La vostra nova feina és incorporar agents d'IA: com funcionen realment les empreses natives d'IA

In This Article

Benvolguts subscriptors, he passat els últims mesos entrevistant líders d'empreses natives d'IA. Ara estic convençut que: La incorporació i la gestió d'agents d'IA ÉS la feina, sigui quina sigui la vostra funció. En aquesta immersió profunda gratuïta, vull compartir com tres empreses natives d'IA —Linear, Ramp i Factory— posen en pràctica aquest principi. Aquí hi ha algunes cites de cadascun: Nan Yu (cap de producte, lineal): "Tindràs membres de l'equip d'IA als quals podràs assignar tasques i parlar amb ells tal com parles amb la gent." Geoff Charles (CPO, Ramp): "Si no estàs utilitzant Claude Code, sigui quina sigui la teva funció, probablement tinguis un rendiment inferior". habilitats reutilitzables que qualsevol empleat pot invocar. "Seguiu llegint per veure com funciona cada empresa nativa d'IA. Lineal: fer que els agents d'IA siguin companys d'equip de primera classe Podeu @mencionar un agent per crear i assignar un problema a un altre agent. Nan (cap de producte de Linear) creu que: Els agents haurien de ser empleats de primera classe. Hauríeu de poder afegir-los als projectes, assignar-los a problemes i esmentar-los als comentaris. No obstant això, Nan també creu que l'ésser humà sempre és responsable del resultat. Així és com Linear crea productes amb agents en cada pas: entendre el problema. Els agents llegeixen i resumeixen totes les converses dels clients d'Intercom, Zendesk i Gong. Creen problemes automàticament, els dedupen de l'endarreriment i els assignen a l'equip adequat. Identificar la solució. Com que els agents tenen accés a les converses amb els clients, poden ajudar-vos a repetir una especificació mitjançant l'obtenció d'informació basada en dades de diversos canals. Fes un pla. Els agents poden dividir les vostres especificacions en bitllets concrets i dirigir-los automàticament als equips adequats. A Linear, els agents ara creen la majoria de bitllets. La feina de l'ésser humà és revisar el seu treball i ajustar el context al llarg del temps. Executar. Els errors i les petites funcions s'assignen directament a agents com Codex i Cursor. Per a funcions complexes, els enginyers llancen Claude Code i utilitzen Linear MCP per extreure el context del problema complet. De Nan: Sembla que l'abast del que poden gestionar els agents s'amplia cada trimestre. Els nous models i arnesos estan superant el límit des de solucions simples fins a projectes cada cop més complexos. Vols construir amb agents com Linear? Aquí hi ha 4 passos pràctics que Nan va compartir sobre el que el vostre equip pot fer avui: cada desenvolupador hauria d'utilitzar per defecte una eina de codificació agentica líder. Aquest és el primer pas més fàcil. Proporcioneu l'eina oficial (Cursor, Claude Code o Codex) i gestioneu-la perquè pugueu veure l'ús. Complementeu amb un agent de codificació al núvol asíncron. Els agents de fons asíncrons poden fer un sol cop la majoria de petits canvis i correccions d'errors. Cursor i Devin tenen bones ofertes aquí. Insisteix en que els dissenyadors i els PM treballin directament a la base de codi. Agents com Claude obren un camí de baixa fricció perquè els PM i els dissenyadors facin canvis directament a la base de codi. Tothom hauria d'esforçar-se per ser un constructor. Els PM i els venedors haurien d'utilitzar per defecte una interfície d'IA. Aquestes funcions haurien de fer el 80-100% del seu treball mitjançant una interfície de xat, ja sigui Claude, ChatGPT, Notion AI o alguna cosa semblant. Nan veu un futur on els humans col·laboraran amb agents a nivell d'especificacions, definint què s'ha de construir i per què, i després passar les coses als agents per gestionar-ho tot aigües avall.Ramp: mesurar la competència de la IA en 4 nivellsRamp està impulsant ràpidament els seus empleats a ser nadius de la IA en 4 nivells. El 2025, Ramp va enviar més de 500 funcions, va assolir ingressos d'1 mil milions de dòlars i ho va fer tot amb 25 PM. Ho van fer exigint que totes les funcions (eng, producte, disseny, vendes, màrqueting, legals, finances) s'incorporessin i treballessin amb els agents. Geoff (CPO Ramp) va compartir un marc per avaluar cada competència d'IA que trobo un ús extremadament pràctic dels empleats. És probable que aquestes persones no estiguin a l'empresa a llarg termini. Si no sou un principiant amb una mentalitat de creixement cap a les eines d'IA, Geoff diu que serà molt difícil entrenar-vos per sobresortir. L1: Utilitza i ajusta els GPT, els projectes i les eines internes d'IA. Aquestes persones estan experimentant amb IA, però encara no han automatitzat el treball real. L2: crea una aplicació que automatitza part del seufeina. Aquestes persones poden enviar codi o donar comentaris significatius sobre el treball d'altres persones mitjançant eines d'IA. L3: creadors de sistemes. Aquestes persones estan construint la infraestructura i les habilitats d'IA que acceleren a tots els altres membres de l'equip. L'objectiu de l'empresa és empènyer a tothom a l'escala. L0s s'autoseleccionen. Els L1 es converteixen en L2. Les L2 es converteixen en L3. I els L3 influeixen en la resta de l'organització. Geoff també va compartir 5 passos que qualsevol empresa pot seguir per convertir-se en IA nativa: elimina tota la fricció. Doneu accés a les eines d'IA populars sense restriccions de fitxes ni pressupostos i creeu un dipòsit intern d'habilitats d'IA que qualsevol pugui treure. Si la configuració és difícil, la majoria de la gent no adoptarà. Fes que l'adopció sigui