Vaša nova naloga je vključevanje agentov za umetno inteligenco: kako dejansko delujejo domača podjetja z umetno inteligenco

In This Article

Dragi naročniki, zadnjih nekaj mesecev sem intervjuval vodilne v podjetjih, ki uporabljajo AI. Zdaj sem prepričan, da: Vključevanje in upravljanje agentov umetne inteligence JE delo, ne glede na to, kakšna je vaša funkcija. V tem brezplačnem poglobljenem potopu želim deliti, kako tri podjetja, ki izvirajo iz umetne inteligence – Linear, Ramp in Factory – to načelo udejanjajo. Tukaj je nekaj citatov od vsakega: Nan Yu (vodja produkta, Linear): »Imeli boste člane ekipe AI, ki jim lahko dodelite naloge in se z njimi pogovarjate, tako kot se pogovarjate z ljudmi.« Geoff Charles (CPO, Ramp): »Če ne uporabljate Claude Code, ne glede na to, kakšna je vaša vloga, ste verjetno slabši.« Eno Reyes (CTO, Factory): »Kodificirali smo upravljanje izdelkov, čelni uporabniški vmesnik, analizo podatkov in še več v veščinah za večkratno uporabo, na katere se lahko sklicuje kateri koli zaposleni.« Preberite naprej, če si želite ogledati, kako deluje posamezno podjetje, ki temelji na umetni inteligenci. Linear: iz agentov z umetno inteligenco naredite prvorazredne soigralce. Lahko @omenite agenta, da ustvarite in dodelite težavo drugemu agentu. Linearjev pristop k agentom oblikuje njihov izdelek. Nan (Linearjev vodja produkta) meni, da: Agenti bi morali biti prvorazredni zaposleni. Morali bi jih imeti možnost dodati projektom, jih dodeliti težavam in omeniti v komentarjih. Vendar Nan tudi verjame, da je človek vedno odgovoren za rezultat. Evo, kako Linear gradi izdelke z agenti v vsakem koraku: Razumejte težavo. Agenti berejo in povzemajo vsak pogovor s stranko Intercom, Zendesk in Gong. Samodejno ustvarijo težave, jih odstranijo iz zaostankov in jih dodelijo pravi ekipi. Identificirajte rešitev. Ker imajo agenti dostop do pogovorov s strankami, vam lahko pomagajo ponoviti specifikacijo tako, da pridobijo podatkovno podprte vpoglede iz več kanalov. Naredi načrt. Agenti lahko vaše specifikacije razdelijo na konkretne vstopnice in jih samodejno usmerijo k pravim ekipam. Pri Linearju agenti zdaj ustvarijo večino vstopnic. Človekova naloga je, da pregleda svoje delo in sčasoma prilagodi kontekst. Izvedite. Napake in majhne funkcije se dodelijo neposredno agentom, kot sta Codex in Cursor. Za zapletene funkcije inženirji lansirajo Claude Code in uporabljajo Linear MCP, da potegnejo v celoten kontekst težave. Od Nana: Zdi se, kot da se obseg tega, s čimer lahko upravljajo agenti, vsako četrtletje širi. Novi modeli in pasovi premikajo mejo od preprostih popravkov do vse bolj zapletenih projektov. Želite graditi s posredniki, kot je Linear? Tukaj so 4 praktični koraki, ki jih je Nan delila o tem, kaj lahko vaša ekipa naredi danes: Vsak razvijalec bi moral privzeto uporabiti vodilno orodje za agentsko kodiranje. To je najlažji prvi korak. Zagotovite uradno orodje (Cursor, Claude Code ali Codex) in ga upravljajte, da boste lahko videli uporabo. Dopolnite z asinhronim agentom za kodiranje v oblaku. Asinhroni agenti v ozadju lahko naenkrat odpravijo večino majhnih sprememb in popravkov napak. Cursor in Devin imata dobre ponudbe. Vztrajajte, da oblikovalci in vodje projektov delajo neposredno na kodni bazi. Agenti, kot je Claude, odpirajo pot z nizkim trenjem za vodje projektov in oblikovalce za spreminjanje neposredno v kodni bazi. Vsak bi si moral prizadevati biti graditelj. Vodja projektov in tržniki bi morali privzeto uporabljati vmesnik AI. Te funkcije bi morale 80–100 % svojega dela opraviti prek vmesnika za klepet – pa naj bo to Claude, ChatGPT, Notion AI ali kaj podobnega. Nan vidi prihodnost, v kateri bodo ljudje sodelovali z agenti na ravni specifikacij – pri čemer bodo definirali, kaj je treba zgraditi in zakaj – ter nato posredovali stvari agentom, da