شغل جدید شما نمایندگی های هوش مصنوعی داخلی است: شرکت های بومی هوش مصنوعی در واقع چگونه عمل می کنند

In This Article

مشترکین عزیز، من چند ماه گذشته را صرف مصاحبه با رهبران شرکت های بومی هوش مصنوعی کرده ام. اکنون متقاعد شده‌ام که: بدون توجه به عملکرد شما، کار با عوامل هوش مصنوعی و مدیریت آن است. در این غواصی عمیق رایگان، می‌خواهم به اشتراک بگذارم که چگونه سه شرکت بومی هوش مصنوعی - Linear، Ramp و Factory - این اصل را عملی می‌کنند. در اینجا چند نقل قول از هر کدام آورده شده است: نان یو (رئیس محصول، خطی): "شما اعضای تیم هوش مصنوعی خواهید داشت که می توانید وظایفی را به آنها محول کنید و با آنها صحبت کنید، درست مانند نحوه صحبت کردن با مردم." جف چارلز (CPO، Ramp): "اگر از کلود کد استفاده نمی کنید، مهم نیست که چه نقشی دارید، احتمالاً عملکرد ضعیفی دارید." تجزیه و تحلیل داده‌ها، و بیشتر به مهارت‌های قابل استفاده مجدد که هر کارمندی می‌تواند از آن استفاده کند.» برای نگاهی درونی به نحوه عملکرد هر شرکت بومی هوش مصنوعی به ادامه مطلب مراجعه کنید. خطی: ساختن عوامل هوش مصنوعی به هم تیمی‌های درجه یک می‌توانید از یک نماینده برای ایجاد و تخصیص یک موضوع به یک عامل دیگر نام ببرید. نان (رئیس محصولات Linear) معتقد است که: نمایندگان باید کارمندان درجه یک باشند. شما باید بتوانید آنها را به پروژه ها اضافه کنید، آنها را به مسائل اختصاص دهید و در نظرات ذکر کنید. با این حال، نان همچنین معتقد است که انسان همیشه در قبال نتیجه پاسخگو می ماند. در اینجا آمده است که Linear چگونه محصولات را با عوامل در هر مرحله ایجاد می کند: مشکل را درک کنید. نمایندگان هر مکالمه مشتری را از Intercom، Zendesk و Gong می خوانند و خلاصه می کنند. آنها به طور خودکار مسائل را ایجاد می کنند، آنها را در برابر موارد عقب افتاده حذف می کنند و آنها را به تیم مناسب اختصاص می دهند. راه حل را شناسایی کنید. از آنجایی که نمایندگان به مکالمات مشتری دسترسی دارند، می‌توانند به شما کمک کنند تا با جمع‌آوری اطلاعات مبتنی بر داده از کانال‌های متعدد، روی یک مشخصات تکرار کنید. برنامه ریزی کنید. نمایندگان می توانند مشخصات شما را به بلیط های مشخص تبدیل کنند و آنها را به طور خودکار به تیم های مناسب هدایت کنند. در Linear، نمایندگان اکنون اکثر بلیط ها را ایجاد می کنند. کار انسان این است که کار خود را مرور کند و زمینه را در طول زمان تنظیم کند. اجرا شود. اشکالات و ویژگی های کوچک مستقیماً به عواملی مانند Codex و Cursor اختصاص داده می شوند. برای ویژگی‌های پیچیده، مهندسان Claude Code را راه‌اندازی می‌کنند و از MCP خطی برای بررسی متن کامل موضوع استفاده می‌کنند. مدل‌ها و مهارهای جدید مرز را از اصلاحات ساده به پروژه‌های پیچیده‌تر پیش می‌برند. آیا می‌خواهید با عواملی مانند Linear بسازید؟ در اینجا 4 مرحله عملی وجود دارد که نان در مورد آنچه امروز تیم شما می‌تواند انجام دهد به اشتراک گذاشته است: هر توسعه‌دهنده‌ای باید به طور پیش‌فرض از یک ابزار کدنویسی عامل پیشرو استفاده کند. این ساده ترین قدم اول است. ابزار رسمی (Cursor، Claude Code یا Codex) را ارائه دهید و آن را مدیریت کنید تا بتوانید استفاده را مشاهده کنید. با یک عامل کدگذاری ابری همگام‌سازی شده تکمیل کنید. عوامل پس‌زمینه همگام‌سازی می‌توانند اکثر تغییرات کوچک و رفع اشکال‌ها را به‌صورت یکباره عکس‌برداری کنند. Cursor و Devin پیشنهادات خوبی در اینجا دارند. اصرار کنید که طراحان و PM ها مستقیماً روی پایگاه کد کار کنند. عواملی مانند کلود یک مسیر کم اصطکاک را برای PM ها و طراحان باز می کنند تا مستقیماً در پایگاه کد تغییرات ایجاد کنند. همه باید تلاش کنند که سازنده باشند. PM ها و بازاریابان باید به طور پیش فرض رابط هوش مصنوعی داشته باشند. این توابع باید 80 تا 100 درصد از کار خود را از طریق یک رابط چت انجام دهند - چه Claude، ChatGPT، Notion AI یا چیزی مشابه. نان آینده‌ای را می‌بیند که در آن انسان‌ها با عواملی در سطح مشخصات همکاری خواهند کرد - تعریف اینکه چه چیزی باید ساخته شود و چرا - و سپس همه چیز را به عوامل واگذار می‌کنند تا همه چیز را در پایین دست مدیریت کنند. Ramp: اندازه‌گیری مهارت هوش مصنوعی در 4 سطحRamp به سرعت کارکنان خود را به سمت بومی بودن هوش مصنوعی در 4 سطح سوق می‌دهد. چگونه کل شرکت خود را وادار به پذیرش آنها کنید. در سال 2025، Ramp بیش از 500 ویژگی را ارسال کرد، به درآمد 1 میلیارد دلاری رسید، و همه این کارها را با 25 PM انجام داد. آنها این کار را با نیاز به تک تک عملکردها (انگلیسی، محصول، طراحی، فروش، بازاریابی، حقوقی، مالی) برای حضور و کار با نمایندگان انجام دادند. عملی:L0: گاهی اوقات از ChatGPT استفاده می کند. این افراد به احتمال زیاد طولانی مدت در شرکت نخواهند بود. جف می‌گوید اگر فردی مبتکر با ذهنیت رشد نسبت به ابزارهای هوش مصنوعی نیستید، آموزش عالی برای شما بسیار سخت خواهد بود. L1: از GPTها، پروژه‌ها و ابزارهای هوش مصنوعی داخلی استفاده و اصلاح می‌کند. این افراد در حال آزمایش با هوش مصنوعی هستند اما هنوز کار واقعی را خودکار نکرده اند. L2: برنامه ای می سازد که بخشی از آنها را خودکار می کند.شغل این افراد می‌توانند با استفاده از ابزارهای هوش مصنوعی کد ارسال کنند یا بازخورد معنی‌داری درباره کار دیگران ارائه کنند.L3: سازندگان سیستم‌ها. این افراد زیرساخت‌ها و مهارت‌های هوش مصنوعی را ایجاد می‌کنند که به همه افراد دیگر در تیم سرعت می‌بخشد. هدف این شرکت این است که همه را از نردبان بالا ببرد. L0s خود را انتخاب کنید. L1 تبدیل به L2 می شود. L2 تبدیل به L3 می شود. و L3 بر بقیه سازمان تأثیر می گذارد. جف همچنین 5 گام را به اشتراک گذاشت که هر شرکتی می تواند برای تبدیل شدن به بومی هوش مصنوعی بردارد: تمام اصطکاک ها را از بین ببرید. به ابزارهای محبوب هوش مصنوعی بدون محدودیت در توکن ها یا بودجه دسترسی داشته باشید و یک مخزن داخلی