Az Ön új feladata a mesterséges intelligencia-ügynökök bevonása: Hogyan működnek valójában a mesterséges intelligencia natív vállalatok

In This Article

Kedves előfizetők! Az elmúlt néhány hónapot azzal töltöttem, hogy interjúkat készítettem a mesterséges intelligenciát alkalmazó vállalatok vezetőivel. Mostanra meg vagyok győződve arról, hogy: Az AI-ügynökök bevezetése és kezelése AZ a feladat, függetlenül attól, hogy milyen funkciót tölt be. Ebben az ingyenes mélyreható búvárkodásban szeretném megosztani, hogyan ülteti át ezt az elvet a gyakorlatban három mesterségesintelligencia-alapú vállalat – a Linear, a Ramp és a Factory. Íme néhány idézet mindegyiktől: Nan Yu (Termékvezető, Linear): „A mesterséges intelligencia-csapat tagjai között feladatokat oszthat ki, és ugyanúgy beszélgethet velük.” Geoff Charles (CPO, Ramp): „Ha nem használja a Claude Code-ot, bármilyen szerepkörben is dolgozik, valószínűleg alulteljesít.” Eno Reyes (CTO, termékelemzés), és még inkább olyan újrafelhasználható készségekre, amelyekre bármely alkalmazott hivatkozhat.” Olvasson tovább, ha betekintést nyer az egyes mesterségesintelligencia-alapú vállalatok működésébe.Lineáris: Az AI-ügynökök első osztályú csapattársakká tétele @említhet egy ügynököt, hogy létrehozzon és hozzárendeljen egy problémát egy másik ügynökhöz. Nan (a Linear termékvezetője) úgy véli, hogy: Az ügynököknek első osztályú alkalmazottaknak kell lenniük. Képesnek kell lennie projektekhez hozzáadni, problémákhoz rendelni, és megjegyzésekben megemlíteni. Nan azonban azt is hiszi, hogy az ember mindig felelős az eredményért. A Linear a következőképpen hoz létre termékeket ügynökökkel minden lépésben: Értse meg a problémát. Az ügynökök elolvassák és összefoglalják az Intercom, a Zendesk és a Gong minden ügyfélbeszélgetését. Automatikusan létrehozzák a problémákat, visszaállítják azokat a lemaradás ellen, és a megfelelő csapathoz rendelik őket. Határozza meg a megoldást. Mivel az ügynökök hozzáférhetnek az ügyfelekkel folytatott beszélgetésekhez, több csatornáról adatokkal alátámasztott betekintést nyerve segíthetnek a specifikáció iterációjában. Készíts egy tervet. Az ügynökök konkrét jegyekre bonthatják az Ön specifikációit, és automatikusan a megfelelő csapatokhoz irányíthatják őket. A Linearnél a jegyek többségét az ügynökök hozzák létre. Az ember feladata, hogy felülvizsgálja munkáját, és idővel módosítsa a kontextust. Végrehajtás. A hibák és a kis funkciók közvetlenül az ügynökökhöz, például a Codexhez és a Cursorhoz vannak hozzárendelve. Az összetett funkciókhoz a mérnökök elindítják a Claude Code-ot, és a Linear MCP-t használják a probléma teljes kontextusának megismeréséhez. Nan-tól: Úgy tűnik, hogy az ügynökök kezelési lehetőségei negyedévente bővülnek. Az új modellek és hevederek az egyszerű javításoktól az egyre bonyolultabb projektekig feszegetik a határt. Szeretne olyan ügynökökkel építeni, mint a Linear? Íme 4 gyakorlati lépés, amelyet Nan osztott meg azzal kapcsolatban, hogy csapata mire képes ma: Minden fejlesztőnek alapértelmezés szerint egy vezető ügynöki kódolóeszközt kell használnia. Ez a legegyszerűbb első lépés. Adja meg a hivatalos eszközt (Cursor, Claude Code vagy Codex), és kezelje, hogy láthassa a felhasználást. Kiegészítés aszinkron felhőkódoló ügynökkel. Az aszinkron háttér-ügynökök a legtöbb apró változtatást és hibajavítást képesek végrehajtani. A Cursor és a Devin jó ajánlatokat kínál itt. Ragaszkodjon hozzá, hogy a tervezők és a PM-ek közvetlenül a kódbázison dolgozzanak. Az olyan ügynökök, mint Claude, alacsony súrlódású utat nyitnak meg a PM-ek és a tervezők számára, hogy közvetlenül a kódbázisban hajthassanak végre változtatásokat. Mindenkinek törekednie kell arra, hogy építő legyen. A PM-eknek és a marketingszakembereknek alapértelmezés szerint AI interfészt kell használniuk. Ezeknek a funkcióknak a munkájuk 80-100%-át csevegőfelületen keresztül kell végezniük – legyen az Claude, ChatGPT, Notion AI vagy valami hasonló. Nan olyan jövőt lát, ahol az emberek a specifikáció szintjén együttműködnek az ügynökökkel – meghatározzák, hogy mit kell építeni és miért –, majd átadják a dolgokat az ügynököknek, hogy mindent lefelé intézzenek.Ramp: Az AI-jártasság mérése 4 szinten A Ramp gyorsan arra készteti alkalmazottait, hogy 4 szinten natív mesterséges intelligenciát alkalmazzanak. 