ຜູ້ຈອງທີ່ຮັກແພງ, ຂ້າພະເຈົ້າໄດ້ໃຊ້ເວລາສອງສາມເດືອນທີ່ຜ່ານມາສໍາພາດຜູ້ນໍາຢູ່ບໍລິສັດພື້ນເມືອງ AI. ຕອນນີ້ຂ້ອຍໝັ້ນໃຈວ່າ: ການຂຶ້ນນຳ ແລະ ຈັດການຕົວແທນ AI ແມ່ນວຽກ, ບໍ່ວ່າໜ້າວຽກຂອງເຈົ້າຈະເປັນແນວໃດ. ໃນການລົງເລິກແບບບໍ່ເສຍຄ່ານີ້, ຂ້ອຍຢາກແບ່ງປັນວ່າບໍລິສັດ AI ພື້ນເມືອງສາມບໍລິສັດຄື Linear, Ramp, ແລະ Factory ວາງຫຼັກການນີ້ແນວໃດ. ນີ້ແມ່ນບາງຄໍາເວົ້າຈາກແຕ່ລະຄົນ: Nan Yu (ຫົວຫນ້າຜະລິດຕະພັນ, Linear): "ທ່ານຈະມີສະມາຊິກທີມ AI ທີ່ທ່ານສາມາດມອບຫມາຍວຽກງານໃຫ້ແລະສົນທະນາຄືກັບວິທີທີ່ທ່ານສົນທະນາກັບຄົນ."Geoff Charles (CPO, Ramp): "ຖ້າທ່ານບໍ່ໃຊ້ Claude Code, ບໍ່ວ່າບົດບາດຂອງເຈົ້າແມ່ນຫຍັງ, ເຈົ້າອາດຈະເຮັດວຽກຫນ້ອຍລົງ." Eno Reyes (ຜະລິດຕະພັນ, ການວິເຄາະດ້ານຫນ້າ, ແລະໂຮງງານຜະລິດ) . ເຂົ້າໄປໃນທັກສະທີ່ສາມາດນໍາມາໃຊ້ຄືນໄດ້ທີ່ພະນັກງານທຸກຄົນສາມາດເອີ້ນໄດ້.” ອ່ານເບິ່ງພາຍໃນວ່າແຕ່ລະບໍລິສັດ AI-native ດໍາເນີນການແນວໃດ. Linear: ການສ້າງຕົວແທນ AI ໃຫ້ກັບເພື່ອນຮ່ວມທີມຊັ້ນຫນຶ່ງທ່ານສາມາດ @mention ຕົວແທນເພື່ອສ້າງແລະກໍານົດບັນຫາໃຫ້ກັບວິທີການຂອງຕົວແທນອື່ນ Linear ກັບຕົວແທນແມ່ນຮູບຮ່າງຂອງຜະລິດຕະພັນຂອງພວກເຂົາ. Nan (ຫົວຫນ້າຜະລິດຕະພັນ Linear) ເຊື່ອວ່າ: ຕົວແທນຄວນຈະເປັນພະນັກງານຊັ້ນຫນຶ່ງ. ທ່ານຄວນຈະສາມາດເພີ່ມພວກມັນເຂົ້າໃນໂຄງການ, ມອບໃຫ້ເຂົາເຈົ້າໃນບັນຫາ, ແລະກ່າວເຖິງໃນຄໍາເຫັນ. ຢ່າງໃດກໍຕາມ, Nan ຍັງເຊື່ອວ່າມະນຸດສະເຫມີຮັບຜິດຊອບຕໍ່ຜົນໄດ້ຮັບ. ນີ້ແມ່ນວິທີການ Linear ສ້າງຜະລິດຕະພັນກັບຕົວແທນໃນທຸກຂັ້ນຕອນ: ເຂົ້າໃຈບັນຫາ. ຕົວແທນອ່ານແລະສະຫຼຸບທຸກການສົນທະນາຂອງລູກຄ້າຈາກ Intercom, Zendesk, ແລະ Gong. ພວກເຂົາສ້າງບັນຫາອັດຕະໂນມັດ, ຍົກເລີກພວກມັນຕໍ່ກັບການຄ້າງຄືນ, ແລະມອບໝາຍໃຫ້ທີມທີ່ຖືກຕ້ອງ. ກໍານົດການແກ້ໄຂ. ເນື່ອງຈາກຕົວແທນສາມາດເຂົ້າເຖິງການສົນທະນາຂອງລູກຄ້າ, ພວກເຂົາສາມາດຊ່ວຍໃຫ້ທ່ານເຮັດຊ້ໍາໃນ spec ໂດຍການດຶງຂໍ້ມູນຄວາມເຂົ້າໃຈທີ່ສະຫນັບສະຫນູນຈາກຫຼາຍຊ່ອງທາງ. ສ້າງແຜນການ. ຕົວແທນສາມາດທໍາລາຍ spec ຂອງທ່ານເຂົ້າໄປໃນຕົ໋ວຊີມັງແລະນໍາທາງໄປຫາທີມທີ່ເຫມາະສົມໂດຍອັດຕະໂນມັດ. ຢູ່ Linear, ຕົວແທນໃນປັດຈຸບັນສ້າງປີ້ສ່ວນໃຫຍ່. ວຽກງານຂອງມະນຸດແມ່ນການທົບທວນຄືນການເຮັດວຽກຂອງເຂົາເຈົ້າແລະປັບສະພາບການໃນໄລຍະທີ່ໃຊ້ເວລາ. ຂໍ້ບົກຜ່ອງ ແລະຄຸນສົມບັດນ້ອຍໆຖືກມອບໝາຍໂດຍກົງໃຫ້ກັບຕົວແທນເຊັ່ນ Codex ແລະ Cursor. ສໍາລັບລັກສະນະທີ່ຊັບຊ້ອນ, ວິສະວະກອນເປີດຕົວ Claude Code ແລະໃຊ້ Linear MCP ເພື່ອດຶງເນື້ອໃນບັນຫາເຕັມທີ່. ຈາກ Nan: ມັນຮູ້ສຶກວ່າຂອບເຂດຂອງສິ່ງທີ່ຕົວແທນສາມາດຈັດການກັບການຂະຫຍາຍອອກໄປໃນທຸກໆໄຕມາດ. ຮູບແບບໃໝ່ ແລະຊຸດສາຍຮັດໄດ້ຍູ້ຂອບເຂດຈາກການແກ້ໄຂແບບງ່າຍດາຍໄປສູ່ໂຄງການທີ່ສັບສົນຫຼາຍຂຶ້ນ. ຕ້ອງການສ້າງກັບຕົວແທນເຊັ່ນ Linear ບໍ? ນີ້ແມ່ນ 4 ຂັ້ນຕອນການປະຕິບັດທີ່ Nan ແບ່ງປັນກ່ຽວກັບສິ່ງທີ່ທີມງານຂອງທ່ານສາມາດເຮັດໄດ້ໃນມື້ນີ້: ຜູ້ພັດທະນາທຸກຄົນຄວນເລີ່ມຕົ້ນເປັນເຄື່ອງມືການຂຽນລະຫັດຕົວແທນຊັ້ນນໍາ. ນີ້ແມ່ນຂັ້ນຕອນທໍາອິດທີ່ງ່າຍທີ່ສຸດ. ສະໜອງເຄື່ອງມືທີ່ເປັນທາງການ (ຕົວກະພິບ, ລະຫັດ Claude, ຫຼື Codex) ແລະຈັດການມັນເພື່ອໃຫ້ທ່ານສາມາດເບິ່ງການນຳໃຊ້ໄດ້. ເສີມດ້ວຍຕົວແທນການເຂົ້າລະຫັດຟັງແບບ async. ຕົວແທນພື້ນຫຼັງ Async ສາມາດແກ້ໄຂການປ່ຽນແປງນ້ອຍໆ ແລະແກ້ໄຂຂໍ້ບົກພ່ອງໄດ້. ຕົວກະພິບແລະ Devin ມີການສະເຫນີທີ່ດີຢູ່ທີ່ນີ້. ຮຽກຮ້ອງໃຫ້ຜູ້ອອກແບບແລະ PMs ເຮັດວຽກໂດຍກົງໃນ codebase. ຕົວແທນເຊັ່ນ Claude ເປີດເສັ້ນທາງທີ່ມີ friction ຕ່ໍາສໍາລັບ PMs ແລະຜູ້ອອກແບບເພື່ອເຮັດການປ່ຽນແປງໂດຍກົງໃນ codebase. ທຸກຄົນຄວນພະຍາຍາມເປັນ builder.PMs ແລະນັກກາລະຕະຫຼາດຄວນຈະເລີ່ມຕົ້ນໃນການໂຕ້ຕອບ AI. ຟັງຊັນເຫຼົ່ານີ້ຄວນເຮັດ 