از مهارت های هوش مصنوعی ایجاد کنید که هر کسی می تواند از آن استفاده کند. اگر راه‌اندازی سخت باشد، اکثر مردم قبول نمی‌کنند. پذیرش را قابل مشاهده کنید. کانال های عمومی Slack ایجاد کنید تا افراد بتوانند آنچه را که ساخته اند به اشتراک بگذارند. به طور کلی، غیر مهندسین را در حال انجام کارهای چشمگیر نشان دهید، مانند ایجاد یک سیستم خزانه داری مالی یا بازاریابی خودکار ایجاد وب سایت. پشتیبانی عملی ارائه دهید. ساعات اداری را میزبانی کنید که هر کسی می‌تواند برای ایجاد مهارت‌ها و گردش کار هوش مصنوعی به آن ملحق شود. کارشناسان هوش مصنوعی را تعیین کنید که تمام کارشان بشارت دادن، راه اندازی مردم و کمک به آنها برای رسیدن به "لحظه آها" است. استفاده را دنبال کنید و مداخله کنید. Ramp مصرف توکن را در ابزارهای هوش مصنوعی به ازای هر کارمند دنبال می کند. رهبری این داده‌ها را برای ایجاد مسئولیت‌پذیری طبیعی به اشتراک می‌گذارد و زمانی که استفاده از کسی کم است وارد عمل می‌شود. آن را به یک نیاز استخدام تبدیل کنید. مصاحبه های PM اکنون شامل یک جلسه اختصاصی است که در آن باید یک محصول کارآمد بسازید و سپس توضیح دهید که چرا آن را ساخته اید و چگونه کار می کند. جف فلسفه رهبری خود را برای هر نقش در Ramp در یک خط خلاصه کرد: وظیفه شما خودکار کردن کارتان است. روز اول اگر Linear و Ramp نشان دهند که چگونه شرکت‌ها از عوامل هوش مصنوعی استفاده می‌کنند، Factory نشان می‌دهد که وقتی از روز اول در اطراف آنها بسازید چه اتفاقی می‌افتد. Factory یک شرکت توسعه نرم‌افزار هوش مصنوعی 55 نفره است که ارزش آن 300 میلیون دلار است که از ابتدا بر اساس هوش مصنوعی ساخته شده است. این چیزی است که آنها را متفاوت می کند: مهندسان محصول را استخدام کنید کارخانه PM و مهندس را جداگانه استخدام نمی کند. در عوض، آنها مهندسان محصول را استخدام می کنند که عوامل هوش مصنوعی را مدیریت و با آنها کار می کنند. یک روز معمولی به نظر می رسد: ردیابی از اجراهای عامل را بررسی کنید تا ببینید سیستم کجا تصمیمات ضعیفی گرفته است. اصلاحات را نه به عنوان کد، بلکه به عنوان حاکمیت بنویسید (به عنوان مثال، به‌روزرسانی یک مهارت، یک قانون جدید پرز، یا یک اتوماسیون اصلاح‌شده) فقط روابط عمومی‌هایی را که نمایندگان به‌عنوان پرخطر علامت‌گذاری می‌کنند، مرور کنید (نمایندگان مراقب بقیه هستند). ایده‌های جدید و اولویت‌بندی بحث را با همکاران و هوش مصنوعی پیشنهاد کنید. enormous.Agent-base code خود را agent-readyAgents به یک پایگاه کد نیاز دارند که واقعاً بتوانند در آن کار کنند تا مؤثر باشند. کارخانه پایه کد را در پنج سطح بلوغ امتیاز می‌دهد، و سطح 3 ("استاندارد") جایی است که بیشتر تیم‌ها باید ابتدا هدف خود را داشته باشند. چارچوب آمادگی نماینده کارخانه، تخصص را در مهارت‌های قابل استفاده مجدد رمزگذاری می‌کند هنگامی که پایگاه کد شما برای عامل آماده شد، گام بعدی این است که به نمایندگان دانش برای تصمیم‌گیری خوب