งานใหม่ของคุณคือการเตรียมความพร้อมให้กับตัวแทน AI: วิธีการดำเนินงานของบริษัทที่ใช้ AI จริง ๆ

In This Article

เรียนสมาชิก ฉันใช้เวลาสองสามเดือนที่ผ่านมาในการสัมภาษณ์ผู้นำของบริษัทที่มี AI เป็นหลัก ตอนนี้ฉันเชื่อมั่นว่า:การเริ่มงานและการจัดการตัวแทน AI คืองาน ไม่ว่าคุณจะทำหน้าที่อะไร ในการเจาะลึกแบบไม่มีค่าใช้จ่ายนี้ ฉันต้องการแบ่งปันว่าบริษัทที่เป็นเจ้าของ AI สามแห่ง ได้แก่ Linear, Ramp และ Factory นำหลักการนี้ไปปฏิบัติได้อย่างไร ต่อไปนี้เป็นคำพูดบางส่วนจากแต่ละคน:Nan Yu (หัวหน้าฝ่ายผลิตภัณฑ์, Linear): “คุณจะมีสมาชิกในทีม AI ที่คุณสามารถมอบหมายงานให้และพูดคุยด้วยได้เหมือนกับที่คุณพูดคุยกับผู้คน”Geoff Charles (CPO, Ramp): “หากคุณไม่ได้ใช้ Claude Code ไม่ว่าคุณจะมีบทบาทอะไร คุณก็อาจจะมีประสิทธิภาพต่ำกว่า” Eno Reyes (CTO, โรงงาน): “เราประมวลการจัดการผลิตภัณฑ์, UI ส่วนหน้า, การวิเคราะห์ข้อมูล และอื่นๆ ให้เป็นทักษะที่สามารถนำมาใช้ซ้ำได้ซึ่งพนักงานทุกคน สามารถเรียกใช้ได้” อ่านต่อเพื่อดูว่าบริษัทที่ใช้ AI แต่ละแห่งดำเนินการอย่างไร เชิงเส้น: การสร้างตัวแทน AI ให้เป็นเพื่อนร่วมทีมชั้นยอด คุณสามารถ @mention ตัวแทนเพื่อสร้างและมอบหมายปัญหาให้กับตัวแทนรายอื่นได้ แนวทางของ Linear ที่มีต่อตัวแทนนั้นถูกกำหนดโดยผลิตภัณฑ์ของพวกเขา แนน (หัวหน้าฝ่ายผลิตภัณฑ์ของ Linear) เชื่อว่า:ตัวแทนควรเป็นพนักงานชั้นหนึ่ง คุณควรจะสามารถเพิ่มพวกเขาในโครงการ มอบหมายให้กับประเด็นต่างๆ และกล่าวถึงในความคิดเห็นได้ อย่างไรก็ตาม แนนยังเชื่อว่ามนุษย์จะต้องรับผิดชอบต่อผลลัพธ์ที่เกิดขึ้นเสมอ นี่คือวิธีที่ลิเนียร์สร้างผลิตภัณฑ์ร่วมกับตัวแทนในทุกขั้นตอน: ทำความเข้าใจปัญหา เจ้าหน้าที่อ่านและสรุปทุกการสนทนาของลูกค้าจาก Intercom, Zendesk และ Gong พวกเขาสร้างปัญหาโดยอัตโนมัติ ขจัดปัญหาที่ซ้ำซ้อนกับงานที่ค้างอยู่ และมอบหมายให้กับทีมที่เหมาะสม ระบุวิธีแก้ปัญหา เนื่องจากตัวแทนสามารถเข้าถึงการสนทนากับลูกค้าได้ พวกเขาสามารถช่วยคุณย้ำข้อมูลจำเพาะได้โดยการดึงข้อมูลเชิงลึกที่ได้รับการสนับสนุนจากหลายช่องทาง วางแผน. เจ้าหน้าที่สามารถแยกข้อมูลจำเพาะของคุณออกเป็นตั๋วที่เป็นรูปธรรมและกำหนดเส้นทางไปยังทีมที่เหมาะสมได้โดยอัตโนมัติ ที่ Linear ตอนนี้ตัวแทนสร้างตั๋วส่วนใหญ่ งานของมนุษย์คือการทบทวนงานของตนและปรับบริบทตามเวลาดำเนินการ จุดบกพร่องและคุณสมบัติเล็กๆ ได้รับการมอบหมายโดยตรงให้กับตัวแทนเช่น Codex และ Cursor สำหรับคุณสมบัติที่ซับซ้อน วิศวกรเปิดตัว Claude Code และใช้ Linear MCP เพื่อดึงบริบทของปัญหาทั้งหมด จากน่าน: รู้สึกเหมือนขอบเขตของสิ่งที่เจ้าหน้าที่สามารถจัดการได้ขยายออกไปทุกไตรมาส โมเดลและชุดบังเหียนใหม่กำลังขยายขอบเขตจากการแก้ไขง่ายๆ ไปสู่โปรเจ็กต์ที่ซับซ้อนมากขึ้น ต้องการสร้างด้วยตัวแทนอย่าง Linear หรือไม่ ต่อไปนี้เป็นขั้นตอนการปฏิบัติ 4 ประการที่ Nan แบ่งปันเกี่ยวกับสิ่งที่ทีมของคุณสามารถทำได้ในวันนี้: นักพัฒนาทุกคนควรตั้งค่าเริ่มต้นให้ใช้เครื่องมือการเขียนโค้ดตัวแทนชั้นนำ นี่เป็นขั้นตอนแรกที่ง่ายที่สุด จัดเตรียมเครื่องมืออย่างเป็นทางการ (เคอร์เซอร์, Claude Code หรือ Codex) และจัดการมันเพื่อให้คุณเห็นการใช้งาน เสริมด้วยเอเจนต์การเขียนโค้ดบนคลาวด์แบบอะซิงก์ เอเจนต์พื้นหลัง Async สามารถทำการเปลี่ยนแปลงเล็กๆ น้อยๆ และแก้ไขข้อบกพร่องได้ในครั้งเดียว Cursor และ Devin มีข้อเสนอดีๆ ที่นี่ ยืนยันว่านักออกแบบและ PM ทำงานบนโค้ดเบสโดยตรง เจ้าหน้าที่อย่าง Claude เปิดเส้นทางที่มีแรงเสียดทานต่ำสำหรับ PM และนักออกแบบเพื่อทำการเปลี่ยนแปลงในโค้ดเบสโดยตรง ทุกคนควรมุ่งมั่นที่จะเป็นผู้สร้าง PM และนักการตลาดควรใช้อินเทอร์เฟซ AI เป็นค่าเริ่มต้น ฟังก์ชันเหล่านี้ควรจะทำงาน 80-100% ผ่านอินเทอร์เฟซการแชท ไม่ว่าจะเป็น Claude, ChatGPT, Notion AI หรืออะไรที่คล้ายกัน น่านมองเห็นอนาคตที่มนุษย์จะทำงานร่วมกับตัวแทนในระดับข้อมูลจำเพาะ — กำหนดสิ่งที่จำเป็นต้องสร้างขึ้นและทำไม — แล้วส่งต่อสิ่งต่าง ๆ ให้กับตัวแทนเพื่อจัดการทุกอย่างที่ปลายน้ำ Ramp: การวัดความสามารถด้าน AI ใน 4 ระดับRamp กำลังผลักดันพนักงานของพวกเขาให้เป็น AI พื้นเมืองใน 4 ระดับอย่างรวดเร็ว หาก Linear แสดงให้เห็นวิธีทำให้เจ้าหน้าที่กลายเป็นส่วนหนึ่งของทีมระดับเฟิร์สคลาสของคุณ จากนั้น Ramp ก็จะแสดงวิธีทำให้ทั้งบริษัทของคุณปรับใช้ ในปี 2025 Ramp จะจัดส่ง ฟีเจอร์มากกว่า 500 รายการ ทำรายได้ถึง 1 พันล้านดอลลาร์ และทำทุกอย่างในเวลา 25.00 น. พวกเขาทำเช่นนี้โดยกำหนดให้ทุกฟังก์ชัน (อังกฤษ ผลิตภัณฑ์ การออกแบบ การขาย การตลาด กฎหมาย การเงิน) เริ่มต้นใช้งานและทำงานร่วมกับตัวแทน Geoff (CPO Ramp) แบ่งปันกรอบงานสำหรับการประเมินความสามารถด้าน AI สำหรับพนักงานทุกคนที่ฉันพบว่ามีประโยชน์อย่างยิ่ง:L0: บางครั้งใช้ ChatGPT คนเหล่านี้มักจะไม่ได้อยู่ที่บริษัทในระยะยาว หากคุณไม่ใช่คนที่เริ่มต้นตนเองด้วยกรอบความคิดในการเติบโตต่อเครื่องมือ AI Geoff กล่าวว่าการฝึกให้คุณเก่งนั้นคงเป็นเรื่องยากมากL1: การใช้งานและปรับแต่ง GPT, โปรเจ็กต์ และเครื่องมือ AI ภายใน คนเหล่านี้กำลังทดลองใช้ AI แต่ยังไม่ได้ทำงานจริงโดยอัตโนมัติ L2: สร้างแอปที่ทำให้ส่วนหนึ่งของพวกเขาเป็นไปโดยอัตโนมัติงาน. คนเหล่านี้สามารถคอมมิตโค้ดหรือให้ข้อเสนอแนะที่มีความหมายเกี่ยวกับงานของผู้อื่นโดยใช้เครื่องมือ AI L3: ผู้สร้างระบบ คนเหล่านี้กำลังสร้างโครงสร้างพื้นฐานและทักษะ AI ที่ช่วยเร่งทุกคนในทีม เป้าหมายของบริษัทคือการผลักดันให้ทุกคนก้าวขึ้นสู่ตำแหน่งที่สูงขึ้น L0s เลือกออกเอง L1 กลายเป็น L2 L2 กลายเป็น L3 และกลุ่ม L3 มีอิทธิพลต่อส่วนที่เหลือขององค์กร Geoff ยังได้แบ่งปัน 5 ขั้นตอนที่บริษัทใดก็ตามสามารถทำได้เพื่อเป็นชาว AI: ขจัดอุปสรรคทั้งหมด ให้สิทธิ์เข้าถึงเครื่องมือ AI ยอดนิยมโดยไม่มีข้อจำกัดด้านโทเค็นหรืองบประมาณ และสร้างพื้นที่เก็บข้อมูลภายในสำหรับทักษะ AI ที่ใครๆ ก็สามารถดึงออกมาได้ หากการตั้งค่ายาก ผู้คนส่วนใหญ่จะไม่รับเลี้ยง ทำให้การรับเลี้ยงบุตรบุญธรรมปรากฏให้เห็น สร้างช่องทาง Slack สาธารณะที่ผู้คนสามารถแบ่งปันสิ่งที่พวกเขาสร้างขึ้น แสดงให้ผู้ที่ไม่ใช่วิศวกรทำสิ่งที่น่าประทับใจ เช่น การเงินสร้างระบบการเงินหรือการตลาดอัตโนมัติในการสร้างเว็บไซต์ ให้การสนับสนุนแบบลงมือปฏิบัติจริง โฮสต์เวลาทำการที่ใครๆ ก็สามารถเข้าร่วมได้เพื่อสร้างทักษะและเวิร์กโฟลว์ AI มอบหมายผู้เชี่ยวชาญด้าน AI ซึ่งมีหน้าที่ทั้งหมดคือการประกาศข่าวประเสริฐ เตรียมผู้คนให้พร้อม และช่วยให้พวกเขาไปถึง “ช่วงเวลาแห่งการรอคอย” ติดตามการใช้งานและการแทรกแซง Ramp ติดตามการใช้โทเค็นในเครื่องมือ AI ต่อพนักงานหนึ่งคน ผู้นำแบ่งปันข้อมูลนี้เพื่อสร้างความรับผิดชอบตามธรรมชาติและก้าวเข้ามาเมื่อมีการใช้งานของใครบางคนต่ำ ทำให้เป็นข้อกำหนดในการจ้างงาน การสัมภาษณ์ PM ขณะนี้มีเซสชันเฉพาะที่คุณต้องสร้างผลิตภัณฑ์ที่ใช้งานได้ จากนั้นอธิบายว่าเหตุใดคุณจึงสร้างผลิตภัณฑ์ดังกล่าวและวิธีการทำงาน Geoff