanjaju ih iz zaostatka i dodjeljuju ih pravom timu. Identifikujte rješenje. Budući da agenti imaju pristup razgovorima s klijentima, mogu vam pomoći da ponovite specifikaciju izvlačeći uvide zasnovane na podacima iz više kanala. Napravite plan. Agenti mogu razbiti vaše specifikacije u konkretne karte i automatski ih usmjeriti do pravih timova. U Linearu, agenti sada kreiraju većinu tiketa. Ljudski posao je da pregleda svoj rad i prilagodi kontekst tokom vremena. Izvrši. Greške i male funkcije se dodjeljuju direktno agentima kao što su Codex i Cursor. Za složene karakteristike, inženjeri pokreću Claude Code i koriste Linear MCP da izvuku puni kontekst problema. Novi modeli i pojasevi pomiču granicu od jednostavnih popravki do sve složenijih projekata. Želite da gradite sa agentima kao što je Linear? Evo 4 praktična koraka koje je Nan podijelila o tome šta vaš tim danas može učiniti: Svaki programer bi trebao zadano koristiti vodeći alat za agentsko kodiranje. Ovo je najlakši prvi korak. Obezbedite službeni alat (Cursor, Claude Code ili Codex) i upravljajte njime tako da možete vidjeti korištenje. Dopuniti asinhroniziranim agentom za kodiranje u oblaku. Asinhronizovani pozadinski agenti mogu da izvrše većinu malih promena i ispravki grešaka. Cursor i Devin ovdje imaju dobre ponude. Insistirajte da dizajneri i PM rade direktno na bazi koda. Agenti kao što je Claude otvaraju put niskog trenja za PM i dizajnere da izvrše promjene direktno u bazi koda. Svi bi trebali težiti da budu graditelji. PM-i i trgovci bi trebali zadano koristiti AI interfejs. Ove funkcije bi trebale da obavljaju 80-100% svog posla preko interfejsa za ćaskanje - bilo da je to Claude, ChatGPT, Notion AI ili nešto slično. Nan vidi budućnost u kojoj će ljudi sarađivati s agentima na nivou specifikacije — definirajući šta treba izgraditi i zašto — a zatim prosljeđivati stvari agentima da obrađuju sve nizvodno. Ramp: Mjerenje AI stručnosti na 4 nivoa Ramp brzo tjera svoje zaposlenike da budu AI-native na 4 nivoa. 2025. godine, Ramp je isporučio 500+ funkcija, dostigao prihod od 1 milijarde dolara, i sve to uradio sa 25 PM-a. To su učinili tako što su zahtijevali da se svaka funkcija (engl, proizvod, dizajn, prodaja, marketing, pravni, finansije) uključi i radi sa agentima. Geoff (CPO Ramp) je podijelio okvir za procjenu svake upotrebe AI: ponekad smatram da je izuzetno praktična upotreba AI ChatGPT. Ovi ljudi najvjerovatnije neće biti dugoročno u kompaniji. Ako niste samopokretač s razmišljanjem o rastu prema AI alatima, Geoff kaže da će vas biti jako teško obučiti da budete izvrsni. L1: Koristi i prilagođava GPT-ove, projekte i interne AI alate. Ovi ljudi eksperimentiraju s umjetnom inteligencijom, ali još nisu automatizirali pravi rad. L2: Izrađuje aplikaciju koja automatizira dio njihovihposao. Ovi ljudi mogu urezati kod ili dati značajne povratne informacije o radu drugih ljudi koristeći AI alate. L3: Kreatori sistema. Ovi ljudi grade AI infrastrukturu i vještine koje ubrzavaju sve ostale u timu. Cilj kompanije je da sve pogura na ljestvici. L0 se sami biraju. L1 postaju L2. L2 postaju L3. A L3 utiču na ostatak organizacije. Geoff je također podijelio 5 koraka koje svaka kompanija može poduzeti da postane AI-native: Uklonite sva trenja. Omogućite pristup popularnim AI alatima bez ograničenja na tokene ili budžete i stvorite interno spremište AI vještina iz kojih svako može izvući. Ako je postavljanje teško, većina ljudi neće usvojiti. Učinite usvajanje vidljivim. Kreirajte javne Slack kanale na kojima ljudi mogu dijeliti ono što su napravili. U svakom slučaju, predočite neinženjere koji rade impresivne stvari, kao što su finansiranje izgradnje sistema trezora ili marketinška automatizacija kreiranja veb lokacija. Obezbedite praktičnu podršku. Organizirajte radno vrijeme kojem se svako može pridružiti kako bi izgradio AI vještine i tokove rada. Odredite stručnjake za umjetnu inteligenciju čiji je cijeli posao evangelizirati, postaviti ljude i pomoći im da dođu do „aha trenutka“. Pratite upotrebu i intervenirajte. Ramp prati potrošnju tokena kroz AI alate po zaposlenom. Rukovodstvo dijeli ove podatke kako bi stvorilo prirodnu odgovornost i uskočilo kada je nečija upotreba mala. Neka to bude uvjet za zapošljavanje. PM intervjui sada uključuju namjensku sesiju na kojoj trebate