Dit nye job er at indbygge AI-agenter: Sådan fungerer AI-indfødte virksomheder

In This Article

Kære abonnenter, jeg har brugt de sidste par måneder på at interviewe ledere hos AI-native virksomheder. Jeg er nu overbevist om, at: Onboarding og administration af AI-agenter ER jobbet, uanset hvad din funktion er. I dette gratis dybt dyk vil jeg dele, hvordan tre AI-indfødte virksomheder - Linear, Ramp og Factory - omsætter dette princip i praksis. Her er nogle citater fra hver af dem:Nan Yu (Produktchef, Linear): "Du vil have AI-teammedlemmer, som du kan tildele opgaver til og tale med, ligesom du taler med folk." Geoff Charles (CPO, Ramp): "Hvis du ikke bruger Claude Code, uanset hvad din rolle er, er du sandsynligvis underpræsterende." Eno Reyes ", vi coendte mere UI, fabriksdata, analyse og UI): genanvendelige færdigheder, som enhver medarbejder kan påberåbe sig."Læs videre for at få et indblik i, hvordan hver enkelt AI-native virksomhed opererer.Linear: At gøre AI-agenter til førsteklasses holdkammeraterDu kan @omtale en agent for at oprette og tildele et problem til en anden agentLinears tilgang til agenter er formet af deres produkt. Nan (Linears produktchef) mener, at: Agenter skal være førsteklasses medarbejdere. Du bør være i stand til at føje dem til projekter, tildele dem til problemer og nævne i kommentarer. Nan mener dog også, at mennesket altid er ansvarlig for resultatet. Her er hvordan Linear bygger produkter med agenter i hvert trin: Forstå problemet. Agenter læser og opsummerer hver kundesamtale fra Intercom, Zendesk og Gong. De opretter automatisk problemer, de-duperer dem mod efterslæbet og tildeler dem til det rigtige team. Identificer løsningen. Da agenter har adgang til kundesamtaler, kan de hjælpe dig med at gentage en spec ved at trække dataunderstøttet indsigt fra flere kanaler. Lav en plan. Agenter kan opdele dine specifikationer i konkrete billetter og automatisk dirigere dem til de rigtige hold. Hos Linear opretter agenter nu størstedelen af ​​billetterne. Menneskets opgave er at gennemgå deres arbejde og tilpasse konteksten over tid. Udfør. Bugs og små funktioner bliver tildelt direkte til agenter som Codex og Cursor. For komplekse funktioner lancerer ingeniører Claude Code og bruger Linear MCP til at trække i fuld problemkontekst. Fra Nan: Det føles som om omfanget af, hvad agenter kan håndtere, udvides hvert kvartal. Nye modeller og seler flytter grænsen fra simple rettelser til stadig mere komplekse projekter. Vil du bygge med agenter som Linear? Her er 4 praktiske trin, som Nan delte om, hvad dit team kan gøre i dag: Enhver udvikler bør som standard bruge et førende agentkodningsværktøj. Dette er det nemmeste første skridt. Giv det officielle værktøj (Cursor, Claude Code eller Codex) og administrer det, så du kan se brugen. Suppler med en asynkron cloud-kodningsagent. Asynkrone baggrundsagenter kan one-shot de fleste små ændringer og fejlrettelser. Cursor og Devin har gode tilbud her. Insister på, at designere og PM'er arbejder direkte på kodebasen. Agenter som Claude åbner en lavfriktionsvej for PM'er og designere til at foretage ændringer direkte i kodebasen. Alle bør stræbe efter at være en bygherre. PM'er og marketingfolk bør som standard bruge en AI-grænseflade. Disse funktioner skal udføre 80-100 % af deres arbejde gennem en chat-grænseflade - uanset om det er Claude, ChatGPT, Notion AI eller noget lignende. Nan ser en fremtid, hvor mennesker vil samarbejde med agenter