Su nuevo trabajo es incorporar agentes de IA: cómo operan realmente las empresas nativas de IA

In This Article

Estimados suscriptores: Pasé los últimos meses entrevistando a líderes de empresas nativas de IA. Ahora estoy convencido de que: Incorporar y administrar agentes de IA ES el trabajo, sin importar cuál sea su función. En esta inmersión profunda gratuita, quiero compartir cómo tres empresas nativas de IA (Linear, Ramp y Factory) ponen este principio en práctica. Aquí hay algunas citas de cada uno: Nan Yu (Jefe de Producto, Linear): "Tendrá miembros del equipo de IA a los que podrá asignar tareas y con quienes podrá hablar tal como habla con la gente". Geoff Charles (CPO, Ramp): "Si no está utilizando Claude Code, sin importar cuál sea su función, probablemente esté teniendo un rendimiento inferior". Eno Reyes (CTO, Fábrica): "Codificamos la gestión de productos, la interfaz de usuario, el análisis de datos y más en habilidades reutilizables que cualquier empleado puede invoke”. Siga leyendo para conocer cómo opera cada empresa nativa de IA. Linear: convertir a los agentes de IA en compañeros de equipo de primera clase. Puede @mencionar a un agente para crear y asignar un problema a otro agente. El enfoque de Linear hacia los agentes depende de su producto. Nan (Jefe de Producto de Linear) cree que: Los agentes deben ser empleados de primera clase. Debería poder agregarlos a proyectos, asignarlos a problemas y mencionarlos en los comentarios. Sin embargo, Nan también cree que el ser humano siempre es responsable del resultado. Así es como Linear crea productos con agentes en cada paso: Comprenda el problema. Los agentes leen y resumen todas las conversaciones de los clientes desde Intercom, Zendesk y Gong. Crean problemas automáticamente, los desduplican del trabajo pendiente y los asignan al equipo adecuado. Identifica la solución. Dado que los agentes tienen acceso a las conversaciones de los clientes, pueden ayudarle a iterar sobre una especificación obteniendo información respaldada por datos de múltiples canales. Haz un plan. Los agentes pueden dividir sus especificaciones en tickets concretos y enviarlos automáticamente a los equipos correctos. En Linear, los agentes ahora crean la mayoría de los tickets. El trabajo del ser humano es revisar su trabajo y ajustar el contexto con el tiempo. Ejecutar. Los errores y las pequeñas funciones se asignan directamente a agentes como Codex y Cursor. Para funciones complejas, los ingenieros lanzan Claude Code y usan Linear MCP para obtener el contexto completo del problema. De Nan: Parece que el alcance de lo que los agentes pueden manejar se expande cada trimestre. Nuevos modelos y arneses están superando los límites de soluciones simples a proyectos cada vez más complejos. ¿Quieres construir con agentes como Linear? Aquí hay 4 pasos prácticos que Nan compartió sobre lo que su equipo puede hacer hoy: Cada desarrollador debe utilizar de forma predeterminada una herramienta de codificación agente líder. Este es el primer paso más sencillo. Proporcione la herramienta oficial (Cursor, Claude Code o Codex) y adminístrela para que pueda ver su utilización. Complemente con un agente de codificación en la nube asíncrono. Los agentes en segundo plano asíncronos pueden realizar de una sola vez la mayoría de los cambios pequeños y correcciones de errores. Cursor y Devin tienen buenas ofertas aquí. Insista en que los diseñadores y PM trabajen directamente en el código base. Agentes como Claude abren un camino de baja fricción para que los PM y los diseñadores realicen cambios directamente en el código base. Todo el mundo debería esforzarse por ser un constructor. Los PM y los especialistas en marketing deberían utilizar de forma predeterminada una interfaz de IA. Estas funciones deberían realizar entre el 80 y el 100 % de su trabajo a través de una interfaz de chat, ya sea Claude, ChatGPT, Notion AI o algo similar. Nan ve un futuro en el que