สรุปปรัชญาความเป็นผู้นำของเขาสำหรับทุกบทบาทที่ Ramp ในบรรทัดเดียว: งานของคุณคือทำให้งานของคุณเป็นอัตโนมัติ จาก Geoff: “ถ้าฉันบอกทีมของฉัน 10 ครั้งว่า CTA จำเป็นต้องอยู่เหนือครึ่งหน้าล่างการแก้ไขไม่ได้หมายความว่าเป็นครั้งที่ 11 เป็นการเข้ารหัสคำติชมนั้นลงในกระบวนการวิจารณ์การออกแบบอัตโนมัติหรือทักษะ AI เพื่อที่มันจะไม่เกิดขึ้นอีก” โรงงาน: AI Native ตั้งแต่วันแรกหาก Linear และ Ramp แสดงให้เห็นว่าบริษัทต่างๆ นำตัวแทน AI มาใช้ Factory จะแสดงสิ่งที่เกิดขึ้นเมื่อ คุณสร้างมันขึ้นมารอบตัวตั้งแต่วันแรก Factory คือบริษัทพัฒนาซอฟต์แวร์ AI ที่มีพนักงาน 55 คน มีมูลค่า 300 ล้านเหรียญสหรัฐ ซึ่งมีโครงสร้างเกี่ยวกับ AI ตั้งแต่ต้นจนจบ สิ่งที่ทำให้พวกเขาแตกต่าง:จ้างวิศวกรผลิตภัณฑ์โรงงานไม่จ้าง PM และวิศวกรแยกกัน แต่พวกเขาจ้างวิศวกรผลิตภัณฑ์ที่จัดการและทำงานร่วมกับตัวแทน AI แทน วันทั่วไปดูเหมือนว่า:ตรวจสอบการติดตามจากการเรียกใช้ของเจ้าหน้าที่เพื่อดูว่าระบบตัดสินใจได้ไม่ดีตรงไหน เขียนการแก้ไขไม่ใช่เป็นโค้ด แต่เป็นการกำกับดูแล (เช่น การอัปเดตทักษะ กฎ Lint ใหม่ หรือระบบอัตโนมัติที่ได้รับการปรับปรุง) ตรวจสอบเฉพาะ PR ที่ตัวแทนตั้งค่าสถานะว่ามีความเสี่ยงสูง (ตัวแทนจะดูแลส่วนที่เหลือ) แนะนำแนวคิดใหม่ ๆ และการจัดลำดับความสำคัญของการอภิปรายกับเพื่อนร่วมงานและ AI งานนี้ไม่ใช่เรื่องง่ายและต้องใช้ความเชี่ยวชาญที่ลึกซึ้งยิ่งขึ้น แต่การใช้ประโยชน์นั้นมีมหาศาล ทำให้ตัวแทนที่พร้อมใช้โค้ดเบสของคุณจำเป็นต้องมีโค้ดเบสที่พวกเขาสามารถทำงานจริงได้ มีประสิทธิภาพ โรงงานให้คะแนนโค้ดเบสในห้าระดับวุฒิภาวะ และระดับ 3 ("มาตรฐาน") คือจุดที่ทีมส่วนใหญ่จำเป็นต้องตั้งเป้าหมายเป็นอันดับแรก เฟรมเวิร์กความพร้อมของตัวแทนของโรงงานเข้ารหัสความเชี่ยวชาญเป็นทักษะที่นำมาใช้ซ้ำได้ เมื่อโค้ดเบสของคุณพร้อมสำหรับตัวแทนแล้ว ขั้นตอนต่อไปคือการให้ความรู้แก่ตัวแทนเพื่อตัดสินใจได้ดีผ่านทักษะ (โดยพื้นฐานแล้วเป็นเพียงไฟล์มาร์กดาวน์ข้อความ) โรงงานใช้ทักษะในการเข้ารหัสความรู้ของผู้เชี่ยวชาญและบริษัทเป็นสิ่งที่ตัวแทนหรือพนักงานทุกคนสามารถใช้ได้ ต่อไปนี้เป็นรายการทักษะที่ Factory ใช้ภายในและลิงก์ไปยังไฟล์มาร์กดาวน์เพื่อให้คุณคัดลอกและแก้ไข:ทักษะการจัดการผลิตภัณฑ์ หลักการของผลิตภัณฑ์ กรอบงานประสบการณ์ 11 ดาว (ยืมมาจาก Brian