80-100% ຂອງການເຮັດວຽກຂອງເຂົາເຈົ້າໂດຍຜ່ານການໂຕ້ຕອບການສົນທະນາ - ບໍ່ວ່າຈະເປັນ Claude, ChatGPT, Notion AI, ຫຼືບາງສິ່ງບາງຢ່າງທີ່ຄ້າຍຄືກັນ. Nan ເຫັນອະນາຄົດທີ່ມະນຸດຈະຮ່ວມມືກັບຕົວແທນໃນລະດັບ spec - ການກໍານົດສິ່ງທີ່ຕ້ອງສ້າງແລະເປັນຫຍັງ - ແລະຫຼັງຈາກນັ້ນສົ່ງຕໍ່ໄປຫາຕົວແທນເພື່ອຈັດການກັບທຸກສິ່ງທຸກຢ່າງ downstream.Ramp: ການວັດແທກຄວາມຊໍານານ AI ໃນ 4 ລະດັບRamp ແມ່ນການຊຸກຍູ້ໃຫ້ພະນັກງານຂອງພວກເຂົາເປັນ AI-native ໃນ 4 ລະດັບຖ້າ Linear ສະແດງວິທີການເຮັດໃຫ້ຕົວແທນເປັນພາກສ່ວນຫນຶ່ງຂອງທີມງານທໍາອິດຂອງທ່ານ. ໃນປີ 2025, Ramp ຈັດສົ່ງ 500+ ຄຸນສົມບັດ, ບັນລຸລາຍໄດ້ $1B, ແລະເຮັດມັນທັງໝົດດ້ວຍ 25 PMs. ເຂົາເຈົ້າເຮັດອັນນີ້ໂດຍການຮຽກຮ້ອງທຸກໜ້າທີ່ດຽວ (eng, product, design, sales, marketing, legal, finance) to onboard and work with agents.Geoff (CPO Ramp) ແບ່ງປັນກອບການປະເມີນຄວາມສາມາດຂອງ ChatGP ສໍາລັບພະນັກງານທຸກຄົນທີ່ພົບເຫັນວ່າ IL. ຄົນເຫຼົ່ານີ້ສ່ວນຫຼາຍອາດຈະບໍ່ຢູ່ໃນບໍລິສັດໃນໄລຍະຍາວ. ຖ້າທ່ານບໍ່ແມ່ນຜູ້ເລີ່ມຕົ້ນດ້ວຍຄວາມຄິດທີ່ເຕີບໃຫຍ່ໄປສູ່ເຄື່ອງມື AI, Geoff ເວົ້າວ່າມັນຈະເປັນເລື່ອງຍາກຫຼາຍທີ່ຈະຝຶກອົບຮົມໃຫ້ທ່ານເປັນ excel.L1: ໃຊ້ ແລະປັບປ່ຽນ GPTs, ໂຄງການ, ແລະເຄື່ອງມື AI ພາຍໃນ. ຄົນເຫຼົ່ານີ້ກຳລັງທົດລອງໃຊ້ AI ແຕ່ຍັງບໍ່ທັນໄດ້ເຮັດວຽກຕົວຈິງແບບອັດຕະໂນມັດເທື່ອ.L2: ສ້າງແອັບທີ່ເຮັດສ່ວນໜຶ່ງຂອງພວກມັນໂດຍອັດຕະໂນມັດ.ວຽກ. ຄົນເຫຼົ່ານີ້ສາມາດຂຽນລະຫັດ ຫຼືໃຫ້ຄໍາຄິດເຫັນທີ່ມີຄວາມຫມາຍກ່ຽວກັບວຽກງານຂອງຄົນອື່ນໂດຍໃຊ້ເຄື່ອງມື AI.L3: ຜູ້ສ້າງລະບົບ. ຄົນເຫຼົ່ານີ້ກຳລັງສ້າງພື້ນຖານໂຄງລ່າງ AI ແລະທັກສະທີ່ເລັ່ງໃຫ້ທຸກຄົນໃນທີມ. ເປົ້າໝາຍຂອງບໍລິສັດແມ່ນເພື່ອຊຸກດັນໃຫ້ທຸກຄົນຂຶ້ນຂັ້ນໄດ. L0s ຕົນເອງເລືອກອອກ. L1s ກາຍເປັນ L2s. L2s ກາຍເປັນ L3s. ແລະ L3s