O teu novo traballo é incorporar axentes de IA: como operan realmente as empresas nativas de AI

In This Article

Estimados subscritores, pasei os últimos meses entrevistando a líderes de empresas nativas da IA. Agora estou convencido de que: incorporar e xestionar axentes de IA É o traballo, sen importar cal sexa a súa función. Nesta inmersión profunda gratuíta, quero compartir como tres empresas nativas da IA ​​(Linear, Ramp e Factory) poñen este principio en práctica. Aquí tes algunhas citas de cada un: Nan Yu (Xefe de Produto, Lineal): "Terás membros do equipo de IA aos que podes asignar tarefas e falar cos mesmos como falas coa xente". Geoff Charles (CPO, Ramp): "Se non estás a usar Claude Code, non importa cal sexa o teu rol, probablemente teñas un rendemento inferior". habilidades reutilizables que calquera empregado pode invocar. "Segue lendo para ver como funciona cada empresa nativa da IA. Lineal: facer que os axentes de IA sexan compañeiros de equipo de primeira clase. Podes @mencionar a un axente para crear e asignar un problema a outro. O enfoque de Linear sobre os axentes está configurado polo seu produto. Nan (xefe de produto de Linear) cre que: Os axentes deben ser empregados de primeira clase. Deberías poder engadilos aos proxectos, asignalos a problemas e mencionalos nos comentarios. Non obstante, Nan tamén cre que o humano sempre é responsable do resultado. Así é como Linear crea produtos con axentes en cada paso: Entender o problema. Os axentes len e resumen todas as conversas dos clientes desde Intercom, Zendesk e Gong. Crean problemas automaticamente, eliminan a copia do atraso e asígnan ao equipo adecuado. Identificar a solución. Dado que os axentes teñen acceso ás conversas dos clientes, poden axudarche a iterar unha especificación extraendo información apoiada en datos de varias canles. Fai un plan. Os axentes poden dividir as túas especificacións en tickets concretos e dirixilos aos equipos correctos automaticamente. En Linear, agora os axentes crean a maioría dos billetes. O traballo do humano é revisar o seu traballo e axustar o contexto ao longo do tempo.Executar. Os erros e as pequenas funcións son asignados directamente a axentes como Codex e Cursor. Para funcións complexas, os enxeñeiros lanzan Claude Code e usan Linear MCP para incorporarse ao contexto completo do problema. De Nan: Parece que o alcance do que poden xestionar os axentes se amplía cada trimestre. Os novos modelos e arneses están superando o límite de correccións simples a proxectos cada vez máis complexos. Queres construír con axentes como Linear? Aquí tes 4 pasos prácticos que Nan compartiu sobre o que o teu equipo pode facer hoxe: Todo programador debería utilizar unha ferramenta de codificación axente líder. Este é o primeiro paso máis sinxelo. Proporcione a ferramenta oficial (Cursor, Claude Code ou Codex) e xestione para que poida ver a súa utilización. Complementa cun axente de codificación en nube asíncrona. Os axentes asíncronos en segundo plano poden facer unha soa vez os pequenos cambios e correccións de erros. Cursor e Devin teñen boas ofertas aquí. Insiste en que os deseñadores e os PM traballen directamente na base de código. Axentes como Claude abren un camiño de baixa fricción para que os PM e os deseñadores poidan facer cambios directamente na base de código. Todo o mundo debería esforzarse por ser un constructor. Os PM e os comerciantes deberían utilizar unha interface de IA por defecto. Estas funcións deberían facer o 80-100 % do seu traballo a través dunha interface de chat, xa sexa Claude, ChatGPT, Notion AI ou algo semellante. Nan ve un futuro no que os humanos colaborarán con axentes a nivel de especificacións, definindo o que hai que construír e por que, e despois pasar as cousas aos axentes para que se encarguen de todo. Ramp: medir a competencia da IA en 4 niveis.Ramp está empurrando rapidamente aos seus empregados a que sexan nativos da IA en 4 niveis. En 2025, Ramp enviou máis de 500 funcións, alcanzou ingresos de 1.000 $ e fíxoo todo con 25 PM. Fixérono esixindo que todas as funcións (eng, produto, deseño, vendas, mercadotecnia, legal, finanzas) se incorporasen e traballen con axentes. Geoff (CPO Ramp) compartiu un marco para avaliar a competencia da IA para cada empregado: GPT. É probable que estas persoas non estean na empresa a longo prazo. Se non es un autoiniciador cunha mentalidade de crecemento cara ás ferramentas de IA, Geoff di que vai ser moi difícil adestrarche para sobresalir. L1: Usa e axusta GPT, proxectos e ferramentas internas de IA. Estas persoas están experimentando coa IA pero aínda non automatizaron o traballo real. L2: crea unha aplicación que automatiza parte do seu traballo.traballo. Estas persoas poden enviar código ou proporcionar comentarios significativos sobre o traballo doutras persoas mediante ferramentas de IA. L3: creadores de sistemas. Estas persoas están a construír a infraestrutura e as habilidades de intelixencia artificial que aceleran a todos os demais no equipo. O obxectivo da empresa é impulsar a todos na escaleira. L0s auto-seleccionan. Os L1 convértense en L2. As L2 convértense en L3. E os L3 inflúen no resto da organización. Geoff tamén compartiu 5 pasos que calquera empresa pode dar para converterse na IA: eliminar toda fricción. Dá acceso a ferramentas de IA populares sen restricións de fichas ou orzamentos e crea un repositorio interno de habilidades de IA dos que calquera pode sacar. Se a configuración é difícil, a maioría da xente non adoptará. Facer visible a adopción. Crea canles públicas