Via Nova Laboro Estas Enŝipigi AI-Agentojn: Kiel AI Denaskaj Firmaoj Efektive Funkcias

In This Article

Karaj abonantoj, mi pasigis la lastajn monatojn intervjuante gvidantojn ĉe AI-denaskaj kompanioj. Mi nun estas konvinkita, ke: Enŝipigi kaj administri AI-agentojn ESTAS la laboro, negrave kia estas via funkcio. En ĉi tiu senpaga profunda plonĝo, mi volas konigi kiel tri AI-denaskaj kompanioj —Linear, Ramp kaj Factory — praktikas ĉi tiun principon. Jen kelkaj citaĵoj de ĉiu: Nan Yu (Estro de Produkto, Lineara): "Vi havos AI-teamanojn al kiuj vi povas asigni taskojn kaj paroli kiel vi parolas kun homoj." Geoff Charles (CPO, Ramp): "Se vi ne uzas Claude Code, ne gravas kia estas via rolo, vi verŝajne malsuperas." reuzeblaj kapabloj, kiujn ĉiu dungito povas alvoki." Legu plu por interna rigardo pri kiel funkcias ĉiu AI-denaska kompanio.Linia: Farante AI-agentojn unuaklasajn samteamanojVi povas @mencii agenton por krei kaj asigni problemon al alia agento. Linia aliro al agentoj estas formita de ilia produkto. Nan (Estro de Produkto de Linear) opinias ke: Agentoj devus esti bonegaj dungitoj. Vi devus povi aldoni ilin al projektoj, asigni ilin al aferoj kaj mencii en komentoj. Tamen, Nan ankaŭ kredas, ke la homo ĉiam restas respondeca pri la rezulto. Jen kiel Linear konstruas produktojn kun agentoj en ĉiu paŝo: Komprenu la problemon. Agentoj legas kaj resumas ĉiun klientkonversacion de Intercom, Zendesk kaj Gong. Ili aŭtomate kreas problemojn, maldumpigas ilin kontraŭ la restaro kaj asignas ilin al la ĝusta teamo. Identigu la solvon. Ĉar agentoj havas aliron al klientaj konversacioj, ili povas helpi vin ripeti pri specifo tirante datumojn subtenitajn de pluraj kanaloj. Faru planon. Agentoj povas rompi viajn specifojn en konkretajn biletojn kaj aŭtomate direkti ilin al la ĝustaj teamoj. Ĉe Linear, agentoj nun kreas la plimulton de biletoj. La tasko de la homo estas revizii sian laboron kaj ĝustigi kuntekston laŭlonge de la tempo.Ekzekuti. Cimoj kaj malgrandaj funkcioj estas asignitaj rekte al agentoj kiel Codex kaj Kursoro. Por kompleksaj funkcioj, inĝenieroj lanĉas Claude Code kaj uzas Linear MCP por tiri en plena temo kunteksto. De Nan: Ĝi sentas, ke la amplekso de tio, kion agentoj povas pritrakti, pligrandiĝas ĉiun kvaronon. Novaj modeloj kaj jungiloj puŝas la limon de simplaj korektoj al ĉiam pli kompleksaj projektoj. Ĉu vi volas konstrui kun agentoj kiel Linear? Jen 4 praktikaj paŝoj, kiujn Nan dividis pri tio, kion via teamo povas fari hodiaŭ: Ĉiu programisto devas defaŭlte al ĉefa agenta kodiga ilo. Ĉi tiu estas la plej facila unua paŝo. Provizu la oficialan ilon (Kursoro, Claude Code aŭ Kodekso) kaj administru ĝin por ke vi povu vidi uzadon. Suplemento per nesinkrona nuba kodiga agento. Nesinkronaj fonaj agentoj povas unu-pafi plej malgrandajn ŝanĝojn kaj cimojn. Kursoro kaj Devin havas bonajn proponojn ĉi tie. Insisti ke projektistoj kaj PM-oj laboru rekte sur la kodbazo. Agentoj kiel Claude malfermas malalt-frikcian vojon por PM kaj projektistoj por fari ŝanĝojn rekte en la kodbazo. Ĉiuj devus strebi esti konstruanto. PM kaj merkatistoj devas defaŭlte al AI-interfaco. Ĉi tiuj funkcioj devus fari 80-100% de sia laboro per babilinterfaco - ĉu tio estas Claude, ChatGPT, Notion AI, aŭ io simila. Nan vidas