Vaším novým úkolem je integrovat agenty umělé inteligence: Jak společnosti nativní s umělou inteligencí skutečně fungují

In This Article

Vážení předplatitelé, posledních několik měsíců jsem strávil rozhovory s lídry ve společnostech nativních AI. Nyní jsem přesvědčen, že: Zapojování a správa agentů umělé inteligence JE práce, bez ohledu na to, jaká je vaše funkce. V tomto bezplatném hlubokém ponoru se chci podělit o to, jak tři společnosti nativní AI – Linear, Ramp a Factory – uvedly tento princip do praxe. Zde je několik citátů od každého: Nan Yu (vedoucí produktu, lineární): „Budete mít členy týmu AI, kterým můžete přidělovat úkoly a mluvit s nimi stejně jako s lidmi.“ Geoff Charles (CPO, Ramp): „Pokud nepoužíváte Claude Code, bez ohledu na to, jaká je vaše role, pravděpodobně nedosahujete dostatečného výkonu.“ Eno Reyes (CTO, frontend product, UI, analýza a více do znovupoužitelných dovedností, které může uplatnit každý zaměstnanec.“ Čtěte dále a zjistěte, jak funguje každá společnost nativní AI. Linear: Udělejte z agentů AI prvotřídní spoluhráčeMůžete @zmínit agenta, který vytvoří a přiřadí problém jinému agentovi Přístup společnosti Linear k agentům je utvářen jejich produktem. Nan (vedoucí produktu společnosti Linear) věří, že: Agenti by měli být prvotřídní zaměstnanci. Měli byste být schopni je přidávat do projektů, přiřazovat je k problémům a zmiňovat se o nich v komentářích. Nan však také věří, že člověk vždy zůstává odpovědný za výsledek. Zde je návod, jak Linear vytváří produkty s agenty v každém kroku: Pochopte problém. Agenti čtou a shrnují každou zákaznickou konverzaci od Intercom, Zendesk a Gong. Automaticky vytvářejí problémy, dedupují je proti nevyřízeným záležitostem a přidělují je správnému týmu. Identifikujte řešení. Vzhledem k tomu, že agenti mají přístup ke konverzacím se zákazníky, mohou vám pomoci iterovat specifikaci tím, že získají statistiky podložené daty z více kanálů. Udělejte si plán. Agenti mohou rozdělit vaše specifikace na konkrétní vstupenky a automaticky je nasměrovat do správných týmů. Ve společnosti Linear nyní agenti vytvářejí většinu tiketů. Úkolem člověka je přezkoumat svou práci a upravit kontext v průběhu času. Chyby a malé funkce jsou přiřazeny přímo agentům, jako je Codex a Cursor. Pro komplexní funkce spouštějí inženýři Claude Code a používají lineární MCP k získání úplného kontextu problému. Od Nan: Zdá se, že rozsah toho, co mohou agenti zvládnout, se každým čtvrtletím rozšiřuje. Nové modely a postroje posouvají hranice od jednoduchých oprav ke stále složitějším projektům. Chcete stavět s agenty jako Linear? Zde jsou 4 praktické kroky, které Nan sdílel o tom, co váš tým dnes může dělat: Každý vývojář by měl jako výchozí použít přední agentní kódovací nástroj. Toto je nejjednodušší první krok. Poskytněte oficiální nástroj (kurzor, Claude Code nebo Codex) a spravujte jej, abyste viděli využití. Doplňte asynchronním cloudovým kódovacím agentem. Asynchronní agenti na pozadí mohou jednorázově provést většinu malých změn a oprav chyb. Cursor a Devin zde mají dobré nabídky. Trvejte na tom, aby návrháři a PM pracovali přímo na kódové základně. Agenti jako Claude otevírají pro PM a návrháře cestu s nízkým třením, aby mohli provádět změny přímo v kódové základně. Každý by se měl snažit být stavitelem. PM a marketéři by měli standardně používat rozhraní AI. Tyto funkce by měly vykonávat 80–100 % své práce prostřednictvím rozhraní chatu – ať už jde o Claude, ChatGPT, Notion AI nebo něco podobného. Nan vidí budoucnost, kde lidé budou