bodo obravnavali vse na nižji stopnji. Ramp: Merjenje usposobljenosti umetne inteligence na 4 ravneh. Ramp hitro spodbuja svoje zaposlene, da postanejo domači na umetni inteligenci na 4 ravneh. Če Linear pokaže, kako narediti agente za prvorazredne del vaše ekipe, potem Ramp pokaže, kako pridobiti celotno podjetje, da sprejme Leta 2025 je Ramp poslal več kot 500 funkcij, dosegel prihodek v višini 1 milijarde USD in vse to naredil s 25 PM-ji. To so storili tako, da so zahtevali, da se vsaka posamezna funkcija (angl., izdelek, oblikovanje, prodaja, trženje, pravo, finance) vključi in sodeluje z agenti. Geoff (CPO Ramp) je delil okvir za ocenjevanje usposobljenosti AI za vsakega zaposlenega, ki se mi zdi izjemno praktičen:L0: Včasih uporablja ChatGPT. Ti ljudje najverjetneje ne bodo dolgoročno v podjetju. Če niste začetnik z miselnostjo rasti v smeri orodij umetne inteligence, Geoff pravi, da vas bo zelo težko usposobiti za uspeh. L1: uporablja in prilagaja GPT-je, projekte in notranja orodja umetne inteligence. Ti ljudje eksperimentirajo z umetno inteligenco, vendar še niso avtomatizirali pravega dela. L2: izdela aplikacijo, ki avtomatizira del njihovihslužba. Ti ljudje lahko izdajo kodo ali dajo pomembne povratne informacije o delu drugih ljudi z uporabo orodij AI. L3: Graditelji sistemov. Ti ljudje gradijo infrastrukturo in veščine umetne inteligence, ki pospešujejo vse ostale v ekipi. Cilj podjetja je vse potisniti navzgor po lestvici. L0-ji sami izberejo. L1 postanejo L2. L2 postanejo L3. In L3 vplivajo na ostalo organizacijo. Geoff je delil tudi 5 korakov, ki jih lahko sprejme vsako podjetje, da postane AI-native: Odstranite vsa trenja. Omogočite dostop do priljubljenih orodij umetne inteligence brez omejitev glede žetonov ali proračunov in ustvarite interno skladišče veščin umetne inteligence, iz katerih lahko vsakdo črpa. Če je nastavitev težka, večina ljudi ne bo sprejela. Posvojitev naj bo vidna. Ustvarite javne kanale Slack, kjer lahko ljudje delijo, kar so ustvarili. Na vseh rokah predstavite neinženirje, ki delajo impresivne stvari, kot je finančna izgradnja zakladniškega sistema ali trženje, avtomatizirano ustvarjanje spletnega mesta. Zagotovite praktično podporo. Gostite uradne ure, ki se jim lahko pridruži kdor koli, da razvijete spretnosti in potek dela z umetno inteligenco. Določili so strokovnjake za umetno inteligenco, katerih celotna naloga je evangelizirati, pripraviti ljudi in jim pomagati doseči »aha trenutek«. Sledite uporabi in posredujte. Ramp spremlja porabo žetonov v orodjih AI na zaposlenega. Vodstvo deli te podatke, da bi ustvarilo naravno odgovornost in posredovalo, ko je uporaba nekoga nizka. Naj bo to pogoj za zaposlovanje. Intervjuji PM zdaj vključujejo namensko sejo, kjer morate zgraditi delujoč izdelek in nato razložiti, zakaj ste ga zgradili in kako deluje. Geoff je svojo filozofijo vodenja za vsako vlogo pri Rampu povzel v eno vrstico: Vaša naloga je avtomatizirati svoje delo. Od Geoffa: "Če moji ekipi 10-krat povem, da mora biti CTA na vrhu strani, popravek tega ne reče enajstič. Te povratne informacije kodira v samodejni kritični postopek oblikovanja ali veščino umetne inteligence, tako da se nikoli več ne ponovi." Tovarna: izvorna umetna inteligenca od prvega dne. Če Linear in Ramp pokažeta, kako podjetja sprejmejo agente AI, Factory pokaže, kaj se zgodi, ko gradite okoli njih od prvega dne. Factory je 55-člansko podjetje za razvoj programske opreme z umetno inteligenco, ocenjeno na 300 milijonov USD, ki je od začetka strukturirano okoli umetne inteligence. To je tisto, po čemer so drugačni: Najemite produktne inženirje. Tovarna ne zaposluje ločeno vodjev projektov in inženirjev. Namesto tega najemajo produktne inženirje, ki upravljajo in delajo z agenti AI. Tipičen dan je videti takole: preglejte sledi zagonov agentov, da vidite, kje