Ditt nya jobb är att ta med AI-agenter: Hur AI-inhemska företag faktiskt fungerar

In This Article

Kära prenumeranter, jag har tillbringat de senaste månaderna med att intervjua ledare på AI-baserade företag. Jag är nu övertygad om att: Att ta med och hantera AI-agenter ÄR jobbet, oavsett vilken funktion du har. I denna gratis djupdykning vill jag dela med mig av hur tre AI-infödda företag — Linear, Ramp och Factory — omsätter denna princip i praktiken. Här är några citat från var och en:Nan Yu (chef för produkt, Linear): "Du kommer att ha AI-teammedlemmar som du kan tilldela uppgifter till och prata med precis som hur du pratar med människor." Geoff Charles (CPO, Ramp): "Om du inte använder Claude Code, oavsett vilken roll du har, underpresterar du förmodligen." Eno Reyes ", vi coend mer UI, fabriksdata, analys och fabriksdata): återanvändbara färdigheter som alla anställda kan åberopa."Läs vidare för en inblick i hur varje AI-native företag fungerar.Linear: Att göra AI-agenter till förstklassiga lagkamraterDu kan @nämna en agent för att skapa och tilldela en fråga till en annan agentLinears inställning till agenter formas av deras produkt. Nan (Linears produktchef) anser att: Agenter bör vara förstklassiga anställda. Du bör kunna lägga till dem i projekt, tilldela dem till frågor och nämna i kommentarer. Men Nan tror också att människan alltid står ansvarig för resultatet. Så här bygger Linear produkter med agenter i varje steg: Förstå problemet. Agenter läser och sammanfattar varje kundkonversation från Intercom, Zendesk och Gong. De skapar automatiskt problem, de-duperar dem mot eftersläpningen och tilldelar dem till rätt team. Identifiera lösningen. Eftersom agenter har tillgång till kundkonversationer kan de hjälpa dig att repetera en spec genom att hämta dataunderstödda insikter från flera kanaler. Gör en plan. Agenter kan dela upp dina specifikationer i konkreta biljetter och dirigera dem till rätt team automatiskt. Hos Linear skapar nu agenter majoriteten av biljetter. Människans uppgift är att se över sitt arbete och anpassa sitt sammanhang över tid. Utför. Buggar och små funktioner tilldelas direkt till agenter som Codex och Cursor. För komplexa funktioner lanserar ingenjörer Claude Code och använder linjär MCP för att få in hela frågans sammanhang. Från Nan: Det känns som att omfattningen av vad agenter kan hantera utökas varje kvartal. Nya modeller och selar flyttar gränsen från enkla fixar till allt mer komplexa projekt. Vill du bygga med agenter som Linear? Här är fyra praktiska steg som Nan delade om vad ditt team kan göra idag: Varje utvecklare bör som standard använda ett ledande agentkodningsverktyg. Detta är det enklaste första steget. Tillhandahåll det officiella verktyget (Cursor, Claude Code eller Codex) och hantera det så att du kan se användningen. Komplettera med en asynkron molnkodningsagent. Asynkrona bakgrundsagenter kan göra de flesta små ändringar och buggfixar i ett enda steg. Cursor och Devin har bra erbjudanden här. Insistera på att designers och PM arbetar direkt på kodbasen. Agenter som Claude öppnar en lågfriktionsväg för PM och designers att göra ändringar direkt i kodbasen. Alla bör sträva efter att vara en byggare. PM:er och marknadsförare bör som standard använda ett AI-gränssnitt. Dessa funktioner bör göra 80-100 % av sitt arbete via ett chattgränssnitt – oavsett om det är Claude, ChatGPT, Notion AI eller något liknande. Nan ser en framtid där människor kommer att samarbeta med agenter på spec-nivå – definiera vad som behöver byggas och varför – och sedan skicka över saker till agenter för att hantera allt nedströms.Ramp: Measuring AI proficiency in 4 levelsRamp pressar snabbt sina anställda att vara AI-native i 4 nivåer. 2025 levererade Ramp 500+ funktioner, nådde 1 miljard dollar i intäkter och gjorde allt med 25 PM. De gjorde detta genom att kräva att varje enskild funktion (eng, produkt, design, försäljning, marknadsföring, juridik, ekonomi) var ombord och arbetade med agenter. Geoff (CPO Ramp) delade ett ramverk för att utvärdera AI-kunskaper som jag kan använda för varje anställd:0: ChatGPT. Dessa personer kommer sannolikt inte att vara på företaget på lång sikt. Om du inte är en självstartare med ett tillväxttänkande mot AI-verktyg, säger Geoff att det kommer att bli väldigt svårt att utbilda dig till att utmärka dig.L1: Använder och justerar GPT:er, projekt och interna AI-verktyg. Dessa människor experimenterar med AI men har inte automatiserat riktigt arbete än.L2: Bygger en app som automatiserar en del av derasjobb. Dessa personer kan begå kod eller ge meningsfull feedback om andras arbete med hjälp av AI-verktyg.L3: Systembyggare. Dessa människor bygger AI-infrastrukturen och färdigheter som accelererar alla andra i teamet. Företagets mål är att driva alla uppför stegen. L0s själv väljer ut. L1:or blir L2:or. L2:or blir L3:or. Och L3s påverkar resten av organisationen. Geoff delade också med sig av 5 steg som alla företag kan ta för att bli AI-native: Ta bort all friktion. Ge tillgång till populära AI-verktyg utan begränsningar på tokens eller budgetar och skapa ett internt arkiv med