فایل‌ها (به طور متناظر از طریق علامت‌گذاری متنی) تبدیل کنید. کارخانه از مهارت هایی برای رمزگذاری دانش متخصص و شرکت به چیزی استفاده می کند که هر نماینده یا کارمندی می تواند از آن استفاده کند. در اینجا فهرستی از مهارت‌هایی است که Factory به صورت داخلی از آنها استفاده می‌کند و به فایل‌های نشانه‌گذاری آن‌ها پیوند می‌دهد تا بتوانید کپی و اصلاح کنید: مهارت مدیریت محصول. اصول محصول، چارچوب تجربه 11 ستاره (قرض گرفته شده از برایان چسکی از Airbnb)، الگوی PRD، روبریک امتیازدهی، و راهنمای زبان، همه در یک فایل نشانه گذاری. مهارت یکپارچه سازی رابط کاربری جلویی. به Droid در مورد نحوه ساخت ویژگی‌ها با استفاده از سیستم طراحی Factory، قراردادهای مسیریابی و استانداردهای آزمایشی آموزش می‌دهد. مهارت تحلیلگر داده AI. تجزیه و تحلیل اکتشافی را اجرا کنید، تصویرسازی بسازید، و گزارش های آماری را با استفاده از اکوسیستم کامل پایتون تولید کنید. مهارت ابزارهای داخلی. پنل‌های مدیریت، کنسول‌های پشتیبانی و داشبوردهای عملیاتی را با کنترل‌های دسترسی مناسب بسازید و مهارت‌های کدنویسی Vibe را در حسابرسی ثبت کنید. به سرعت برنامه های وب جدید را از ابتدا با چارچوب های مدرن نمونه سازی کنید. اگر بتوانید آنچه را که بهترین افراد می دانند را به صورت مهارت رمزگذاری کنید، نیازی به استخدام متخصصان برای هر عملکرد ندارید. 6 مرحله برای اجرای همه اینها. خلاصه: نصب و مدیریت عامل ها در حال تبدیل شدن به کار اصلی برای هر عملکرد است. در اینجا شش چیز وجود دارد که می توانید در حال حاضر آنها را عملی کنید:خطی: پیش‌فرض هر توسعه‌دهنده‌ای را به یک ابزار کدنویسی عاملی مانند مکان‌نما، کلود کد یا کدکس اختصاص دهید. PM ها و طراحان را وارد پایگاه کد کنید. به آنها اجازه دهید روابط عمومی و کد ارسال را با استفاده از نمایندگان ارسال کنند. مسیریابی هر تغییر کوچک را از طریق یک مهندس متوقف کنید. از Ramp: مهارت هوش مصنوعی را در تیم خود اندازه بگیرید. چارچوب 4 سطحی Ramp به شما واژگان مشترکی می دهد که افراد کجا هستند و کجا باید بروند. استفاده از هوش مصنوعی را دنبال کنید و آن را بخشی از انتظارات عملکرد قرار دهید. شما نمی توانید چیزی را که اندازه گیری نمی کنید بهبود بخشید و مشوق ها مهم هستند. از کارخانه: پایگاه کد خود را برای آمادگی نماینده امتیاز دهید. از سطوح آمادگی نماینده Factory برای درک اینکه آیا پایگاه کد شما آماده است یا خیر استفاده کنید. تخصص تیم خود را به مهارت‌های قابل استفاده مجدد تبدیل کنید. آنچه را که بهترین افراد شما می‌دانند در فایل‌های مهارت رمزگذاری کنید و استفاده از آن‌ها را هم برای انسان‌ها و هم برای نمایندگان آسان کنید. مهم‌تر از همه، عواملی مانند شما روی یک انسان. به آنها زمینه بدهید، آنها را به پشته عملیاتی خود متصل کنید، و یک انسان را مسئول نتایج خود نگه دارید. نظر خود را در نظرات به من بگویید!

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