de Slack onde as persoas poidan compartir o que crearon. De todas as mans, mostra aos non enxeñeiros que fan cousas impresionantes, como a creación de financiamento dun sistema de tesouraría ou a creación de sitios web de automatización de mercadotecnia. Ofrece asistencia práctica. Aloxa horarios de oficina ao que calquera pode unirse para desenvolver habilidades e fluxos de traballo de IA. Designa expertos en IA cuxo traballo enteiro é evanxelizar, conseguir que as persoas se configuren e axudalas a chegar ao "momento aha". Rastrexa o uso e intervén. Ramp fai un seguimento do consumo de tokens en ferramentas de IA por empregado. O liderado comparte estes datos para crear unha responsabilidade natural e intervir cando o uso de alguén é baixo. Convérteo nun requisito de contratación. As entrevistas de PM inclúen agora unha sesión dedicada na que tes que crear un produto que funcione e despois explicar por que o construíches e como funciona. Geoff resumiu a súa filosofía de liderado para cada función en Ramp nunha liña: O teu traballo é automatizar o teu traballo. De Geoff: "Se lle digo ao meu equipo 10 veces que o CTA debe estar por riba do pliego, a solución non é dicilo por undécima vez. Está codificando ese comentario nun proceso de crítica de deseño automatizado. oneSe Linear e Ramp mostran como as empresas adoptan axentes de intelixencia artificial, Factory mostra o que sucede cando creas ao seu redor desde o primeiro día. Factory é unha empresa de desenvolvemento de software de IA de 55 persoas valorada en 300 millóns de dólares que se estrutura en torno á IA desde cero. Isto é o que os fai diferentes: Contratar enxeñeiros de produtos. A fábrica non contrata PM e enxeñeiros por separado. Pola contra, contratan enxeñeiros de produto que xestionan e traballan con axentes de IA. Un día típico parece: Examinar os rastros das carreiras de axentes para ver onde o sistema tomou malas decisións. Escribir correccións non como código, senón como goberno (por exemplo, unha actualización dunha habilidade, unha nova regra de pelusa ou unha automatización refinada) Revisa só os PR que os axentes sinalan como de alto risco (os axentes encárganse do resto). Suxire novas ideas e debate sobre a prioridade cos compañeiros e a IA. Este traballo non é fácil e require unha enorme pericia. agent-readyAgents necesitan unha base de código na que poidan traballar para ser efectivos. Factory puntua as bases de código en cinco niveis de madurez, e o Nivel 3 ("Estándarizado") é onde a maioría dos equipos deben apuntar primeiro. Marco de preparación para axentes de Factory Codifica a experiencia en habilidades reutilizables Unha vez que a túa base de códigos está lista para os axentes, o seguinte paso é dar aos axentes o coñecemento necesario para tomar boas decisións a través de habilidades (basicamente só ficheiros de marca de texto). Factory usa habilidades para codificar o coñecemento dos expertos e da empresa en algo que calquera axente ou empregado pode usar. Aquí tes unha lista de habilidades que Factory usa internamente e enlaza aos seus ficheiros de rebaixa para que as copies e modifiques: Habilidade de xestión de produtos. Principios do produto, un marco de experiencia de 11 estrelas (prestado de Brian Chesky de Airbnb), modelo PRD, rúbrica de puntuación e orientación lingüística, todo nun ficheiro de rebaja. Habilidade de integración da interface de usuario. Instrúe a Droid sobre como crear funcións usando o sistema de deseño de Factory, as convencións de enrutamento e os estándares de proba. Habilidade de analista de datos de IA. Realiza análises exploratorias, crea visualizacións e xera informes estatísticos usando o ecosistema completo de Python. Habilidade de ferramentas internas. Crea paneis de administración, consolas de soporte e paneis de control operativos con controis de acceso adecuados e rexistro de auditoría integrados. Habilidade de codificación Vibe. Crear rapidamente novas aplicacións web desde cero con marcos modernos. Se podes codificar o que as túas mellores persoas saben en habilidades, non necesitas contratar especialistas para cada función. 6 pasos para poñer todo isto en prácticaPara recapitular:Incorporar e xestionar axentes estase a converter no traballo principal de cada función. Aquí tes seis cousas que podes poñer en práctica agora mesmo:Lineal: cada programador utiliza por defecto unha ferramenta de codificación axente como Cursor, Claude Code ou Codex. Consigue PMs e deseñadores na base de código. Permítales enviar PR e enviar códigos mediante axentes. Deixa de enrutar cada pequeno cambio a través dun enxeñeiro. Desde Ramp: mide a competencia en IA do teu equipo. O marco de 4 niveis de Ramp ofrécelle un vocabulario compartido sobre onde están as persoas e onde teñen que ir. Fai un seguimento do uso da IA ​​e faino parte das expectativas de rendemento. Non se pode mellorar o que non se mide, e os incentivos importan. Desde Factory: puntua a túa base de código para a preparación do axente. Usa os niveis de preparación dos axentes de Factory para saber se a túa base de código está lista. Codifica a experiencia do teu equipo en habilidades reutilizables. Codifica o que saben as túas mellores persoas en ficheiros de habilidades e facilita que os humanos e os axentes os utilicen. Por riba de todo, os axentes incorporados coma ti a bordo dun humano. Dálles contexto, conéctaos á túa pila operativa e mantén a un ser humano responsable dos seus resultados. Déixame saber o que pensas nos comentarios.

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)