estontecon, kie homoj kunlaboros kun agentoj je la specifnivelo - difinante kio devas esti konstruita kaj kial - kaj poste transdonos aferojn al agentoj por pritrakti ĉion laŭflue.Ramp: Mezuri AI-kapablon en 4 nivelojRamp rapide puŝas siajn dungitojn por esti AI-denaskaj en 4 niveloj. ili.En 2025, Ramp sendis pli ol 500 funkciojn, atingis $1B-enspezon, kaj faris ĉion kun 25 PM-oj.Ili faris tion postulante ĉiun unuopan funkcion (epo, produkto, dezajno, vendo, merkatado, jura, financo) enŝipiĝi kaj labori kun agentoj. Geoff (CPO Ramp) dividis kadron por taksi AI-kapablon, kiun mi trovas ege praktika por ĉiu oficisto de AI:GPT. Ĉi tiuj homoj plej verŝajne ne estos ĉe la kompanio longtempe. Se vi ne estas memstaranto kun kreska pensmaniero al AI-iloj, Geoff diras, ke estos tre malfacile trejni vin por elstari.L1: Uzas kaj ĝustigas GPT-ojn, projektojn kaj internajn AI-iloj. Ĉi tiuj homoj eksperimentas kun AI sed ankoraŭ ne aŭtomatigis veran laboron.L2: Konstruas apon kiu aŭtomatigas parton de sialaboro. Ĉi tiuj homoj povas fari kodon aŭ doni signifajn rimarkojn pri la laboro de aliaj homoj uzante AI-iloj.L3: Sistemkonstruistoj. Ĉi tiuj homoj konstruas la AI-infrastrukturon kaj kapablojn, kiuj akcelas ĉiujn aliajn en la teamo. La celo de la kompanio estas puŝi ĉiujn supren laŭ la ŝtupetaro. L0s memelektu eksteren. L1-oj iĝas L2-oj. L2 iĝas L3. Kaj L3-oj influas la reston de la organizo. Geoff ankaŭ dividis 5 paŝojn, kiujn ĉiu kompanio povas fari por fariĝi AI-denaska: Forigu ĉian froton. Donu aliron al popularaj AI-iloj sen limoj pri ĵetonoj aŭ buĝetoj kaj kreu internan deponejon de AI-kapabloj, el kiuj iu povas eltiri. Se la aranĝo estas malfacila, plej multaj homoj ne adoptos. Vidigu adopton. Kreu publikajn Slack-kanalojn, kie homoj povas dividi tion, kion ili konstruis. Tute, montru ne-inĝenierojn farantajn impresajn aferojn, kiel financon konstrui trezorsistemon aŭ merkatadon aŭtomatigantan retejan kreadon. Provizu praktikan subtenon. Gastigaj oficejaj horoj, kiujn ĉiuj povas aliĝi por konstrui AI-kapablojn kaj laborfluojn. Difinis spertulojn pri AI, kies tuta tasko estas evangeliigi, starigi homojn kaj helpi ilin atingi la "aha momenton". Spuri uzadon kaj intervenu. Ramp spuras ĵetonan konsumon tra AI-iloj por dungito. Gvidado dividas ĉi tiujn datumojn por krei naturan respondecon kaj interveni kiam la uzado de iu estas malalta. Faru ĝin dunga postulo. PM-intervjuoj nun inkluzivas dediĉitan sesion, kie vi devas konstrui funkciantan produkton kaj poste klarigi kial vi konstruis ĝin kaj kiel ĝi funkcias. Geoff resumis sian gvidan filozofion por ĉiu rolo ĉe Ramp en unu linio: Via tasko estas aŭtomatigi vian laboron. De Geoff: "Se mi diras al mia teamo 10 fojojn, ke la CTA devas esti super la faldo, la solvo ne diras ĝin la 11-an fojon. Ĝi kodas tiun retrosciigon en aŭtomatigitan dezajnkritikprocezon aŭ AI neniam plu okazos de AI. oneSe Linear kaj Ramp montras kiel kompanioj adoptas AI-agentojn, Factory montras, kio okazas kiam vi konstruas ĉirkaŭ ili de la unua tago. Fabriko estas 55-persona AI-programa evoluiga kompanio taksita je $ 300M, kiu estas strukturita ĉirkaŭ AI de la fundo. Jen kio diferencas ilin: Dungu produktajn inĝenierojnFactory ne dungas PM kaj inĝenierojn aparte. Anstataŭe, ili dungas produktajn inĝenierojn, kiuj