ມີອິດທິພົນຕໍ່ສ່ວນທີ່ເຫຼືອຂອງອົງການຈັດຕັ້ງ. Geoff ຍັງໄດ້ແບ່ງປັນ 5 ຂັ້ນຕອນທີ່ບໍລິສັດໃດສາມາດປະຕິບັດເພື່ອກາຍເປັນ AI-native: ເອົາ friction ທັງຫມົດ. ໃຫ້ການເຂົ້າເຖິງເຄື່ອງມື AI ຍອດນິຍົມໂດຍບໍ່ມີຂໍ້ຈໍາກັດກ່ຽວກັບ tokens ຫຼືງົບປະມານແລະສ້າງ repository ພາຍໃນຂອງທັກສະ AI ທຸກຄົນສາມາດດຶງຈາກ. ຖ້າການຕິດຕັ້ງຍາກ, ຄົນສ່ວນໃຫຍ່ຈະບໍ່ຮັບ. ສ້າງຊ່ອງ Slack ສາທາລະນະທີ່ປະຊາຊົນສາມາດແບ່ງປັນສິ່ງທີ່ພວກເຂົາສ້າງ. ຢູ່ໃນມືທັງຫມົດ, ສະແດງໃຫ້ເຫັນຜູ້ທີ່ບໍ່ແມ່ນວິສະວະກອນເຮັດສິ່ງທີ່ຫນ້າປະທັບໃຈ, ເຊັ່ນ: ການເງິນການກໍ່ສ້າງລະບົບຄັງເງິນຫຼືການຕະຫຼາດອັດຕະໂນມັດການສ້າງເວັບໄຊທ໌. ສະຫນອງການຊ່ວຍເຫຼືອໃນມື. ເປັນເຈົ້າພາບເວລາເຮັດວຽກທີ່ທຸກຄົນສາມາດເຂົ້າຮ່ວມເພື່ອສ້າງທັກສະ AI ແລະຂັ້ນຕອນການເຮັດວຽກ. ໄດ້ກໍານົດຜູ້ຊ່ຽວຊານດ້ານ AI ທີ່ມີວຽກທັງຫມົດແມ່ນເພື່ອປະກາດຂ່າວປະເສີດ, ຈັດຕັ້ງປະຊາຊົນ, ແລະຊ່ວຍພວກເຂົາໄປເຖິງ "ຊ່ວງເວລາ aha." ຕິດຕາມການນໍາໃຊ້ແລະການແຊກແຊງ. Ramp ຕິດຕາມການບໍລິໂພກໂທເຄັນໃນທົ່ວເຄື່ອງມື AI ຕໍ່ພະນັກງານ. ຄວາມເປັນຜູ້ ນຳ ແບ່ງປັນຂໍ້ມູນນີ້ເພື່ອສ້າງຄວາມຮັບຜິດຊອບຕາມທໍາມະຊາດແລະກ້າວໄປສູ່ເວລາທີ່ການ ນຳ ໃຊ້ຂອງຜູ້ໃດຜູ້ ໜຶ່ງ ຕໍ່າ. ເຮັດໃຫ້ມັນເປັນຄວາມຕ້ອງການຈ້າງ. ການສໍາພາດ PM ໃນປັດຈຸບັນປະກອບມີກອງປະຊຸມທີ່ອຸທິດຕົນທີ່ທ່ານຈໍາເປັນຕ້ອງສ້າງຜະລິດຕະພັນທີ່ເຮັດວຽກແລະຫຼັງຈາກນັ້ນອະທິບາຍວ່າເປັນຫຍັງທ່ານສ້າງມັນແລະວິທີການເຮັດວຽກ. Geoff ໄດ້ສະຫຼຸບປັດຊະຍາການເປັນຜູ້ນໍາຂອງລາວສໍາລັບທຸກໆບົດບາດຢູ່ Ramp ໃນແຖວດຽວ: ວຽກຂອງເຈົ້າແມ່ນເພື່ອອັດຕະໂນມັດວຽກຂອງເຈົ້າ. ຈາກ Geoff: "ຖ້າຂ້ອຍບອກທີມງານຂອງຂ້ອຍ 10 ເທື່ອວ່າ CTA ຕ້ອງການຢູ່ເຫນືອເທົ່າ, ການແກ້ໄຂບໍ່ໄດ້ເວົ້າວ່າມັນເປັນຄັ້ງທີ 11. ມັນແມ່ນການເຂົ້າລະຫັດຄໍາຕິຊົມນັ້ນເຂົ້າໄປໃນຂະບວນການອອກແບບອັດຕະໂນມັດຫຼື AI ທີ່ບໍ່ມີທັກສະ AI