2025-ben a Ramp több mint 500 funkciót szállított, 1 milliárd dolláros bevételt ért el, és mindezt 25 PM-mel tette meg. Ezt úgy tették, hogy minden egyes funkciót (mérnök, termék, tervezés, értékesítés, marketing, jogi, pénzügy) megköveteltek az ügynökök bevonásával és együttműködésével. A Geoff (CPO Ramp) megosztott egy keretrendszert az AI jártasságának értékelésére: Néha rendkívül praktikus felhasználást talál minden alkalmazott számára: ChaL0PTG. Ezek az emberek nagy valószínűséggel nem lesznek hosszú távon a cégnél. Ha nem vagy önkezdő, és az AI-eszközök iránti növekedési gondolkodásmóddal, Geoff szerint nagyon nehéz lesz kitűnni. L1: GPT-ket, projekteket és belső AI-eszközöket használ és finomít. Ezek az emberek kísérleteznek az AI-val, de még nem automatizálták a valódi munkát. L2: Olyan alkalmazást hoz létre, amely automatizálja a munkájuk egy részét.munka. Ezek az emberek kódot hajthatnak végre, vagy értelmes visszajelzést adhatnak mások munkájáról az AI-eszközök segítségével.L3: Rendszerépítők. Ezek az emberek olyan mesterséges intelligencia infrastruktúrát és készségeket építenek, amelyek felgyorsítják a csapat többi tagját. A vállalat célja, hogy mindenkit feljebb toljon a ranglétrán. L0s önkiválasztás. Az L1-ekből L2-ek lesznek. Az L2-ekből L3-ak lesznek. Az L3-ak pedig befolyásolják a szervezet többi részét. Geoff megosztott 5 lépést is, amelyet bármely vállalat megtehet, hogy mesterséges intelligenciájúvá váljon: Távolítson el minden súrlódást. Hozzáférést biztosít a népszerű mesterséges intelligencia-eszközökhöz a tokenek vagy a költségvetés korlátozása nélkül, és hozzon létre egy belső tárat az AI-készségekről, amelyekből bárki elsajátíthatja. Ha a beállítás nehéz, a legtöbb ember nem fogad örökbe. Tegye láthatóvá az örökbefogadást. Hozzon létre nyilvános Slack-csatornákat, ahol az emberek megoszthatják, amit építettek. Mindenképpen mutasson be olyan nem mérnököket, akik lenyűgöző dolgokat csinálnak, például pénztárrendszer felépítésének finanszírozását vagy a webhelyek létrehozását automatizáló marketinget. Gyakorlati támogatást nyújtanak. A fogadó iroda nyitvatartása, amelyhez bárki csatlakozhat a mesterséges intelligencia készségeinek és munkafolyamatainak fejlesztése érdekében. Jelöljön ki mesterséges intelligencia-szakértőket, akiknek teljes feladata az evangelizálás, az emberek felállítása és az „aha pillanat” elérésében való segítés. Kövesse nyomon a használatot és avatkozzon be. A rámpa nyomon követi a jogkivonat-felhasználást az AI-eszközökben alkalmazottonként. A vezetés megosztja ezeket az adatokat, hogy természetes elszámoltathatóságot teremtsen, és beavatkozzon, ha valakinek alacsony a felhasználása. Tegye ezt a munkaerő-felvételi követelménysé. A PM-interjúk most egy dedikált munkamenetet is tartalmaznak, ahol egy működő terméket kell felépíteni, majd el kell magyarázni, hogy miért és hogyan működik. Geoff egy sorban foglalta össze vezetési filozófiáját a Ramp minden szerepére vonatkozóan: Az Ön feladata az, hogy automatizálja a munkáját. Geofftól: „Ha 10-szer elmondom a csapatomnak, hogy a CTA-nak a hajtás felett kell lennie, a javítás nem 11. alkalommal mondja ki. Ez a készségek visszajelzésének kódolása egy automatizált tervezési folyamatba, olyannyira megtörténik, hogy soha többé nem történik meg az AIFnatív folyamat. első nap Ha a Linear és a Ramp bemutatja, hogyan alkalmazzák a vállalatok az AI-ügynököket, a Factory megmutatja, mi történik, ha az első naptól kezdve köréjük építkezik. A Factory egy 55 fős mesterséges intelligencia szoftverfejlesztő cég, amelynek értéke 300 