spolupracovat s agenty na úrovni specifikací – určovat, co je potřeba postavit a proč – a poté věci předávat agentům, aby vše zvládli po proudu. Ramp: Měření odbornosti umělé inteligence ve 4 úrovních Ramp rychle tlačí své zaměstnance k tomu, aby byli umělou inteligencí na 4 úrovních Pokud Linear ukazuje, jak z celé vaší společnosti udělat prvotřídní součást vašeho týmu. V roce 2025 společnost Ramp dodala více než 500 funkcí, dosáhla tržeb 1 miliardu USD a vše zvládla za 25 hodin. Dokázali to tím, že vyžadovali každou jednotlivou funkci (enginu, produkt, design, prodej, marketing, právo, finance) na palubu a spolupráci s agenty. Geoff (CPO Ramp) sdílel rámec pro hodnocení znalostí umělé inteligence pro každého zaměstnance, který považuji za extrémně praktický: ChatGLP0 Tito lidé s největší pravděpodobností nebudou ve společnosti dlouhodobě. Pokud nejste začátečník s růstovým myšlením na nástroje umělé inteligence, Geoff říká, že bude velmi těžké naučit vás excelovat. L1: Používá a vylepšuje značky GPT, projekty a interní nástroje umělé inteligence. Tito lidé experimentují s umělou inteligencí, ale ještě nezautomatizovali skutečnou práci. L2: Vytváří aplikaci, která automatizuje část jejichpráce. Tito lidé mohou zadávat kód nebo poskytovat smysluplnou zpětnou vazbu k práci jiných lidí pomocí nástrojů umělé inteligence. L3: Tvůrci systémů. Tito lidé budují infrastrukturu AI a dovednosti, které urychlí všechny ostatní v týmu. Cílem společnosti je posouvat všechny na žebříčku. L0s samovolba ven. Z L1 se stanou L2. Z L2 se stanou L3. A L3 ovlivňují zbytek organizace. Geoff také sdílel 5 kroků, které může podniknout každá společnost, aby se stala AI: Odstraňte veškeré tření. Poskytněte přístup k oblíbeným nástrojům umělé inteligence bez omezení tokenů nebo rozpočtů a vytvořte si interní úložiště dovedností umělé inteligence, ze kterých může čerpat kdokoli. Pokud je nastavení obtížné, většina lidí jej nepřijme. Zviditelněte přijetí. Vytvářejte veřejné kanály Slack, kde mohou lidé sdílet to, co vytvořili. V každém případě předveďte neinženýry, kteří dělají působivé věci, jako je budování pokladního systému nebo marketingová automatizace tvorby webových stránek. Poskytněte praktickou podporu. Hostujte úřední hodiny, ke kterým se může připojit kdokoli a budovat dovednosti a pracovní postupy AI. Určete odborníky na umělou inteligenci, jejichž úkolem je evangelizovat, připravit lidi a pomoci jim dosáhnout „aha momentu“. Sledujte používání a zasahujte. Ramp sleduje spotřebu tokenů napříč nástroji AI na zaměstnance. Vedení sdílí tato data, aby vytvořilo přirozenou odpovědnost a zasáhlo, když je někdo málo využíván. Udělejte z toho požadavek na nábor. PM rozhovory nyní zahrnují vyhrazenou relaci, kde potřebujete vytvořit fungující produkt a poté vysvětlit, proč jste jej postavili a jak funguje. Geoff shrnul svou filozofii vedení pro každou roli ve společnosti Ramp do jednoho řádku: Vaším úkolem je automatizovat svou práci. Od Geoffa: „Když svému týmu 10krát řeknu, že CTA musí být nad okrajem, oprava to neříká po jedenácté. Je to zakódování této zpětné vazby do automatizovaného procesu kritiky designu nebo dovedností AI od společností, aby se to už nikdy neopakovalo.