AI-färdigheter vem som helst kan dra ifrån. Om installationen är svår kommer de flesta inte att adoptera. Gör adoption synlig. Skapa offentliga Slack-kanaler där människor kan dela det de byggt. Visa över huvud taget upp icke-ingenjörer som gör imponerande saker, som att finansiera att bygga ett finanssystem eller marknadsföra en automatisering av webbplatsskapandet. Ge praktisk support. Var värd för kontorstid där alla kan gå med för att bygga AI-kunskaper och arbetsflöden. Har utsett AI-experter vars hela jobb är att evangelisera, få människor att ställa in och hjälpa dem att nå "aha-ögonblicket". Spåra användning och ingripa. Ramp spårar tokenförbrukning över AI-verktyg per anställd. Ledarskap delar denna data för att skapa naturligt ansvarstagande och träda in när någons användning är låg. Gör det till ett anställningskrav. PM-intervjuer inkluderar nu en dedikerad session där du behöver bygga en fungerande produkt och sedan förklara varför du byggde den och hur den fungerar. Geoff sammanfattade sin ledarskapsfilosofi för varje roll på Ramp på en rad: Ditt jobb är att automatisera ditt jobb.Från Geoff: "Om jag säger till mitt team 10 gånger att CTA:n måste vara ovanför mitten, är korrigeringen inte att säga det 11:e gången. Det är att koda in den feedbacken till en automatiserad designkritisk process så att det aldrig händer igen från AI-dag." oneOm Linear och Ramp visar hur företag tar till sig AI-agenter visar Factory vad som händer när du bygger runt dem från dag ett. Factory är ett 55-personers AI-programvaruutvecklingsföretag värderat till $300 miljoner som är strukturerat kring AI från grunden. Det här är vad som gör dem olika: Hyr produktingenjörerFactory anställer inte PM och ingenjörer separat. Istället anställer de produktingenjörer som hanterar och arbetar med AI-agenter. En typisk dag ser ut så här: Undersök spår från agentkörningar för att se var systemet tog dåliga beslut. Skriv korrigeringar inte som kod, utan som styrning (t.ex. en uppdatering av en färdighet, en ny lintregel eller en förfinad automatisering) Granska endast de PR som agenter flaggar som högrisk (agenter tar hand om resten). Föreslå nya idéer och debattera prioritering med kollegor och AI. Det här arbetet är inte lätt, men kräver djupare expertis. agent-readyAgents behöver en kodbas de faktiskt kan arbeta i för att vara effektiva. Factory poängsätter kodbaser över fem mognadsnivåer, och nivå 3 ("Standardiserad") är där de flesta team måste sikta först.Factorys ramverk för agentberedskapKoda expertis till återanvändbara färdigheter När din kodbas är agentklar är nästa steg att ge agenter kunskapen att fatta bra beslut genom färdigheter (i princip bara textmarkeringsfiler). Factory använder färdigheter för att koda in expert- och företagskunskap till något som alla agenter eller anställda kan använda. Här är en lista över färdigheter som Factory använder internt och länkar till deras markdown-filer för dig att kopiera och ändra: Produkthanteringsförmåga. Produktprinciper, ett 11-stjärnigt ramverk för upplevelser (lånat från Airbnbs Brian Chesky), PRD-mall, poängbetyg och språkvägledning allt i en nedskrivningsfil. Färdighet för integration av frontend UI. Instruerar Droid om hur man bygger funktioner med Factorys designsystem, routingkonventioner och teststandarder. AI-dataanalytiker. Kör utforskande analys, bygg visualiseringar och generera statistiska rapporter med hela Python-ekosystemet. Skickligheten med interna verktyg. Bygg administratörspaneler, supportkonsoler och operationella instrumentpaneler med rätt åtkomstkontroller och granskningsloggning inbyggd. Vibe-kodningsförmåga. Prototypa snabbt nya webbappar från grunden med moderna ramverk. Om du kan koda in det dina bästa människor kan till färdigheter behöver du inte anställa specialister för varje funktion.6 steg för att omsätta allt detta i praktiken Sammanfattning: Introduktion och hantering av agenter blir kärnjobbet för varje funktion. Här är sex saker du kan omsätta i praktiken just nu:FrånLinear:Ställ in varje utvecklare som standard för ett agentkodningsverktyg som Cursor, Claude Code eller Codex. Få in PM och designers i kodbasen. Låt dem skicka in PR och skicka kod med hjälp av agenter. Sluta dirigera varje liten förändring genom en ingenjör.Från Ramp: Mät AI-kunskaper i ditt team. Ramps ramverk på fyra nivåer ger dig ett gemensamt ordförråd för var människor är och vart de behöver gå. Spåra AI-användning och gör det till en del av prestandaförväntningarna. Du kan inte förbättra det du inte mäter, och incitament är viktiga. Från fabrik: Gör poäng i din kodbas för agentberedskap. Använd Factorys agentberedskapsnivåer för att förstå om din kodbas är klar. Kodifiera ditt teams expertis till återanvändbara färdigheter. Koda in det dina bästa människor vet i färdighetsfiler och gör det enkelt för både människor och agenter att använda dem. Framför allt ombord agenter som du ombord på en människa. Ge dem sammanhang, koppla dem till din operativa stack och håll en människa ansvarig för deras resultat. Låt mig veta vad du tycker i kommentarerna!

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