Vaš novi posao je uključivanje agenata za umjetnu inteligenciju: kako zapravo funkcioniraju domaće tvrtke s umjetnom inteligencijom

In This Article

Dragi pretplatnici, proteklih nekoliko mjeseci proveo sam intervjuirajući voditelje u tvrtkama koje koriste AI. Sada sam uvjeren da: Uključivanje i upravljanje agentima umjetne inteligencije JESTE posao, bez obzira na vašu funkciju. U ovom besplatnom dubinskom poniranju želim podijeliti kako tri tvrtke izvorne umjetne inteligencije — Linear, Ramp i Factory — provode ovo načelo u praksi. Evo nekoliko citata svakog od njih: Nan Yu (voditeljica proizvoda, Linear): "Imat ćete članove AI tima kojima možete dodijeliti zadatke i razgovarati s njima na isti način na koji razgovarate s ljudima." Geoff Charles (CPO, Ramp): "Ako ne koristite Claude Code, bez obzira koja je vaša uloga, vjerojatno nemate dovoljno rezultata." Eno Reyes (CTO, Factory): "Kodificirali smo upravljanje proizvodima, sučelje UI, analizu podataka i još više u vještine koje se mogu ponovno koristiti koje svaki zaposlenik može prizvati.” Čitajte dalje za uvid iznutra u to kako svaka tvrtka izvorna AI djeluje. Linear: Učinite AI agente prvoklasnim suigračima Možete @spomenuti agenta da biste stvorili i dodijelili problem drugom agentu. Linearov pristup agentima oblikovan je njihovim proizvodom. Nan (Linearov voditelj proizvoda) vjeruje da: Agenti trebaju biti prvoklasni zaposlenici. Trebali biste ih moći dodati projektima, dodijeliti ih problemima i spomenuti u komentarima. Međutim, Nan također vjeruje da čovjek uvijek ostaje odgovoran za ishod. Evo kako Linear gradi proizvode s agentima u svakom koraku: Razumite problem. Agenti čitaju i sažimaju svaki razgovor s klijentima iz Intercoma, Zendeska i Gonga. Oni automatski stvaraju probleme, uklanjaju ih u odnosu na zaostatke i dodjeljuju ih pravom timu. Identificirajte rješenje. Budući da agenti imaju pristup razgovorima s klijentima, mogu vam pomoći da ponovite specifikaciju izvlačenjem podataka potkrijepljenih uvida iz više kanala. Napravite plan. Agenti mogu rastaviti vaše specifikacije na konkretne tikete i automatski ih usmjeriti pravim timovima. U Linearu agenti sada kreiraju većinu ulaznica. Posao čovjeka je pregledati svoj rad i prilagoditi kontekst tijekom vremena. Izvršite. Bugovi i male značajke izravno se dodjeljuju agentima kao što su Codex i Cursor. Za složene značajke, inženjeri pokreću Claude Code i koriste Linear MCP za izvlačenje punog konteksta problema. Od Nana: Čini se da se opseg onoga što agenti mogu nositi širi svakog tromjesečja. Novi modeli i pojasevi pomiču granicu od jednostavnih popravaka do sve složenijih projekata. Želite graditi s agentima kao što je Linear? Evo 4 praktična koraka koja je Nan podijelila o tome što vaš tim može učiniti danas: Svaki programer trebao bi zadano koristiti vodeći alat za agentsko kodiranje. Ovo je najlakši prvi korak. Osigurajte službeni alat (pokazivač, Claude Code ili Codex) i upravljajte njime tako da možete vidjeti iskorištenost. Nadopunite asinkronim agentom za kodiranje u oblaku. Asinkroni pozadinski agenti mogu odjednom izvesti većinu malih promjena i ispravke pogrešaka. Cursor i Devin ovdje imaju dobre ponude. Inzistirajte da dizajneri i PM-ovi rade izravno na bazi koda. Agenti poput Claudea otvaraju put s niskim trenjem za PM-ove i dizajnere da unesu promjene izravno u bazu koda. Svatko bi trebao nastojati biti graditelj. Voditelji projekata i trgovci trebali bi zadano koristiti AI sučelje. Ove bi funkcije trebale obavljati 80-100% svog posla putem sučelja za chat — bilo da je to Claude, ChatGPT, Notion AI ili nešto slično. Nan vidi budućnost u kojoj će ljudi surađivati s agentima na razini