ອີກເທື່ອຫນຶ່ງ." Ramp ສະແດງໃຫ້ເຫັນວິທີການບໍລິສັດຮັບຮອງເອົາຕົວແທນ AI, ໂຮງງານສະແດງໃຫ້ເຫັນສິ່ງທີ່ເກີດຂຶ້ນໃນເວລາທີ່ທ່ານສ້າງປະມານພວກເຂົາຈາກມື້ຫນຶ່ງ. ໂຮງງານແມ່ນບໍລິສັດພັດທະນາຊອບແວ AI ຈຳນວນ 55 ຄົນ ມູນຄ່າ 300 ລ້ານໂດລາສະຫະລັດ ທີ່ມີໂຄງສ້າງປະມານ AI ຕັ້ງແຕ່ພື້ນຖານ. ນີ້ແມ່ນສິ່ງທີ່ເຮັດໃຫ້ພວກເຂົາແຕກຕ່າງກັນ: ຈ້າງວິສະວະກອນຜະລິດຕະພັນໂຮງງານບໍ່ໄດ້ຈ້າງ PMs ແລະວິສະວະກອນແຍກຕ່າງຫາກ. ແທນທີ່ຈະ, ພວກເຂົາຈ້າງວິສະວະກອນຜະລິດຕະພັນທີ່ຄຸ້ມຄອງແລະເຮັດວຽກກັບຕົວແທນ AI. ມື້ທໍາມະດາເບິ່ງຄືວ່າ: ກວດເບິ່ງການຕິດຕາມຈາກຕົວແທນທີ່ດໍາເນີນການເພື່ອເບິ່ງວ່າລະບົບໄດ້ຕັດສິນໃຈທີ່ບໍ່ດີ. ຂຽນການແກ້ໄຂບໍ່ແມ່ນລະຫັດ, ແຕ່ເປັນການຄຸ້ມຄອງ (ເຊັ່ນ: ການປັບປຸງທັກສະ, ກົດລະບຽບໃຫມ່, ຫຼືອັດຕະໂນມັດທີ່ປັບປຸງໃຫມ່) ທົບທວນພຽງແຕ່ PRs ທີ່ຕົວແທນຫມາຍວ່າມີຄວາມສ່ຽງສູງ (ຕົວແທນເບິ່ງແຍງສ່ວນທີ່ເຫຼືອ). ແນະນໍາແນວຄວາມຄິດໃຫມ່ແລະການໂຕ້ວາທີຈັດລໍາດັບຄວາມສໍາຄັນກັບເພື່ອນຮ່ວມງານແລະ AI. ວຽກງານນີ້ແມ່ນບໍ່ງ່າຍ, ແຕ່ການກໍານົດລະຫັດຂອງຜູ້ຊ່ຽວຊານທີ່ເລິກເຊິ່ງກວ່າ. agent-readyAgents ຕ້ອງການ codebase ທີ່ເຂົາເຈົ້າສາມາດເຮັດວຽກໄດ້ຢ່າງມີປະສິດທິພາບ. Factory scorebases ລະດັບການໃຫຍ່ເຕັມຕົວຫ້າ, ແລະລະດັບ 3 ("ມາດຕະຖານ") ແມ່ນບ່ອນທີ່ທີມງານສ່ວນໃຫຍ່ຕ້ອງການຈຸດທໍາອິດ. Framework ຄວາມພ້ອມຂອງຕົວແທນຂອງໂຮງງານEncode ຄວາມຊໍານານເຂົ້າໄປໃນຄວາມສາມາດນໍາໃຊ້ຄືນໄດ້ຫຼັງຈາກທີ່ codebase ຂອງທ່ານແມ່ນຕົວແທນພ້ອມ, ຂັ້ນຕອນຕໍ່ໄປແມ່ນການໃຫ້ຕົວແທນມີຄວາມຮູ້ໃນການຕັດສິນໃຈທີ່ດີໂດຍຄວາມສາມາດ (ໂດຍພື້ນຖານພຽງແຕ່ໄຟລ໌ markdown ຂໍ້ຄວາມ). ໂຮງງານນໍາໃຊ້ທັກສະໃນການເຂົ້າລະຫັດຜູ້ຊ່ຽວຊານແລະຄວາມຮູ້ຂອງບໍລິສັດເຂົ້າໄປໃນບາງສິ່ງບາງຢ່າງທີ່ຕົວແທນຫຼືພະນັກງານສາມາດນໍາໃຊ້ໄດ້. ນີ້ແມ່ນລາຍການທັກສະທີ່ໂຮງງານໃຊ້ພາຍໃນ ແລະເຊື່ອມຕໍ່ກັບໄຟລ໌ markdown ຂອງເຂົາເຈົ້າເພື່ອໃຫ້ເຈົ້າສາມາດສຳເນົາ ແລະແກ້ໄຂ: ທັກສະການຈັດການຜະລິດຕະພັນ. ຫຼັກການຂອງຜະລິດຕະພັນ, ກອບປະສົບການລະດັບ 11 ດາວ (ຢືມມາຈາກ Brian Chesky ຂອງ Airbnb), ແມ່ແບບ PRD, ຄະແນນຄະແນນ, ແລະການແນະນຳພາສາທັງໝົດໃນໄຟລ໌ markdown.Frontend UI ທັກສະການເຊື່ອມໂຍງ. ແນະນຳ Droid ກ່ຽວກັບວິທີການສ້າງຄຸນສົມບັດຕ່າງໆໂດຍໃຊ້ລະບົບການອອກແບບຂອງໂຮງງານ, ການຈັດເສັ້ນທາງ, ແລະມາດຕະຖານການທົດສອບ. ທັກສະນັກວິເຄາະຂໍ້ມູນ AI. ດໍາເນີນການວິເຄາະສໍາຫຼວດ, ສ້າງການເບິ່ງເຫັນ, ແລະສ້າງບົດລາຍງານສະຖິຕິໂດຍນໍາໃຊ້ລະບົບນິເວດ Python. ທັກສະເຄື່ອງມືພາຍໃນຢ່າງເຕັມທີ່. ສ້າງແຜງບໍລິຫານ, ຄອນໂຊນສະຫນັບສະຫນູນ, ແລະ dashboards ປະຕິບັດການທີ່ມີການຄວບຄຸມການເຂົ້າເຖິງທີ່ເຫມາະສົມແລະການກວດສອບການເຂົ້າສູ່ລະບົບ baked in.Vibe ທັກສະການເຂົ້າລະຫັດ. ຕົ້ນແບບແອັບເວັບໃໝ່ຢ່າງໄວວາຈາກຈຸດເລີ່ມຕົ້ນດ້ວຍກອບວຽກທີ່ທັນສະໄໝ. ຖ້າເຈົ້າສາມາດເຂົ້າລະຫັດສິ່ງທີ່ຄົນດີທີ່ສຸດຂອງເຈົ້າຮູ້ເປັນທັກສະ, ເຈົ້າບໍ່ຈຳເປັນຕ້ອງຈ້າງຜູ້ຊ່ຽວຊານສຳລັບທຸກໜ້າທີ່. 6 ຂັ້ນຕອນເພື່ອປະຕິບັດທັງໝົດນີ້ເພື່ອສະຫຼຸບ: ການເຂົ້າເຮັດວຽກ ແລະ ການຈັດການຕົວແທນກຳລັງກາຍເປັນວຽກຫຼັກສຳລັບທຸກໜ້າທີ່. ນີ້ແມ່ນຫົກສິ່ງທີ່ເຈົ້າສາມາດປະຕິບັດໄດ້ໃນຕອນນີ້: ຈາກLinear: Default ທຸກໆນັກພັດທະນາໄປຫາເຄື່ອງມືການຂຽນລະຫັດຕົວແທນເຊັ່ນ Cursor, Claude Code, ຫຼື Codex. ເອົາ PMs ແລະຜູ້ອອກແບບເຂົ້າໄປໃນ codebase. ໃຫ້ພວກເຂົາສົ່ງ PRs ແລະລະຫັດເຮືອໂດຍໃຊ້ຕົວແທນ. ຢຸດການກຳນົດທິດທາງທຸກການປ່ຽນແປງນ້ອຍໆຜ່ານທາງວິສະວະກອນ.From Ramp:Measure AI proficiency across your team. ກອບ 4 ລະດັບຂອງ Ramp ໃຫ້ທ່ານມີຄໍາສັບທີ່ໃຊ້ຮ່ວມກັນສໍາລັບບ່ອນທີ່ຄົນຢູ່ແລະບ່ອນທີ່ພວກເຂົາຕ້ອງການໄປ. ຕິດຕາມການນໍາໃຊ້ AI