Twoja nowa praca polega na wdrażaniu agentów AI: jak faktycznie działają firmy natywne oparte na sztucznej inteligencji

In This Article

Drodzy subskrybenci, ostatnie kilka miesięcy spędziłem na przeprowadzaniu wywiadów z liderami firm wykorzystujących sztuczną inteligencję. Jestem teraz przekonany, że: Wdrażanie agentów AI i zarządzanie nimi JEST zadaniem, niezależnie od tego, jaką pełnisz funkcję. Podczas tego bezpłatnego, szczegółowego omówienia chcę podzielić się tym, jak trzy firmy korzystające z sztucznej inteligencji — Linear, Ramp i Factory — wdrażają tę zasadę w praktyce. Oto kilka cytatów od każdego z nich: Nan Yu (szef produktu, Linear): „Będziesz mieć członków zespołu AI, którym możesz przydzielać zadania i z którymi możesz rozmawiać w taki sam sposób, w jaki rozmawiasz z ludźmi.” Geoff Charles (CPO, Ramp): „Jeśli nie używasz Claude Code, niezależnie od roli, jaką pełnisz, prawdopodobnie nie osiągasz dobrych wyników.” Eno Reyes (CTO, Factory): „Skodowaliśmy zarządzanie produktami, interfejs użytkownika, analizę danych i nie tylko, tak aby można było je ponownie wykorzystać umiejętności, z których może skorzystać każdy pracownik”. Czytaj dalej, aby dowiedzieć się, jak działa każda firma bazująca na sztucznej inteligencji. Liniowy: uczynienie agentów AI pierwszorzędnymi członkami zespołu Możesz dodać @wzmiankę o agencie, aby utworzyć i przypisać problem innemu agentowi Liniowe podejście do agentów jest kształtowane przez ich produkt. Nan (szef produktu Linear) uważa, że: Agenci powinni być pracownikami najwyższej klasy. Powinieneś móc dodawać je do projektów, przypisywać do problemów i wspominać w komentarzach. Jednak Nan wierzy również, że za wynik zawsze odpowiada człowiek. Oto jak Linear tworzy produkty z udziałem agentów na każdym etapie: Zrozum problem. Agenci czytają i podsumowują każdą rozmowę klienta z Intercom, Zendesk i Gong. Automatycznie tworzą problemy, deduplikują je na podstawie backlogu i przydzielają do odpowiedniego zespołu. Zidentyfikuj rozwiązanie. Ponieważ agenci mają dostęp do rozmów z klientami, mogą pomóc w iteracji specyfikacji, pozyskując spostrzeżenia poparte danymi z wielu kanałów. Zrób plan. Agenci mogą podzielić Twoją specyfikację na konkretne zgłoszenia i automatycznie skierować je do odpowiednich zespołów. W Linear agenci tworzą obecnie większość biletów. Zadaniem człowieka jest przeglądanie swojej pracy i dostosowywanie kontekstu w czasie. Wykonaj. Błędy i drobne funkcje są przypisywane bezpośrednio agentom takim jak Codex i Cursor. W przypadku złożonych funkcji inżynierowie uruchamiają Claude Code i korzystają z Linear MCP, aby uzyskać pełny kontekst problemu. Od Nan: Mam wrażenie, że zakres możliwości, z jakimi mogą sobie poradzić agenci, zwiększa się z każdym kwartałem. Nowe modele i uprzęże przesuwają granice od prostych poprawek do coraz bardziej złożonych projektów. Chcesz budować z agentami takimi jak Linear? Oto 4 praktyczne kroki, które Nan podzieliła się na temat tego, co może dziś zrobić Twój zespół: Każdy programista powinien domyślnie korzystać z wiodącego narzędzia do kodowania agentowego. To najłatwiejszy pierwszy krok. Udostępnij oficjalne narzędzie (Cursor, Claude Code lub Codex) i zarządzaj nim, aby zobaczyć wykorzystanie. Uzupełnij agenta kodowania asynchronicznego w chmurze. Asynchroniczni agenci działający w tle mogą jednorazowo przeprowadzić większość drobnych zmian i poprawek błędów. Cursor i Devin mają tutaj dobrą ofertę. Nalegaj, aby projektanci i PM pracowali bezpośrednio nad bazą kodu. Agenci tacy jak Claude otwierają dla PMów i projektantów prostą ścieżkę do wprowadzania zmian bezpośrednio w kodzie. Każdy powinien starać się być konstruktorem. PM i marketerzy powinni domyślnie korzystać z interfejsu AI. Funkcje te powinny wykonywać 80–100% swojej pracy za pośrednictwem interfejsu czatu — niezależnie od tego, czy jest to Claude, ChatGPT, Notion AI czy coś podobnego. Nan widzi przyszłość, w której ludzie będą współpracować z agentami na poziomie specyfikacji — definiując, co należy zbudować i dlaczego — a następnie przekazywać wszystko agentom, aby zajęli się wszystkim na dalszym etapie. Rampa: Pomiar biegłości w zakresie sztucznej inteligencji na 4 poziomach Ramp szybko zachęca swoich pracowników do korzystania z sztucznej inteligencji na 4 poziomach Jeśli Linear pokazuje, jak uczynić agentów pierwszorzędną częścią Twojego zespołu, Ramp pokazuje, jak przekonać całą firmę do ich przyjęcia. W 2025 r. Ramp dostarczył ponad 500 sztuk funkcji, osiągnął przychód na poziomie 1 miliarda dolarów i zrobił to wszystko przy 25 PM. Osiągnęli to poprzez wymaganie od każdej pojedynczej funkcji (eng, produktu, projektowania, sprzedaży, marketingu, prawa, finansów) wdrożenia i współpracy z agentami. Geoff (CPO Ramp) udostępnił ramy oceny biegłości w zakresie sztucznej inteligencji dla każdego pracownika, które uważam za niezwykle praktyczne:L0: Czasami korzysta z ChatGPT. Osoby te najprawdopodobniej nie będą pracować w firmie przez dłuższy czas. Geoff twierdzi, że jeśli nie jesteś osobą początkującą i nastawioną na rozwój w zakresie narzędzi AI, bardzo trudno będzie Cię wyszkolić w zakresie Excela. L1: Używa i ulepsza GPT, projekty i wewnętrzne narzędzia AI. Ci ludzie eksperymentują ze sztuczną inteligencją, ale jeszcze nie zautomatyzowali prawdziwej pracy. L2: Tworzy aplikację, która automatyzuje część ich pracystanowisko. Osoby te mogą zatwierdzać kod lub przekazywać znaczące opinie na temat pracy innych osób za pomocą narzędzi AI.L3: Twórcy systemów. Ci ludzie budują infrastrukturę AI i umiejętności, które przyspieszają pracę wszystkich pozostałych członków zespołu. Celem firmy jest pchanie wszystkich w górę drabiny. L0s wybierają samodzielnie. L1 stają się L2. L2 stają się L3. A L3 mają wpływ na resztę organizacji. Geoff podzielił się także pięcioma krokami, które może podjąć każda firma, aby narodzić się w oparciu o sztuczną inteligencję: Usuń wszelkie tarcia. Zapewnij dostęp do popularnych narzędzi AI bez ograniczeń dotyczących tokenów i budżetów i utwórz wewnętrzne repozytorium umiejętności AI, z których każdy będzie mógł czerpać. Jeśli konfiguracja jest trudna, większość ludzi nie zdecyduje się na adopcję. Spraw, aby adopcja była widoczna. Twórz publiczne kanały na platformie Slack, na których ludzie będą mogli dzielić się tym, co stworzyli. Z każdej strony pokazuj osoby niebędące inżynierami, które robią imponujące rzeczy, takie jak budowanie finansów w systemie skarbowym lub automatyzacja marketingu przy tworzeniu stron internetowych. Zapewnij praktyczne wsparcie. Organizuj godziny pracy, do których każdy może dołączyć, aby rozwijać umiejętności AI i przepływy pracy. Wyznacz ekspertów AI, których zadaniem jest ewangelizowanie, ustawianie ludzi i pomaganie im w osiągnięciu „momentu aha”. Śledź użycie i interweniuj. Ramp śledzi zużycie tokenów w narzędziach AI na pracownika. Kierownictwo udostępnia te dane, aby zapewnić naturalną odpowiedzialność i wkraczać, gdy czyjeś wykorzystanie jest niskie. Niech będzie to wymóg dotyczący zatrudnienia. Rozmowy kwalifikacyjne z PM obejmują teraz dedykowaną sesję, podczas której musisz zbudować działający produkt, a następnie wyjaśnić, dlaczego go zbudowałeś i jak działa. Geoff podsumował swoją filozofię przywództwa dla każdej roli w Ramp w jednym zdaniu: Twoim zadaniem jest zautomatyzowanie swojej pracy. Od Geoffa: „Jeśli powiem mojemu zespołowi 10 razy, że wezwanie do działania musi być powyżej pasażu, poprawka nie oznacza tego za 11 razem. To kodowanie tej informacji zwrotnej w zautomatyzowanym procesie krytycznym projektu lub umiejętności sztucznej inteligencji, aby nigdy się to nie powtórzyło”. pokazuje, co się stanie, jeśli od pierwszego dnia zaczniesz budować wokół nich. Factory to 55-osobowa firma zajmująca się tworzeniem oprogramowania AI, wyceniana na 300 mln USD, która od podstaw opiera się na sztucznej inteligencji. Oto, co ich wyróżnia: Zatrudnij inżynierów produktu Fabryka nie zatrudnia oddzielnie PMów i inżynierów. Zamiast tego zatrudniają inżynierów