specifikacija — definirajući što treba izgraditi i zašto — i zatim prosljeđivati stvari agentima da se bave svime nizvodno. Ramp: Mjerenje vještina umjetne inteligencije na 4 razine. Ramp ubrzano tjera svoje zaposlenike da budu izvorni AI na 4 razine. Ako Linear pokazuje kako agente učiniti prvoklasnim dijelom vašeg tima, tada Ramp pokazuje kako natjerati cijelu tvrtku da usvoji Ramp je 2025. isporučio više od 500 značajki, dosegao prihod od 1 milijarde USD i sve to s 25 PM-ova. To su učinili tako što su zahtijevali da se svaka pojedina funkcija (eng, proizvod, dizajn, prodaja, marketing, pravo, financije) uključi i radi s agentima. Geoff (CPO Ramp) podijelio je okvir za procjenu vještina umjetne inteligencije za svakog zaposlenika koji smatram izuzetno praktičnim:L0: Ponekad koristi ChatGPT. Ti ljudi najvjerojatnije neće biti dugoročno u tvrtki. Ako niste početnik s razvojnim načinom razmišljanja prema alatima umjetne inteligencije, Geoff kaže da će vas biti jako teško obučiti da budete izvrsni. L1: Koristi i ugađa GPT-ove, projekte i interne alate umjetne inteligencije. Ovi ljudi eksperimentiraju s umjetnom inteligencijom, ali još nisu automatizirali pravi posao. L2: izrađuje aplikaciju koja automatizira dio njihovihposao. Ti ljudi mogu izvršiti kod ili dati smislene povratne informacije o radu drugih ljudi pomoću AI alata. L3: Graditelji sustava. Ovi ljudi grade AI infrastrukturu i vještine koje ubrzavaju sve ostale u timu. Cilj tvrtke je pogurati sve na ljestvici. L0s sami odabiru. L1 postaju L2. L2 postaju L3. A L3 utječu na ostatak organizacije. Geoff je također podijelio 5 koraka koje svaka tvrtka može poduzeti da postane izvorna umjetna inteligencija: Uklonite sva trvenja. Omogućite pristup popularnim alatima umjetne inteligencije bez ograničenja na tokene ili proračune i stvorite interno spremište vještina umjetne inteligencije iz kojih svatko može povući. Ako je postavljanje teško, većina ljudi neće usvojiti. Učinite usvajanje vidljivim. Stvorite javne Slack kanale na kojima ljudi mogu dijeliti ono što su napravili. Sve u svemu, predstavite ne-inženjere koji rade impresivne stvari, poput financija, izgradnje sustava riznice ili marketinške automatizacije izrade web stranica. Pružite praktičnu podršku. Održavajte uredske sate kojima se svatko može pridružiti kako biste izgradili vještine umjetne inteligencije i tijekove rada. Odredili stručnjake za umjetnu inteligenciju čiji je cijeli posao evangelizirati, postaviti ljude i pomoći im da dođu do "aha trenutka". Pratite korištenje i intervenirajte. Ramp prati potrošnju tokena za AI alate po zaposleniku. Vodstvo dijeli ove podatke kako bi stvorilo prirodnu odgovornost i uskočilo kada je nečija upotreba niska. Neka to bude uvjet za zapošljavanje. Intervjui s PM-om sada uključuju posvećenu sesiju u kojoj trebate izgraditi proizvod koji radi, a zatim objasniti zašto ste ga izradili i kako funkcionira. Geoff je sažeo svoju filozofiju vodstva za svaku ulogu u Rampu u jednom retku: Vaš je posao automatizirati vaš posao. Od Geoffa: "Ako kažem svom timu 10 puta da CTA mora biti iznad preklopa, popravak to neće reći 11. put. On kodira te povratne informacije u automatizirani kritički proces dizajna ili vještinu umjetne inteligencije tako da se više nikada ne ponovi." Tvornica: Izvorna umjetna inteligencija od prvog dana. Ako Linear i Ramp pokazuju kako tvrtke usvajaju AI agente, Factory pokazuje što se događa kada gradite oko njih od prvog dana. Factory je tvrtka za razvoj AI softvera od 55 ljudi procijenjena na 300 milijuna dolara koja je strukturirana oko AI od temelja. Evo što ih čini drugačijima: Zaposlite proizvodne inženjereFactory ne zapošljava PM-ove i