los humanos colaborarán con los agentes a nivel de especificaciones, definiendo lo que se debe crear y por qué, y luego pasando las cosas a los agentes para que se encarguen de todo. Ramp: mide el dominio de la IA en 4 niveles. Ramp está impulsando rápidamente a sus empleados a ser nativos de la IA en 4 niveles. Si Linear muestra cómo hacer que los agentes sean una parte de primera clase de su equipo, entonces Ramp muestra cómo lograr que toda su empresa los adopte. En 2025, Ramp envió más de 500 funciones, alcanzadas Ingresos de mil millones de dólares y lo hicieron todo con 25 PM. Lo hicieron exigiendo que cada función (ing, producto, diseño, ventas, marketing, legal, finanzas) se incorporara y trabajara con los agentes. Geoff (CPO Ramp) compartió un marco para evaluar el dominio de la IA para cada empleado que encuentro extremadamente práctico: L0: A veces usa ChatGPT. Lo más probable es que estas personas no permanezcan en la empresa a largo plazo. Si no es un emprendedor con una mentalidad de crecimiento hacia las herramientas de IA, Geoff dice que será muy difícil capacitarlo para sobresalir. L1: Utiliza y modifica GPT, proyectos y herramientas internas de IA. Estas personas están experimentando con IA pero aún no han automatizado el trabajo real. L2: Crea una aplicación que automatiza parte de sutrabajo. Estas personas pueden codificar o dar comentarios significativos sobre el trabajo de otras personas utilizando herramientas de inteligencia artificial. L3: Constructores de sistemas. Estas personas están construyendo la infraestructura de IA y las habilidades que aceleran a todos los demás miembros del equipo. El objetivo de la empresa es impulsar a todos hacia arriba. Los L0 se autoseleccionan. Las L1 se convierten en L2. Las L2 se convierten en L3. Y los L3 influyen en el resto de la organización. Geoff también compartió cinco pasos que cualquier empresa puede seguir para convertirse en nativa de IA: Eliminar toda fricción. Brinde acceso a herramientas de IA populares sin restricciones de tokens o presupuestos y cree un repositorio interno de habilidades de IA que cualquiera pueda aprovechar. Si la configuración es difícil, la mayoría de las personas no adoptarán. Haga que la adopción sea visible. Crea canales públicos de Slack donde las personas puedan compartir lo que crearon. En general, muestre a quienes no son ingenieros haciendo cosas impresionantes, como financiar la construcción de un sistema de tesorería o automatizar la creación de sitios web en marketing. Brinde soporte práctico. Organice horarios de oficina a los que cualquiera pueda unirse para desarrollar habilidades y flujos de trabajo de IA. Tener expertos en IA designados cuyo trabajo completo sea evangelizar, preparar a las personas y ayudarlas a alcanzar el "momento ajá". Realice un seguimiento del uso e intervenga. Ramp realiza un seguimiento del consumo de tokens en las herramientas de inteligencia artificial por empleado. El liderazgo comparte estos datos para crear una responsabilidad natural e intervenir cuando el uso de alguien es bajo. Conviértalo en un requisito de contratación. Las entrevistas de PM ahora incluyen una sesión dedicada en la que debe crear un producto que funcione y luego explicar por qué lo creó y cómo funciona. Geoff resumió su filosofía de liderazgo para cada puesto en Ramp en una sola línea: Tu trabajo es automatizar tu trabajo. De Geoff: "Si le digo a mi equipo 10 veces que el CTA debe estar en la mitad superior de la página, la solución no es decirlo la undécima vez. Es codificar esa retroalimentación en un proceso de crítica de diseño automatizado o habilidad de IA para que nunca vuelva a suceder".Factory: IA nativa desde el primer día. Si Linear y Ramp muestran cómo las empresas adoptan agentes de IA, Factory muestra qué sucede cuando construyes alrededor de ellos desde el primer día. Factory es una empresa de desarrollo de software de IA con 55 personas valorada en 300 