på spec-niveau - definere, hvad der skal bygges og hvorfor - og derefter give tingene videre til agenter for at håndtere alt downstream.Ramp: Måling af AI-færdigheder i 4 niveauer I 2025 sendte Ramp mere end 500 funktioner, nåede en omsætning på 1 mia. USD og klarede det hele med 25.00. De gjorde dette ved at kræve, at hver enkelt funktion (eng., produkt, design, salg, marketing, jura, økonomi) var ombord og arbejdede med agenter. Geoff (CPO Ramp) delte en ramme for evaluering af AI-kundskaber, som jeg finder ekstremt praktisk: ChatGPT. Disse mennesker vil højst sandsynligt ikke være i virksomheden på længere sigt. Hvis du ikke er en selvstarter med en væksttankegang over for AI-værktøjer, siger Geoff, at det bliver meget svært at træne dig til at udmærke sig.L1: Bruger og justerer GPT'er, projekter og interne AI-værktøjer. Disse mennesker eksperimenterer med kunstig intelligens, men har ikke automatiseret rigtigt arbejde endnu.L2: Bygger en app, der automatiserer en del af deresjob. Disse mennesker kan begå kode eller give meningsfuld feedback på andres arbejde ved hjælp af AI-værktøjer.L3: Systembyggere. Disse mennesker bygger AI-infrastrukturen og færdigheder, der accelererer alle andre på holdet. Virksomhedens mål er at skubbe alle op ad stigen. L0s selvvælger ud. L1'er bliver til L2'er. L2'ere bliver til L3'ere. Og L3'er påvirker resten af ​​organisationen. Geoff delte også 5 trin, som enhver virksomhed kan tage for at blive AI-native: Fjern al friktion. Giv adgang til populære AI-værktøjer uden begrænsninger på tokens eller budgetter, og opret et internt lager af AI-færdigheder, som alle kan trække fra. Hvis opsætningen er hård, vil de fleste mennesker ikke adoptere. Gør adoption synlig. Opret offentlige Slack-kanaler, hvor folk kan dele det, de har bygget. Vis i det hele taget ikke-ingeniører, der laver imponerende ting, som f.eks. at finansiere opbygningen af ​​et finanssystem eller marketing automatisere oprettelse af hjemmesider. Giv praktisk support. Vær vært for kontortider, som alle kan deltage i for at opbygge AI-færdigheder og arbejdsgange. Har udpeget AI-eksperter, hvis hele opgave er at evangelisere, få folk opsat og hjælpe dem med at nå "aha-øjeblikket". Spor brugen og gribe ind. Ramp sporer token-forbrug på tværs af AI-værktøjer pr. medarbejder. Lederskab deler disse data for at skabe naturlig ansvarlighed og træde til, når en persons forbrug er lavt. Gør det til et ansættelseskrav. PM-interviews inkluderer nu en dedikeret session, hvor du skal bygge et fungerende produkt og derefter forklare, hvorfor du byggede det, og hvordan det fungerer. Geoff opsummerede sin ledelsesfilosofi for hver rolle hos Ramp i én linje: Dit job er at automatisere dit job. Fra Geoff: "Hvis jeg fortæller mit team 10 gange, at CTA'en skal være over skillelinjen, er rettelsen ikke at sige det 11. gang. Det er at indkode den feedback til en automatiseret designkritisk proces, så det aldrig sker fra AI-dag igen." oneHvis Linear og Ramp viser, hvordan virksomheder anvender AI-agenter, viser Factory, hvad der sker, når du bygger omkring dem fra dag ét. Factory er et 55-personers AI-softwareudviklingsselskab til en værdi af $300M, der er struktureret omkring AI fra bunden af. Her er hvad der gør dem anderledes: Lej produktingeniørerFactory ansætter ikke PM'er og ingeniører separat. I stedet hyrer de produktingeniører, der administrerer og arbejder med AI-agenter. En typisk dag ser sådan ud: Undersøg spor fra