Chesky ของ Airbnb) เทมเพลต PRD รูบริกการให้คะแนน และคำแนะนำด้านภาษา ทั้งหมดในไฟล์มาร์กดาวน์เดียว ทักษะการรวม UI ส่วนหน้า สอน Droid เกี่ยวกับวิธีการสร้างฟีเจอร์โดยใช้ระบบการออกแบบของ Factory รูปแบบการกำหนดเส้นทาง และมาตรฐานการทดสอบ ทักษะการวิเคราะห์ข้อมูล AI เรียกใช้การวิเคราะห์เชิงสำรวจ สร้างการแสดงภาพ และสร้างรายงานทางสถิติโดยใช้ระบบนิเวศ Python เต็มรูปแบบ ทักษะเครื่องมือภายใน สร้างแผงผู้ดูแลระบบ คอนโซลสนับสนุน และแดชบอร์ดการปฏิบัติงานพร้อมการควบคุมการเข้าถึงที่เหมาะสมและการบันทึกการตรวจสอบที่เสริมทักษะการเขียนโค้ด Vibe สร้างต้นแบบเว็บแอปใหม่ตั้งแต่ต้นอย่างรวดเร็วด้วยเฟรมเวิร์กที่ทันสมัย ​​หากคุณสามารถเข้ารหัสสิ่งที่คนเก่งที่สุดของคุณรู้เป็นทักษะได้ คุณไม่จำเป็นต้องจ้างผู้เชี่ยวชาญสำหรับทุกฟังก์ชัน 6 ขั้นตอนในการนำทั้งหมดนี้ไปปฏิบัติ สรุป:การเตรียมความพร้อมและการจัดการตัวแทนกลายเป็นงานหลักสำหรับทุกฟังก์ชัน ต่อไปนี้เป็นหกสิ่งที่คุณสามารถนำไปปฏิบัติได้ในขณะนี้:จากLinear:ตั้งค่าเริ่มต้นให้นักพัฒนาทุกคนใช้เครื่องมือเขียนโค้ดแบบเอเจนต์ เช่น Cursor, Claude Code หรือ Codex รับ PM และนักออกแบบเข้าสู่ฐานโค้ด ให้พวกเขาส่ง PR และรหัสจัดส่งโดยใช้ตัวแทน หยุดกำหนดเส้นทางการเปลี่ยนแปลงเล็กๆ น้อยๆ ผ่านวิศวกร จาก Ramp: วัดความสามารถ AI ทั่วทั้งทีมของคุณ กรอบการทำงาน 4 ระดับของ Ramp ช่วยให้คุณมีคำศัพท์ร่วมกันว่าผู้คนอยู่ที่ไหนและต้องไปที่ไหน ติดตามการใช้งาน AI และทำให้เป็นส่วนหนึ่งของความคาดหวังด้านประสิทธิภาพ คุณไม่สามารถปรับปรุงสิ่งที่คุณไม่ได้วัดได้ และสิ่งจูงใจก็มีความสำคัญ จากโรงงาน:ให้คะแนนโค้ดเบสของคุณเพื่อความพร้อมของเจ้าหน้าที่ ใช้ระดับความพร้อมของตัวแทนของ Factory เพื่อทำความเข้าใจว่าโค้ดเบสของคุณพร้อมหรือไม่ ประมวลผลความเชี่ยวชาญของทีมของคุณเป็นทักษะที่นำมาใช้ซ้ำได้ เข้ารหัสสิ่งที่คนเก่งที่สุดของคุณรู้ลงในไฟล์ทักษะ และทำให้ทั้งมนุษย์และเจ้าหน้าที่ใช้งานได้ง่าย เหนือสิ่งอื่นใด เจ้าหน้าที่บนเครื่องบินเช่นเดียวกับที่คุณใช้งานมนุษย์ ให้บริบทแก่พวกเขา เชื่อมโยงพวกเขาเข้ากับกลุ่มการปฏิบัติงานของคุณ และให้มนุษย์รับผิดชอบต่อผลลัพธ์ของพวกเขา แจ้งให้เราทราบว่าคุณคิดอย่างไรในความคิดเห็น!

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