millones de dólares y que está estructurada en torno a la IA desde cero. Esto es lo que los diferencia: Contratar ingenieros de productoFactory no contrata PM e ingenieros por separado. En cambio, contratan ingenieros de producto que administran y trabajan con agentes de IA. Un día típico es el siguiente: Examine los rastros de las ejecuciones de agentes para ver dónde el sistema tomó malas decisiones. Escribir correcciones no como código, sino como gobernanza (por ejemplo, una actualización de una habilidad, una nueva regla de pelusa o una automatización refinada). Revisar solo los RP que los agentes marcan como de alto riesgo (los agentes se encargan del resto). Factory califica las bases de código en cinco niveles de madurez, y el Nivel 3 ("Estandarizado") es donde la mayoría de los equipos deben apuntar primero. Marco de preparación de agentes de Factory Codifique la experiencia en habilidades reutilizables Una vez que su base de código esté lista para los agentes, el siguiente paso es brindarles el conocimiento para tomar buenas decisiones a través de habilidades (básicamente, solo archivos de rebajas de texto). Factory utiliza habilidades para codificar el conocimiento de expertos y de la empresa en algo que cualquier agente o empleado pueda utilizar. Aquí hay una lista de habilidades que Factory usa internamente y enlaces a sus archivos de rebajas para que usted pueda copiarlos y modificarlos: Habilidad de gestión de productos. Principios del producto, un marco de experiencia de 11 estrellas (tomado de Brian Chesky de Airbnb), plantilla PRD, rúbrica de puntuación y orientación lingüística, todo en un archivo de rebajas. Habilidad de integración de interfaz de usuario frontal. Instruye a Droid sobre cómo crear funciones utilizando el sistema de diseño, las convenciones de enrutamiento y los estándares de prueba de Factory. Habilidad de analista de datos de IA. Ejecute análisis exploratorios, cree visualizaciones y genere informes estadísticos utilizando el ecosistema completo de Python. Habilidad en herramientas internas. Cree paneles de administración, consolas de soporte y paneles operativos con controles de acceso adecuados y registros de auditoría integrados. Habilidad de codificación Vibe. Cree rápidamente prototipos de nuevas aplicaciones web desde cero con marcos modernos. Si puede codificar lo que sus mejores personas saben en habilidades, no necesitará contratar especialistas para cada función. Seis pasos para poner todo esto en práctica En resumen: La incorporación y gestión de agentes se está convirtiendo en el trabajo principal de cada función. Aquí hay seis cosas que puede poner en práctica ahora mismo: DesdeLineal: De forma predeterminada, cada desarrollador utiliza una herramienta de codificación agente como Cursor, Claude Code o Codex. Incorpore PM y diseñadores al código base. Permítales enviar relaciones públicas y códigos de envío mediante agentes. Deje de enrutar cada pequeño cambio a través de un ingeniero. Desde Ramp: Mida el dominio de la IA en todo su equipo. El marco de 4 niveles de Ramp le brinda un vocabulario compartido sobre dónde están las personas y hacia dónde deben ir. Realice un seguimiento del uso de la IA y hágalo parte de las expectativas de rendimiento. No se puede mejorar lo que no se mide y los incentivos importan. Desde fábrica: califique su código base para determinar la preparación del agente. Utilice los niveles de preparación de los agentes de Factory para comprender si su código base está listo. Codifique la experiencia de su equipo en habilidades reutilizables. Codifique lo que saben sus mejores personas en archivos de habilidades y facilite su uso tanto a humanos como a agentes. Sobre todo, incorpore agentes como lo haría con un humano. Bríndeles contexto, conéctelos a su pila operativa y haga que un humano sea responsable de sus resultados. ¡Déjeme saber lo que piensa en los 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)