“ adoptujte agenty AI, Factory ukazuje, co se stane, když kolem nich od prvního dne stavíte. Factory je společnost zabývající se vývojem softwaru pro AI s 55 lidmi v hodnotě 300 milionů dolarů, která je od základů strukturována kolem AI. Zde je to, co je odlišuje: Najímání produktových inženýrůFactory nenajímá PM a inženýry samostatně. Místo toho najímají produktové inženýry, kteří spravují a spolupracují s agenty AI. Typický den vypadá takto: Prozkoumejte stopy z běhů agentů, abyste zjistili, kde systém udělal špatná rozhodnutí. Pište opravy ne jako kód, ale jako řízení (např. aktualizace dovednosti, nové pravidlo lint nebo vylepšená automatizace) Prohlížejte pouze ty PR, které agenti označí jako vysoce rizikové (agenti se postarají o zbytek). Navrhujte nové nápady a diskutujte o prioritách s kolegy a umělou inteligencí. Tato práce není snadná a vyžaduje ve skutečnosti hlubší znalosti agentů, ale využití kódu, které mohou agenti využít, jsou obrovské. aby byl účinný. Továrna boduje kódové základny v pěti úrovních vyspělosti a na úroveň 3 („standardizované“) musí většina týmů zamířit jako první. Rámec připravenosti agentů společnosti FactoryZakódujte odborné znalosti do znovupoužitelných dovedností Jakmile je vaše kódová základna připravena na agenty, dalším krokem je poskytnout agentům znalosti, aby mohli činit správná rozhodnutí prostřednictvím dovedností (v podstatě pouze soubory textových značek). Továrna využívá dovednosti ke kódování odborných a firemních znalostí do něčeho, co může použít jakýkoli agent nebo zaměstnanec. Zde je seznam dovedností, které Factory používá interně, a odkazy na jejich soubory markdown, které můžete zkopírovat a upravit: Dovednost produktového managementu. Principy produktu, 11hvězdičkový rámec zkušeností (vypůjčený od Briana Cheskyho z Airbnb), šablona PRD, bodovací rubrika a jazykové pokyny – to vše v jednom souboru markdown.Frontend integrační schopnost uživatelského rozhraní. Instruuje Droid, jak vytvářet funkce pomocí návrhového systému Factory, směrovacích konvencí a testovacích standardů. Dovednosti analytika dat AI. Spouštějte průzkumnou analýzu, sestavujte vizualizace a generujte statistické zprávy s využitím plného ekosystému Pythonu. Vnitřní nástroje. Vytvářejte administrátorské panely, podpůrné konzoly a provozní panely se správným řízením přístupu a protokolováním auditu. Rychle prototypujte nové webové aplikace od nuly pomocí moderních rámců. Pokud dokážete zakódovat to, co vaši nejlepší lidé znají, do dovedností, nemusíte na každou funkci najímat specialisty. 6 kroků, jak to všechno uvést do praxe Shrnutí: Připojování a správa agentů se stává základní úlohou každé funkce. Zde je šest věcí, které můžete hned teď uvést do praxe: OdLineární: Výchozím nastavením každého vývojáře je nástroj pro agentní kódování, jako je Cursor, Claude Code nebo Codex. Získejte PM a designéry do kódové základny. Nechte je odeslat PR a odeslat kód pomocí agentů. Přestaňte směrovat každou malou změnu přes inženýra. Od Ramp: Měřte znalosti umělé inteligence ve svém týmu. Rámec Ramp se 4 úrovněmi vám poskytuje sdílenou slovní zásobu, kde se lidé nacházejí a kam potřebují jít. Sledujte využití AI a udělejte z něj součást očekávání výkonu. Nemůžete zlepšit to, co neměříte, a na pobídkách záleží. Z Factory: Vyhodnoťte svou kódovou základnu pro připravenost agenta. Použijte úrovně připravenosti agentů Factory, abyste pochopili, zda je vaše kódová základna připravena. Udělejte z odbornosti svého týmu znovu použitelné dovednosti. Zakódujte to, co vaši nejlepší lidé znají, do souborů dovedností a usnadněte lidem i agentům jejich použití. Především na palubě agentů jako na palubě člověka. Dejte jim kontext, připojte je k vašemu operačnímu zásobníku a ponechte člověka odpovědného za jejich výsledky. Dejte mi vědět, co si myslíte v komentářích!

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