agentkørsler for at se, hvor systemet traf dårlige beslutninger. Skriv rettelser ikke som kode, men som styring (f.eks. en opdatering af en færdighed, en ny lint-regel eller en raffineret automatisering) Gennemgå kun de PR'er, som agenter markerer som højrisiko (agenter tager sig af resten). Foreslå nye ideer og debatter prioritering med kolleger og AI. Dette arbejde er ikke nemt, men kræver en dybere kodebase. agent-readyAgents har brug for en kodebase, de faktisk kan arbejde i for at være effektive. Factory scorer kodebaser på tværs af fem modenhedsniveauer, og niveau 3 ("Standardiseret") er, hvor de fleste teams skal sigte først. Fabrikkens agentberedskabsrammeKod ekspertise ind i genanvendelige færdigheder Når din kodebase er agentklar, er næste trin at give agenter viden til at træffe gode beslutninger gennem færdigheder (dybest set kun tekstmarkeringsfiler). Factory bruger færdigheder til at indkode ekspert- og virksomhedsviden til noget, som enhver agent eller medarbejder kan bruge. Her er en liste over færdigheder, som Factory bruger internt, og links til deres markdown-filer, så du kan kopiere og ændre: Produktstyringsevne. Produktprincipper, en 11-stjernet oplevelsesramme (lånt fra Airbnbs Brian Chesky), PRD-skabelon, scoringsrubrik og sproglig vejledning alt sammen i én markdown-fil. Frontend UI-integreringsevne. Instruerer Droid i, hvordan man bygger funktioner ved hjælp af Factorys designsystem, routingkonventioner og teststandarder. AI-dataanalytikerfærdigheder. Kør undersøgende analyser, byg visualiseringer, og generer statistiske rapporter ved hjælp af det fulde Python-økosystem.Interne værktøjer. Byg adminpaneler, supportkonsoller og operationelle dashboards med korrekt adgangskontrol og revisionslogning indbygget. Vibe-kodningsfærdigheder. Prototypér hurtigt nye webapps fra bunden med moderne rammer.Hvis du kan indkode det, dine bedste folk kender til færdigheder, behøver du ikke ansætte specialister til hver funktion.6 trin til at omsætte alt dette i praksisFor at opsummere:Onboarding og administration af agenter er ved at blive kerneopgaven for hver funktion.Her er seks ting, du kan bruge i praksis lige nu:FraLinear: Standardindstil hver udvikler til et agentisk kodningsværktøj som Cursor, Claude Code eller Codex. Få PM'er og designere ind i kodebasen. Lad dem indsende PR'er og forsendelseskode ved hjælp af agenter. Stop med at dirigere enhver lille ændring gennem en ingeniør. Fra Ramp: Mål AI-færdigheder på tværs af dit team. Ramps 4 niveauer giver dig et fælles ordforråd for, hvor folk er, og hvor de skal hen. Spor AI-brug og gør det til en del af præstationsforventningerne. Du kan ikke forbedre det, du ikke måler, og incitamenter betyder noget. Fra fabrikken: Score din kodebase for agentberedskab. Brug Factorys agentberedskabsniveauer til at forstå, om din kodebase er klar. Kodificere dit teams ekspertise til genanvendelige færdigheder. Indkod det, dine bedste folk ved, i færdighedsfiler, og gør det nemt for både mennesker og agenter at bruge dem. Frem for alt, agenter ombord, som du ville ombord på et menneske. Giv dem kontekst, forbind dem med din operationelle stak, og hold et menneske ansvarlig for deres resultater. Lad mig vide, hvad du synes i kommentarerne!

You May Also Like

13 Trending Songs on TikTok in March 2026 (+ How to Use Them)

China’s Cybersecurity Agency Issues Security Warning About OpenClaw

Our Best AI PM Workflows for Prototyping, Strategy, and Personal OS (2026)