administras kaj laboras kun AI-agentoj. Tipa tago aspektas kiel: Ekzamenu spurojn de agentaj kuroj por vidi kie la sistemo faris malbonajn decidojn. Skribu korektojn ne kiel kodon, sed kiel regado (ekz., ĝisdatigo de kapablo, nova lint-regulo aŭ rafinita aŭtomatigo)Reviziu nur la PR-ojn, kiujn agentoj markas kiel altriskaj (agentoj prizorgas la reston).Sugestu novajn ideojn kaj debatu prioritatigon kun kolegoj kaj AI. Ĉi tiu laboro ne estas facila kaj postulas, ke via kodo estas grandega levilforto. agent-readyAgents bezonas kodbazon en kiu ili povas efektive labori por esti efikaj. Fabriko poentas kodbazojn tra kvin maturecniveloj, kaj Nivelo 3 ("Normigita") estas kie plej multaj teamoj devas celi unue. La kadro de preteco de agentoj de FactoryKodigo de kompetenteco en reuzeblajn kapablojnIam via kodbazo estas preta por agento, la sekva paŝo estas doni al agentoj la scion por fari bonajn decidojn per kapabloj (esence nur tekstaj markdown dosieroj). Fabriko uzas kapablojn por ĉidi spertajn kaj firmaajn scion en ion, kion iu ajn agento aŭ dungito povas uzi. Jen listo de kapabloj, kiujn Fabriko uzas interne kaj ligas al iliaj markdown-dosieroj por ke vi kopiu kaj modifi: Produkta administradkapablo. Produktprincipoj, 11-stela spertkadro (pruntita de Airbnb Brian Chesky), PRD-ŝablono, poentrubriko, kaj lingva gvidado ĉio en unu markdown-dosiero. Frontend UI-integriĝkapablo. Instruas Droid pri kiel konstrui funkciojn uzante la dezajnsistemon de Fabriko, vojajn konvenciojn kaj testajn normojn. AI-datuma analizisto-kapablo. Rulu esploran analizon, konstruu bildigojn kaj generu statistikajn raportojn uzante la plenan Python-ekosistemon.Interna ila lerteco. Konstruu administrajn panelojn, subtenajn konzolojn kaj operaciajn instrumentpanelojn kun taŭgaj alirkontroloj kaj auditoria ensaluto bakita en.Vibe-kodkapablo. Rapide prototipi novajn TTT-apojn de nulo per modernaj kadroj. Se vi povas kodi tion, kion viaj plej bonaj homoj scias en kapabloj, vi ne bezonas dungi specialistojn por ĉiu funkcio. 6 paŝoj por efektivigi ĉion ĉi praktikiRecapitulo:Enirado kaj administrado de agentoj fariĝas la kerna laboro por ĉiu funkcio.Jen ses aferoj, kiujn vi povas praktiki nun:DeLineara: Defaŭlte ĉiun programiston al agenta kodilo kiel Kursoro, Claude Code aŭ Kodekso. Akiru PM kaj projektistojn en la kodbazon. Lasu ilin sendi PR-ojn kaj sendi kodon per agentoj. Ĉesu direkti ĉiun malgrandan ŝanĝon per inĝeniero. De Ramp: Mezuru AI-kapablon tra via teamo. La 4-nivela kadro de Ramp donas al vi komunan vortprovizon por kie homoj estas kaj kien ili devas iri. Spuri AI-uzadon kaj faru ĝin parto de agado-atendoj. Vi ne povas plibonigi tion, kion vi ne mezuras, kaj instigoj gravas. De Fabriko:Notu vian kodbazon por agentpreteco. Uzu la nivelojn de pretaj agentoj de Fabriko por kompreni ĉu via kodbazo estas preta. Kodigu la kompetentecon de via teamo en reuzeblajn kapablojn. Enkodigu tion, kion viaj plej bonaj homoj scias en lertajn dosierojn kaj faciligu por ambaŭ homoj kaj agentoj uzi ilin. Antaŭ ĉio, surŝipe agentoj kiel vi enŝipigus homon. Donu al ili kuntekston, konektu ilin al via funkcia stako, kaj tenu homon respondeca pri iliaj rezultoj. Sciigu al mi, kion vi pensas en la komentoj!

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