inženjere odvojeno. Umjesto toga, zapošljavaju proizvodne inženjere koji upravljaju i rade s AI agentima. Tipičan dan izgleda ovako: Ispitajte tragove pokretanja agenta da vidite gdje je sustav donio loše odluke. Pišite popravke ne kao kod, već kao upravljanje (npr. ažuriranje vještine, novo pravilo za vlakna ili poboljšanu automatizaciju) Pregledajte samo PR-ove koje agenti označe kao visokorizične (agenti će se pobrinuti za ostalo). Predložite nove ideje i raspravljajte o prioritetima s kolegama i umjetnom inteligencijom. Ovaj posao nije lak i zahtijeva dublju stručnost, ali učinak je ogroman. Napravite svoj codebase agent-readyAgenti trebaju bazu koda u kojoj zapravo mogu raditi kako bi bili učinkoviti. Factory ocjenjuje baze kodova kroz pet razina zrelosti, a Razina 3 ("Standardizirano") je mjesto na koje većina timova treba prvo ciljati. Tvornički okvir spremnosti agenata Ukodirajte stručnost u vještine koje se mogu ponovno koristiti. Nakon što je vaša baza koda spremna za agente, sljedeći korak je davanje znanja agentima za donošenje dobrih odluka putem vještina (u osnovi samo tekstualne datoteke za označavanje). Factory koristi vještine za kodiranje znanja stručnjaka i tvrtke u nešto što svaki agent ili zaposlenik može koristiti. Evo popisa vještina koje Factory koristi interno i poveznica na njihove datoteke označavanja koje možete kopirati i mijenjati: Vještina upravljanja proizvodima. Načela proizvoda, okvir iskustva s 11 zvjezdica (posuđen od Airbnbovog Briana Cheskyja), PRD predložak, rubrika za bodovanje i jezične smjernice, sve u jednoj datoteci za označavanje. Vještina integracije frontalnog korisničkog sučelja. Upućuje Droida kako izgraditi značajke koristeći Factoryjev sustav dizajna, konvencije usmjeravanja i standarde testiranja. Vještina analitičara podataka AI. Pokrenite istraživačku analizu, izradite vizualizacije i generirajte statistička izvješća koristeći puni Python ekosustav. Vještina internih alata. Izradite administrativne ploče, konzole za podršku i operativne nadzorne ploče s odgovarajućim kontrolama pristupa i revizijskim zapisima ugrađenim u Vibe vještinu kodiranja. Brzo izradite prototip novih web-aplikacija od nule s modernim okvirima. Ako možete kodirati ono što vaši najbolji ljudi znaju u vještine, ne trebate angažirati stručnjake za svaku funkciju. 6 koraka da sve ovo provedete u praksi. Da rezimiramo: Uključivanje i upravljanje agentima postaje temeljni posao za svaku funkciju. Evo šest stvari koje možete odmah primijeniti u praksi: OdLinearno: svaki programer zadano koristi agentski alat za kodiranje kao što je Cursor, Claude Code ili Codex. Uključite PM-ove i dizajnere u bazu kodova. Neka predaju PR-ove i otpremu kod koristeći agente. Prestanite usmjeravati svaku malu promjenu preko inženjera. Od Ramp: Izmjerite AI stručnost u svom timu. Rampov okvir od 4 razine daje vam zajednički vokabular o tome gdje su ljudi i kamo trebaju ići. Pratite upotrebu umjetne inteligencije i učinite je dijelom očekivanih performansi. Ne možete poboljšati ono što ne mjerite, a poticaji su važni. Iz tvornice: Ocijenite svoju bazu kodova za spremnost agenta. Upotrijebite Factoryjeve razine spremnosti agenata da shvatite je li vaša baza kodova spremna. Kodificirajte stručnost svog tima u vještine koje se mogu ponovno koristiti. Kodirajte ono što vaši najbolji ljudi znaju u datoteke vještina i olakšajte ljudima i agentima da ih koriste. Iznad svega, agenti na brodu kao što biste vi uključili čovjeka. Dajte im kontekst, povežite ih sa svojim operativnim skupom i držite čovjeka odgovornim za njihove ishode. Javite mi što mislite u komentarima!

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)