millió dollár, és a kezdetektől fogva az AI köré épül fel. A következőkben különböznek egymástól: Termékmérnökök bérlése A Factory nem alkalmaz külön PM-eket és mérnököket. Ehelyett termékmérnököket alkalmaznak, akik mesterséges intelligencia-ügynököket irányítanak és dolgoznak velük. Egy tipikus nap így néz ki: Vizsgálja meg az ügynökfuttatások nyomait, hogy megtudja, hol hozott rossz döntéseket a rendszer. A javításokat ne kódként írja meg, hanem irányításként (pl. egy készség frissítése, egy új szöszszabály vagy egy finomított automatizálás) Csak azokat a PR-okat tekintse át, amelyeket az ügynökök magas kockázatúként jelölnek meg (a többiről az ügynökök gondoskodnak). Javasoljon új ötleteket, és vitassa meg a prioritások meghatározását kollégáival és az AI-val. Ez a munka nem könnyű, és komolyabb szakértelmet igényel. agent-ready Az ügynököknek szükségük van egy kódbázisra, amelyben ténylegesen dolgozhatnak, hogy hatékonyak legyenek. A gyári kódbázisokat öt érettségi szinten értékeli, és a legtöbb csapatnak a 3. szintre ("Szabványos") kell először megcéloznia. A gyári ügynökkészültségi keretrendszer A szakértelem újrafelhasználható készségeivé kódolása Miután a kódbázis készen áll az ügynökök használatára, a következő lépés az ügynökök tudásának átadása a jó döntések készségei révén (alapvetően csak szöveges leíró fájlok). A Factory készségek segítségével kódolja a szakértői és vállalati tudást olyasvalamivé, amelyet bármely ügynök vagy alkalmazott használhat. Az alábbiakban felsoroljuk azokat a készségeket, amelyeket a Factory belsőleg használ, és hivatkozásokat tartalmaz a leértékelési fájljaira, amelyeket másolhat és módosíthat: Termékkezelési készség. A termék alapelvei, a 11 csillagos tapasztalati keretrendszer (az Airbnb-s Brian Cheskytől kölcsönözve), PRD-sablon, pontozási rubrika és nyelvi útmutatás egyetlen leértékelési fájlban. Frontend UI integrációs készség. Megtanítja a Droidot, hogyan építsen fel szolgáltatásokat a Factory tervezési rendszerével, az útválasztási konvenciókkal és a tesztelési szabványokkal. AI adatelemző készség. Futtasson felfedező elemzést, készítsen vizualizációkat, és készítsen statisztikai jelentéseket a teljes Python ökoszisztéma használatával. Belső eszközök ismerete. Készítsen adminisztrációs paneleket, támogatási konzolokat és működési irányítópultokat megfelelő hozzáférés-vezérléssel és audit naplózással. Vibe kódolási készség. Új webalkalmazások gyors prototípusa a semmiből a modern keretrendszerekkel.Ha azt, amit a legjobb emberei tudnak, készségekké kódolhatja, nem kell minden funkcióhoz szakembert fogadnia. 6 lépés mindezek gyakorlatba ültetéséhez.Lineáris: Alapértelmezés szerint minden fejlesztő használjon egy ügynökkódoló eszközt, mint például a Cursor, a Claude Code vagy a Codex. Szervezd be a PM-eket és a tervezőket a kódbázisba. Hagyja, hogy ügynökök segítségével küldjék be a PR-t és a szállítási kódot. Hagyja abba, hogy minden apró változtatást mérnökön keresztül irányítson. A rámpa-tól: Mérje meg csapata mesterséges intelligencia jártasságát. A Ramp 4 szintű keretrendszere megosztott szókincset ad arról, hogy hol vannak az emberek és hová kell menniük. Kövesse nyomon az AI-használatot, és tegye azt a teljesítményelvárások részévé. Amit nem mérsz, azt nem tudod javítani, és az ösztönzők számítanak. A gyárból: Pontozza a kódbázist az ügynök készenlétéhez. Használja a Factory ügynökkészültségi szintjeit, hogy megtudja, készen áll-e a kódbázisa. Kodifikálja csapata szakértelmét újrafelhasználható készségekre. Kódolja tudásfájlokba azt, amit a legjobb emberei tudnak, és könnyítse meg azok használatát mind az emberek, mind az ügynökök számára. Mindenekelőtt olyan fedélzeti ügynökök, mint te egy ember fedélzetén. Adja meg nekik a kontextust, csatlakoztassa őket a működési vereméhez, és tartson számon egy embert az eredményeikért. Ossza meg velem, mit gondol a megjegyzésekben!

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)