ແລະເຮັດໃຫ້ມັນເປັນສ່ວນຫນຶ່ງຂອງຄວາມຄາດຫວັງຂອງການປະຕິບັດ. ທ່ານບໍ່ສາມາດປັບປຸງສິ່ງທີ່ທ່ານບໍ່ໄດ້ວັດແທກໄດ້, ແລະແຮງຈູງໃຈແມ່ນສໍາຄັນ. ຈາກໂຮງງານ: ຄະແນນ codebase ຂອງທ່ານເພື່ອຄວາມພ້ອມຂອງຕົວແທນ. ໃຊ້ລະດັບຄວາມພ້ອມຂອງຕົວແທນຂອງໂຮງງານເພື່ອເຂົ້າໃຈວ່າ codebase ຂອງທ່ານພ້ອມແລ້ວຫຼືບໍ່. ກໍານົດຄວາມຊໍານານຂອງທີມງານຂອງທ່ານເຂົ້າໃນທັກສະທີ່ສາມາດນໍາໃຊ້ຄືນໄດ້. ເຂົ້າລະຫັດສິ່ງທີ່ຄົນດີທີ່ສຸດຂອງເຈົ້າຮູ້ເຂົ້າໄປໃນໄຟລ໌ທັກສະ ແລະເຮັດໃຫ້ມັນງ່າຍສໍາລັບທັງມະນຸດ ແລະຕົວແທນທີ່ຈະໃຊ້ພວກມັນ. ເໜືອສິ່ງອື່ນໃດ, ຕົວແທນເທິງເຮືອຄືເຈົ້າຈະຢູ່ເທິງເຮືອມະນຸດ. ໃຫ້ບໍລິບົດໃຫ້ເຂົາເຈົ້າ, ເຊື່ອມຕໍ່ພວກມັນກັບຊຸດປະຕິບັດງານຂອງເຈົ້າ, ແລະຮັກສາມະນຸດທີ່ຮັບຜິດຊອບຕໍ່ຜົນໄດ້ຮັບຂອງເຂົາເຈົ້າ. ບອກໃຫ້ຂ້ອຍຮູ້ວ່າເຈົ້າຄິດແນວໃດໃນຄໍາເຫັນ!
ວຽກໃໝ່ຂອງເຈົ້າຄືການສະໝັກຕົວແທນ AI: ວິທີການທີ່ບໍລິສັດພື້ນເມືອງຂອງ AI ປະຕິບັດຕົວຈິງ
By Creator Economy
·
·
8 min read
·
536 views
Read in:
aa
ace
af
ak
alz
am
ar
as
awa
ay
az
ba
ban
be
bew
+191 more
bg
bho
bik
bm
bn
brx
bs
bug
ca
ceb
cgg
ckb
co
crh
cs
cv
cy
da
de
din
doi
dv
dyu
dz
ee
el
en
eo
es
et
eu
fa
ff
fi
fj
fo
fr
fur
fy
ga
gd
gl
gom
gn
gu
ha
haw
he
hi
hil
hne
hmn
hr
hrx
ht
hu
hy
id
ig
ilo
is
it
ja
jam
jv
ka
kab
kbp
kg
kha
kk
kl
km
kn
ko
kri
ku
ktu
ky
la
lb
lg
li
lij
ln
lo
lmo
lt
ltg
lua
luo
lus
lv
mai
mak
mg
mi
min
mk
ml
mn
mni-mtei
mos
mr
ms
mt
my
nd
ne
nl
nn
no
nr
nso
nus
ny
oc
om
or
pa
pag
pam
pap
pl
ps
pt
pt-br
qu
rn
ro
ru
rw
sa
sah
sat
sc
scn
sg
si
sk
sl
sm
sn
so
sq
sr
ss
st
su
sus
sv
sw
szl
ta
tcy
te
tg
th
ti
tiv
tk
tl
tn
to
tpi
tr
trp
ts
tt
tum
ty
udm
ug
uk
ur
uz
ve
vec
vi
war
wo
xh
yi
yo
yua
yue
zap
zh
zh-hk
zh-tw
zu
