Jouw nieuwe taak is het aan boord nemen van AI-agenten: hoe AI-native bedrijven daadwerkelijk werken

In This Article

Beste abonnees, Ik heb de afgelopen maanden leiders van AI-native bedrijven geïnterviewd. Ik ben er nu van overtuigd dat: het aan boord nemen en beheren van AI-agenten de taak IS, ongeacht wat je functie is. In deze gratis diepgaande duik wil ik delen hoe drie AI-native bedrijven – Linear, Ramp en Factory – dit principe in de praktijk brengen. Hier zijn enkele citaten van elk: Nan Yu (hoofd Product, Linear): “Je hebt AI-teamleden aan wie je taken kunt toewijzen en waarmee je kunt praten, net zoals je met mensen praat.” Geoff Charles (CPO, Ramp): “Als je Claude Code niet gebruikt, wat je rol ook is, presteer je waarschijnlijk ondermaats.” Eno Reyes (CTO, Factory): “We hebben productbeheer, frontend UI, data-analyse en meer gecodificeerd in herbruikbare vaardigheden die elke medewerker kan een beroep doen.”Lees verder voor een kijkje achter de schermen bij hoe elk AI-native bedrijf opereert. Lineair: maak van AI-agenten eersteklas teamgenoten U kunt een agent @vermelden om een probleem te creëren en toe te wijzen aan een andere agent. Linear’s benadering van agenten wordt gevormd door hun product. Nan (hoofd Product van Linear) is van mening dat: Agenten eersteklas werknemers moeten zijn. Je zou ze aan projecten moeten kunnen toevoegen, ze aan problemen kunnen toewijzen en in opmerkingen kunnen vermelden. Nan is echter ook van mening dat de mens altijd verantwoordelijk blijft voor de uitkomst. Zo bouwt Linear bij elke stap producten met agenten: Begrijp het probleem. Agenten lezen en vatten elk klantgesprek van Intercom, Zendesk en Gong samen. Ze creëren automatisch problemen, ontdoen ze van de achterstand en wijzen ze toe aan het juiste team. Identificeer de oplossing. Omdat agenten toegang hebben tot klantgesprekken, kunnen ze u helpen een specificatie te herhalen door op gegevens gebaseerde inzichten uit meerdere kanalen te halen. Maak een plan. Agenten kunnen uw specificaties opsplitsen in concrete tickets en deze automatisch naar de juiste teams sturen. Bij Linear creëren agenten nu het merendeel van de tickets. Het is de taak van de mens om zijn werk te beoordelen en de context in de loop van de tijd aan te passen. Uitvoeren. Bugs en kleine functies worden rechtstreeks toegewezen aan agenten zoals Codex en Cursor. Voor complexe functies lanceren engineers Claude Code en gebruiken ze Linear MCP om de volledige context van het probleem op te halen. Van Nan: Het voelt alsof de reikwijdte van wat agenten aankunnen elk kwartaal groter wordt. Nieuwe modellen en harnassen verleggen de grens van eenvoudige oplossingen tot steeds complexere projecten. Wil je bouwen met agenten als Linear? Hier zijn vier praktische stappen die Nan deelde over wat uw team vandaag de dag kan doen:Elke ontwikkelaar zou standaard een toonaangevende codeertool moeten gebruiken. Dit is de gemakkelijkste eerste stap. Zorg voor de officiële tool (Cursor, Claude Code of Codex) en beheer deze zodat u het gebruik kunt zien. Vul aan met een asynchrone cloudcoderingsagent. Asynchrone achtergrondagenten kunnen de meeste kleine wijzigingen en bugfixes in één keer uitvoeren. Cursor en Devin hebben hier goede aanbiedingen. Sta erop dat ontwerpers en PM's rechtstreeks aan de codebase werken. Agenten als Claude openen een pad met weinig wrijving voor PM's en ontwerpers om rechtstreeks in de codebase wijzigingen aan te brengen. Iedereen moet ernaar streven een bouwer te zijn. PM's en marketeers moeten standaard een AI-interface gebruiken. Deze functies zouden 80-100% van hun werk moeten doen via een chatinterface – of dat nu Claude, ChatGPT, Notion AI of iets dergelijks is. Nan ziet een toekomst waarin mensen zullen samenwerken met agenten op specificatieniveau – definiëren wat er moet worden gebouwd en waarom – en vervolgens dingen doorgeven aan agenten om alles stroomafwaarts af te handelen.Ramp: AI-vaardigheid meten in 4 niveausRamp dwingt hun werknemers snel om AI-native te zijn in 4 niveausAls Linear laat zien hoe je agenten tot een eersteklas onderdeel van je team kunt maken, dan laat Ramp zien hoe je je hele bedrijf zover kunt krijgen om ze te adopteren.In 2025 verscheepte Ramp meer dan 500 functies, bereikt $1 miljard omzet, en deden dit allemaal met 25 PM's. Ze deden dit door elke afzonderlijke functie (eng, product, ontwerp, verkoop, marketing, juridisch, financiën) te verplichten om agenten aan boord te krijgen en met hen samen te werken. Geoff (CPO Ramp) deelde een raamwerk voor het evalueren van de AI-vaardigheid voor elke werknemer dat ik uiterst praktisch vind: L0: Gebruikt soms ChatGPT. Deze mensen zullen hoogstwaarschijnlijk niet langdurig bij het bedrijf blijven. Als je geen zelfstarter bent met een groeimindset ten opzichte van AI-tools, zegt Geoff dat het heel moeilijk zal zijn om je te trainen om uit te blinken.L1: Gebruikt en past GPT's, projecten en interne AI-tools aan. Deze mensen experimenteren met AI, maar hebben het echte werk nog niet geautomatiseerd. L2: Bouwt een app die een deel van hun werk automatiseertfunctie. Deze mensen kunnen code committen of betekenisvolle feedback geven op het werk van anderen met behulp van AI-tools.L3: Systeembouwers. Deze mensen bouwen aan de AI-infrastructuur en vaardigheden die alle anderen in het team een ​​boost geven. Het doel van het bedrijf is om iedereen hoger op de ladder te krijgen. L0's selecteren zichzelf uit. L1's worden L2's. L2's worden L3's. En L3’s beïnvloeden de rest van de organisatie. Geoff deelde ook vijf stappen die elk bedrijf kan nemen om AI-native te worden: verwijder alle wrijving. Geef toegang tot populaire AI-tools zonder beperkingen op tokens of budgetten en creëer een interne opslagplaats van AI-vaardigheden waar iedereen uit kan putten. Als de opzet moeilijk is, zullen de meeste mensen niet adopteren. Maak adoptie zichtbaar. Creëer openbare Slack-kanalen waar mensen kunnen delen wat ze hebben gebouwd. Laat niet-ingenieurs zien die indrukwekkende dingen doen, zoals financiën, het opzetten van een treasury-systeem of marketing die het maken van websites automatiseert. Bied praktische ondersteuning. Organiseer kantooruren waaraan iedereen kan deelnemen om AI-vaardigheden en workflows te ontwikkelen. Zorg dat er AI-experts zijn aangewezen wiens hele taak het is om te evangeliseren, mensen op de rails te krijgen en hen te helpen het ‘aha-moment’ te bereiken. Volg het gebruik en grijp in. Ramp houdt het tokenverbruik bij voor AI-tools per werknemer. Leiderschap deelt deze gegevens om natuurlijke verantwoordelijkheid te creëren en in te grijpen wanneer iemands gebruik laag is. Maak er een wervingsvereiste van. PM-interviews omvatten nu een speciale sessie waarin u een werkend product moet bouwen en vervolgens moet uitleggen waarom u het heeft gebouwd en hoe het werkt. Geoff vatte zijn leiderschapsfilosofie voor elke rol bij Ramp in één regel samen: Het is jouw taak om je werk te automatiseren. Van Geoff: "Als ik mijn team tien keer vertel dat de CTA boven de vouw moet liggen, zegt de oplossing dit niet de elfde keer. Het codeert die feedback in een geautomatiseerd ontwerpkritisch proces of AI-vaardigheid, zodat het nooit meer gebeurt. "Factory: AI native vanaf dag één Als Linear en Ramp laten zien hoe bedrijven AI-agenten adopteren, laat Factory zien wat gebeurt als je er vanaf de eerste dag omheen bouwt. Factory is een AI-softwareontwikkelingsbedrijf met 55 medewerkers, gewaardeerd op $300 miljoen, dat vanaf de basis rond AI is gestructureerd. Dit is wat ze anders maakt: Huur productingenieurs inFactory huurt PM's