visible. Creeu canals públics de Slack on les persones puguin compartir el que han creat. De totes mans, mostreu els no enginyers que fan coses impressionants, com ara la creació d'un sistema de tresoreria financer o la creació de llocs web d'automatització de màrqueting. Proporcioneu assistència pràctica. Organitzeu hores d'oficina a les quals tothom pot unir-se per desenvolupar habilitats i fluxos de treball d'IA. Heu designat experts en intel·ligència artificial que tenen tota la feina d'evangelitzar, fer que la gent s'instal·li i ajudar-los a arribar al "moment aha". Seguiment de l'ús i intervenir. Ramp fa un seguiment del consum de testimonis a les eines d'IA per empleat. El lideratge comparteix aquestes dades per crear una responsabilitat natural i intervenir quan algú fa poc ús. Fes-ho un requisit de contractació. Les entrevistes de PM ara inclouen una sessió dedicada on heu de crear un producte que funcioni i després explicar per què el vau crear i com funciona. Geoff va resumir la seva filosofia de lideratge per a tots els càrrecs de Ramp en una línia: La teva feina és automatitzar la teva feina. De Geoff: "Si li dic al meu equip 10 vegades que el CTA ha d'estar per sobre del plec, la solució no ho diu l'11a vegada. És codificar aquests comentaris en un procés de crítica de disseny automatitzat o un procés de crítica de disseny automatitzat o AI mai tornarà a passar. oneSi Linear i Ramp mostren com les empreses adopten agents d'IA, Factory mostra què passa quan construïu al seu voltant des del primer dia. Factory és una empresa de desenvolupament de programari d'IA de 55 persones valorada en 300 milions de dòlars que s'estructura al voltant de la IA des de zero. Això és el que els fa diferents: contractar enginyers de producte La fàbrica no contracta PM i enginyers per separat. En canvi, contracten enginyers de producte que gestionen i treballen amb agents d'IA. Un dia típic té l'aspecte següent: Examineu els rastres de les execucions de l'agent per veure on el sistema va prendre decisions dolentes. Escriu solucions no com a codi, sinó com a govern (per exemple, una actualització d'una habilitat, una nova regla de pelusa o una automatització refinada) Reviseu només els PR que els agents marquen com a d'alt risc (els agents s'encarreguen de la resta). agent-readyAgents necessiten una base de codi on puguin treballar realment per ser efectius. Factory puntua les bases de codi en cinc nivells de maduresa, i el nivell 3 ("Estandarditzat") és on la majoria dels equips han d'apuntar primer. Marc de preparació d'agents de Factory. Codifiqueu l'experiència en habilitats reutilitzables. Una vegada que la vostra base de codis estigui llesta per a l'agent, el següent pas és donar als agents els coneixements necessaris per prendre bones decisions mitjançant habilitats (bàsicament només fitxers de marcatge de text). Factory utilitza habilitats per codificar el coneixement expert i de l'empresa en alguna cosa que qualsevol agent o empleat pot utilitzar. Aquí hi ha una llista d'habilitats que Factory utilitza internament i enllaça als seus fitxers de reducció perquè les copieu i modifiqueu: Habilitat de gestió de productes. Principis del producte, un marc d'experiència d'11 estrelles (prestat de Brian Chesky d'Airbnb), plantilla PRD, rúbrica de puntuació i orientació lingüística, tot en un fitxer de reducció. Habilitat d'integració de la interfície d'usuari frontal. Indica a Droid com crear funcions mitjançant el sistema de disseny de Factory, les convencions d'encaminament i els estàndards de prova. Habilitat d'analista de dades d'AI. Executeu anàlisis exploratòries, creeu visualitzacions i genereu informes estadístics mitjançant l'ecosistema Python complet. Habilitat d'eines internes. Creeu panells d'administració, consoles de suport i taulers de control operatius amb controls d'accés adequats i registre d'auditoria integrats. Habilitat de codificació Vibe. Crear ràpidament noves aplicacions web des de zero amb marcs moderns. Si pots codificar el que els teus millors saben en habilitats, no cal que contractis especialistes per a cada funció. 6 passos per posar tot això en pràctica. Per recapitular: La incorporació i la gestió d'agents s'està convertint en la feina bàsica de cada funció. Aquí tens sis coses que pots posar en pràctica ara mateix:Lineal: permet que cada desenvolupador utilitzi per defecte una eina de codificació agent com Cursor, Claude Code o Codex. Introduïu els PM i els dissenyadors a la base de codi. Deixeu-los que enviïn PR i el codi d'enviament mitjançant agents. Deixeu d'encaminar cada petit canvi a través d'un enginyer. Des de Ramp: Mesureu la competència de la IA al vostre equip. El marc de 4 nivells de Ramp us ofereix un vocabulari compartit sobre on són les persones i on han d'anar. Feu un seguiment de l'ús de la IA i feu-ne part de les expectatives de rendiment. No pots millorar allò que no mesures, i els incentius són importants. Des de Factory: anoteu la vostra base de codi per a la preparació de l'agent. Utilitzeu els nivells de preparació dels agents de Factory per entendre si la vostra base de codi està preparada. Codifiqueu l'experiència del vostre equip en habilitats reutilitzables. Codifiqueu el que saben els vostres millors usuaris en fitxers d'habilitats i faciliteu l'ús tant dels humans com dels agents. Sobretot, els agents integrats com si ho faríeu amb un humà. Doneu-los context, connecteu-los a la vostra pila operativa i feu que un humà sigui responsable dels seus resultats. Feu-me saber què en penseu als comentaris!

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