je sistem sprejel slabe odločitve. Pišite popravke ne kot kodo, ampak kot upravljanje (npr. posodobitev veščine, novo pravilo lint ali izboljšano avtomatizacijo) Preglejte samo PR-je, ki jih agenti označijo kot visoko tvegane (agenti poskrbijo za ostalo). Predlagajte nove ideje in razpravljajte o prednostnem poretku s kolegi in umetno inteligenco. To delo ni lahko in zahteva globlje strokovno znanje, vendar je vpliv ogromen. Naredite svoj codebase agent-ready Agenti potrebujejo kodno zbirko, v kateri lahko dejansko delajo, da so učinkoviti. Factory ocenjuje kodne baze na petih stopnjah zrelosti in 3. stopnja ("Standardizirano") je tista, na katero mora večina ekip najprej ciljati. Tovarniško ogrodje pripravljenosti za agente Vključite strokovno znanje v veščine, ki jih je mogoče ponovno uporabiti. Ko je vaša kodna baza pripravljena za agente, je naslednji korak, da agentom posredujete znanje za sprejemanje dobrih odločitev s pomočjo veščin (v bistvu samo besedilne datoteke z označevanjem). Factory uporablja veščine za kodiranje strokovnega znanja in znanja podjetja v nekaj, kar lahko uporabi vsak agent ali zaposleni. Tukaj je seznam veščin, ki jih Factory uporablja interno, in povezave do njihovih datotek za označevanje, ki jih lahko kopirate in spreminjate: Veščina upravljanja izdelkov. Načela izdelka, ogrodje izkušenj z 11 zvezdicami (izposojeno od Briana Cheskyja iz Airbnb), predloga PRD, rubrika točkovanja in jezikovna navodila, vse v eni datoteki za označevanje. Spretnost integracije sprednjega uporabniškega vmesnika. Droidu daje navodila, kako zgraditi funkcije z uporabo Factoryjevega načrtovalnega sistema, usmerjevalnih konvencij in standardov testiranja. Spretnost podatkovnega analitika AI. Zaženite raziskovalno analizo, ustvarite vizualizacije in ustvarite statistična poročila z uporabo celotnega ekosistema Python. Spretnost notranjih orodij. Zgradite skrbniške plošče, podporne konzole in operativne nadzorne plošče z ustreznimi kontrolami dostopa in revizijskim beleženjem, vgrajenim. Spretnost kodiranja Vibe. Hitro izdelajte prototip novih spletnih aplikacij iz nič s sodobnimi ogrodji. Če lahko kodirate tisto, kar vaši najboljši ljudje vedo, v veščine, vam ni treba najemati strokovnjakov za vsako funkcijo. 6 korakov, da vse to udejanjite. Če povzamemo: Vključevanje in upravljanje agentov postaja osrednja naloga za vsako funkcijo. Tukaj je šest stvari, ki jih lahko takoj uporabite v praksi: OdLinearno: vsak razvijalec privzeto uporabi orodje za agentsko kodiranje, kot je Cursor, Claude Code ali Codex. Spravite vodje projektov in oblikovalce v kodno zbirko. Pustite jim, da predložijo PR-je in pošiljajo kodo z uporabo agentov. Nehajte usmerjati vsako majhno spremembo prek inženirja. Od Ramp: Izmerite strokovnost AI v vaši ekipi. Rampov 4-stopenjski okvir vam daje skupen besednjak o tem, kje so ljudje in kam morajo iti. Sledite uporabi umetne inteligence in jo vključite v pričakovano zmogljivost. Ne morete izboljšati tistega, česar ne merite, in spodbude so pomembne. Iz tovarne: ocenite svojo kodno zbirko za pripravljenost agenta. Uporabite ravni pripravljenosti agenta Factory, da ugotovite, ali je vaša kodna baza pripravljena. Kodirajte strokovno znanje svoje ekipe v veščine, ki jih je mogoče ponovno uporabiti. Kodirajte, kar vaši najboljši ljudje vedo, v datoteke spretnosti in ljudem in agentom olajšajte njihovo uporabo. Predvsem pa vkrcani agenti, kot bi se vključili v človeka. Dajte jim kontekst, povežite jih s svojim operativnim skladom in poskrbite, da bo človek odgovoren za njihove rezultate. Povejte mi, kaj mislite v komentarjih!

You May Also Like

13 Trending Songs on TikTok in March 2026 (+ How to Use Them)

Our Best AI PM Workflows for Prototyping, Strategy, and Personal OS (2026)

China’s Cybersecurity Agency Issues Security Warning About OpenClaw