napraviti proizvod koji radi, a zatim objasniti zašto ste ga napravili i kako funkcionira. Geoff je svoju filozofiju vodstva za svaku ulogu u Ramp-u sažeo u jednu liniju: Vaš posao je da automatizujete svoj posao. Od Geoffa: "Ako svom timu kažem 10 puta da CTA mora biti iznad preloma, popravak nije to reći 11. put. To je kodiranje povratnih informacija u automatizovani proces dizajna, tako da se nikada više ne dogodi." Prvi dan Ako Linear i Ramp pokažu kako kompanije usvajaju AI agente, Factory pokazuje šta se dešava kada se oko njih gradite od prvog dana. Factory je kompanija za razvoj AI softvera sa 55 ljudi čija je vrijednost 300 miliona dolara i koja je strukturirana oko AI od temelja. Evo po čemu se razlikuju: Unajmite inženjere proizvoda Factory ne zapošljava PM i inženjere odvojeno. Umjesto toga, zapošljavaju inženjere proizvoda koji upravljaju i rade s AI agentima. Tipičan dan izgleda ovako: Ispitajte tragove pokretanja agenta da vidite gdje je sistem donio loše odluke. Pišite ispravke ne kao kod, već kao upravljanje (npr. ažuriranje veštine, novo pravilo o dlakama ili prefinjena automatizacija) Pregledajte samo PR-ove koje agenti označe kao visokorizične (agenti se brinu za ostalo). Predložite nove ideje i raspravite prioritete sa kolegama i AI. enormno. Neka vaša baza kodova bude spremna za agenta. Agentima je potrebna baza koda u kojoj mogu raditi da bi bili efikasni. Factory boduje baze koda na pet nivoa zrelosti, a nivo 3 („Standardiziran“) je mjesto gdje većina timova treba prvo ciljati. Factoryjev okvir spremnosti agenataEncode ekspertizu u vještine za višekratnu upotrebu. Nakon što vaša baza koda bude spremna za agenta, sljedeći korak je davanje agentima znanja da donose dobre odluke putem datoteka s kvalifikacijama (u suštini samo tekstualne datoteke za smanjenje vrijednosti). Factory koristi vještine da kodira stručno znanje i znanje kompanije u nešto što svaki agent ili zaposlenik može koristiti. Evo liste vještina koje Factory koristi interno i linkova na njihove mardown datoteke koje možete kopirati i modificirati: Vještina upravljanja proizvodom. Principi proizvoda, okvir za iskustvo s 11 zvjezdica (pozajmljen od Airbnb-ovog Briana Cheskyja), PRD predložak, rubrika bodovanja i jezično vodstvo, sve u jednoj datoteci za označavanje. Vještina integracije frontalnog korisničkog sučelja. Uputava Droida o tome kako izgraditi značajke koristeći Tvornički sistem dizajna, konvencije rutiranja i standarde testiranja. Vještina analitičara podataka AI. Pokrenite istraživačku analizu, napravite vizualizacije i generirajte statističke izvještaje koristeći potpuni Python ekosistem. Interni alati. Izgradite administrativne panele, konzole za podršku i operativne kontrolne table sa odgovarajućim kontrolama pristupa i evidentiranjem revizije u. Vibe veštinu kodiranja. Brzo prototipirajte nove web aplikacije od nule uz moderne okvire. Ako možete kodirati ono što vaši najbolji ljudi znaju u vještine, ne morate unajmiti stručnjake za svaku funkciju. 6 koraka da sve ovo provedete u praksi. Da rezimiramo: Uključivanje i upravljanje agentima postaje osnovni posao za svaku funkciju. Evo šest stvari koje možete odmah primijeniti u praksi: FLinearno: Zadano svaki programer koristi agentski alat za kodiranje kao što je Cursor, Claude Code ili Codex. Uključite PM i dizajnere u bazu koda. Neka pošalju PR-ove i pošalju kod koristeći agente. Prestanite usmjeravati svaku malu promjenu preko inženjera. Od Ramp: Izmjerite AI stručnost u svom timu. Rampov okvir od 4 nivoa daje vam zajednički vokabular o tome gdje se ljudi nalaze i gdje trebaju ići. Pratite upotrebu AI i učinite to dijelom očekivanih performansi. Ne možete poboljšati ono što ne mjerite, a poticaji su važni. Iz tvornice: Ocijenite svoju kodnu bazu za spremnost agenta. Koristite nivoe spremnosti agenta Factory da shvatite da li je vaša baza koda spremna. Kodifikujte stručnost svog tima u veštine koje se mogu ponovo koristiti. Kodirajte ono što vaši najbolji ljudi znaju u fajlove vještina i olakšajte i ljudima i agentima da ih koriste. Iznad svega, agenti na brodu kao što biste ukrcali čovjeka. Dajte im kontekst, povežite ih sa svojim operativnim stekom i neka čovjeka bude odgovoran za njihove rezultate. Javite mi što mislite u komentarima!

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