produktu, którzy zarządzają agentami AI i współpracują z nimi. Typowy dzień wygląda następująco: Sprawdź ślady przebiegów agentów, aby zobaczyć, gdzie system podjął błędne decyzje. Pisz poprawki nie jako kod, ale jako zarządzanie (np. aktualizacja umiejętności, nowa reguła lint lub udoskonalona automatyzacja). Przeglądaj tylko żądania żądań, które agenci oznaczyli jako obarczone wysokim ryzykiem (agenci zajmują się resztą). Sugeruj nowe pomysły i omawiaj priorytety ze współpracownikami i sztuczną inteligencją. Ta praca nie jest łatwa i wymaga głębszej wiedzy specjalistycznej, ale dźwignia jest ogromna. Spraw, aby Twój kod był gotowy na agenta. Agenci potrzebują bazy kodu, nad którą mogą faktycznie pracować, aby była skuteczna. Factory ocenia bazy kodu na pięciu poziomach dojrzałości, a poziom 3 („standaryzowany”) to poziom, na którym większość zespołów musi najpierw skupić się na celu. Framework gotowości agenta w fabryce Zakoduj wiedzę specjalistyczną w umiejętnościach wielokrotnego użytku. Gdy baza kodu będzie gotowa do obsługi agenta, następnym krokiem będzie przekazanie agentom wiedzy umożliwiającej podejmowanie dobrych decyzji na podstawie umiejętności (w zasadzie tylko pliki tekstowe z oceną). Factory wykorzystuje umiejętności do kodowania wiedzy eksperckiej i firmowej w coś, z czego może skorzystać każdy agent lub pracownik. Oto lista umiejętności, których Factory używa wewnętrznie, oraz linki do ich plików przecen, które możesz skopiować i zmodyfikować: Umiejętność zarządzania produktami. Zasady produktu, 11-gwiazdkowy framework doświadczenia (zapożyczony od Briana Chesky’ego z Airbnb), szablon PRD, rubryki punktacji i wskazówki językowe – wszystko w jednym pliku przecen. Umiejętność integracji interfejsu użytkownika z interfejsem użytkownika. Instruuje Droida, jak budować funkcje przy użyciu systemu projektowania Factory, konwencji routingu i standardów testowania. Umiejętność analityka danych AI. Przeprowadzaj analizy eksploracyjne, twórz wizualizacje i generuj raporty statystyczne, korzystając z pełnego ekosystemu Python.Umiejętność narzędzi wewnętrznych. Twórz panele administracyjne, konsole wsparcia i pulpity operacyjne z odpowiednią kontrolą dostępu i wbudowanymi rejestrami audytów. Umiejętność kodowania Vibe. Szybko twórz prototypy nowych aplikacji internetowych od podstaw, korzystając z nowoczesnych frameworków. Jeśli potrafisz zakodować w umiejętnościach to, co wiedzą najlepsi ludzie, nie musisz zatrudniać specjalistów do każdej funkcji. 6 kroków, jak zastosować to wszystko w praktyce Podsumowując: Wdrażanie agentów i zarządzanie nimi staje się podstawowym zadaniem w przypadku każdej funkcji. Oto sześć rzeczy, które możesz zastosować w praktyce już teraz: OdLiniowy: domyślnie dla każdego programisty narzędzie do kodowania agentowego, takie jak Cursor, Claude Code lub Codex. Wprowadź PMów i projektantów do bazy kodu. Pozwól im przesyłać żądania PR i kod wysyłki za pośrednictwem agentów. Przestań przekazywać każdą drobną zmianę inżynierowi. Z Rampy: Zmierz biegłość w zakresie sztucznej inteligencji w całym swoim zespole. Rampa składająca się z 4 poziomów zapewnia wspólne słownictwo określające, gdzie ludzie się znajdują i dokąd muszą się udać. Śledź wykorzystanie sztucznej inteligencji i uwzględnij je w ramach oczekiwań dotyczących wydajności. Nie możesz ulepszyć tego, czego nie mierzysz, a zachęty mają znaczenie. From Factory: Oceń bazę kodu pod kątem gotowości agenta. Skorzystaj z poziomów gotowości agentów Factory, aby sprawdzić, czy baza kodu jest gotowa. Skodyfikuj wiedzę swojego zespołu w umiejętności nadające się do ponownego wykorzystania. Zakoduj wiedzę swoich najlepszych ludzi w plikach umiejętności i ułatw korzystanie z nich zarówno ludziom, jak i agentom. Przede wszystkim wdrażaj agentów tak, jakbyś wdrażał człowieka. Daj im kontekst, połącz je ze stosem operacyjnym i powierz odpowiedzialność człowieka za ich wyniki. Daj mi znać, co myślisz w komentarzach!

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)