en ingenieurs niet afzonderlijk in. In plaats daarvan huren ze productingenieurs in die AI-agenten beheren en ermee werken. Een typische dag ziet er als volgt uit: Onderzoek sporen van agentruns om te zien waar het systeem slechte beslissingen heeft genomen. Schrijf fixes niet als code, maar als governance (bijvoorbeeld een update van een vaardigheid, een nieuwe pluisregel of een verfijnde automatisering). Bekijk alleen de PR's die agenten markeren als risicovol (agenten zorgen voor de rest). Stel nieuwe ideeën voor en debatteer over prioriteiten met collega's en AI. Dit werk is niet eenvoudig en vereist diepgaandere expertise, maar de hefboomwerking is enorm. Maak uw codebase agent-ready Agenten hebben een codebase nodig waarin ze daadwerkelijk kunnen werken om effectief te zijn. Factory scoort codebases op vijf volwassenheidsniveaus, en niveau 3 ('gestandaardiseerd') is waar de meeste teams zich als eerste op moeten richten. Factory's agent readiness-framework Codeer expertise in herbruikbare vaardigheden Zodra uw codebase agent-ready is, is de volgende stap het geven van agenten de kennis om goede beslissingen te nemen door middel van vaardigheden (in feite alleen maar tekstmarkeringsbestanden). Factory gebruikt vaardigheden om expert- en bedrijfskennis te coderen in iets dat elke agent of werknemer kan gebruiken. Hier is een lijst met vaardigheden die Factory intern gebruikt en links naar hun afwaarderingsbestanden die u kunt kopiëren en wijzigen: Productbeheervaardigheid. Productprincipes, een 11-sterren ervaringsframework (geleend van Brian Chesky van Airbnb), PRD-sjabloon, scorerubriek en taalbegeleiding, alles in één afwaarderingsbestand. Frontend UI-integratievaardigheid. Instrueert Droid over het bouwen van functies met behulp van het ontwerpsysteem van Factory, routeringsconventies en teststandaarden. Vaardigheid van AI-data-analisten. Voer verkennende analyses uit, bouw visualisaties en genereer statistische rapporten met behulp van het volledige Python-ecosysteem. Vaardigheid in interne tools. Bouw beheerderspanelen, ondersteuningsconsoles en operationele dashboards met de juiste toegangscontroles en auditlogboekregistratie. Vibe-codeervaardigheid. Maak snel prototypes van nieuwe web-apps met moderne frameworks. Als u de kennis van uw beste mensen kunt omzetten in vaardigheden, hoeft u niet voor elke functie specialisten in te huren. Zes stappen om dit allemaal in de praktijk te brengen. Samenvattend: het onboarden en beheren van agenten wordt de kerntaak voor elke functie. Hier zijn zes dingen die u nu in de praktijk kunt brengen:Lineair: laat elke ontwikkelaar standaard een codeertool zoals Cursor, Claude Code of Codex gebruiken. Haal PM's en ontwerpers naar de codebase. Laat ze PR's en verzendcode indienen met behulp van agenten. Leid niet langer elke kleine verandering door een ingenieur. Van Ramp: Meet de AI-vaardigheid binnen uw team. Het 4-niveaus raamwerk van Ramp geeft je een gedeeld vocabulaire voor waar mensen zijn en waar ze heen moeten. Houd het AI-gebruik bij en maak het onderdeel van de prestatieverwachtingen. Je kunt niet verbeteren wat je niet meet, en prikkels zijn belangrijk. Vanuit de fabriek: beoordeel uw codebase op de gereedheid van agenten. Gebruik de gereedheidsniveaus voor agenten van Factory om te begrijpen of uw codebase gereed is. Codificeer de expertise van uw team in herbruikbare vaardigheden. Codeer wat uw beste mensen weten in vaardigheidsbestanden en maak het gemakkelijk voor zowel mensen als agenten om deze te gebruiken. Bovenal: schakel agenten in zoals u een mens aan boord zou doen. Geef ze context, verbind ze met uw operationele stapel en houd een mens verantwoordelijk voor hun resultaten. Laat me weten wat u ervan vindt in de reacties!

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)