Ваша нова робота — підключати агентів штучного інтелекту: як насправді працюють компанії, створені на основі штучного інтелекту

In This Article

Шановні підписники, останні кілька місяців я провів інтерв’ю з керівниками компаній, які використовують штучний інтелект. Тепер я переконаний, що: адаптація та керування агентами штучного інтелекту – ЦЕ робота, незалежно від вашої функції. У цьому безкоштовному глибокому зануренні я хочу поділитися тим, як три компанії, які використовують штучний інтелект — Linear, Ramp і Factory — застосовують цей принцип на практиці. Ось деякі цитати з кожного: Нан Ю (керівник продукту, Linear): «У вас будуть члени команди зі штучного інтелекту, яким ви можете призначати завдання та спілкуватися з людьми так само, як ви спілкуєтеся з людьми». Джефф Чарльз (CPO, Ramp): «Якщо ви не використовуєте Claude Code, незалежно від вашої ролі, ви, ймовірно, погано працюєте». Ено Рейес (технічний директор, Factory): «Ми кодифікували керування продуктами, зовнішній інтерфейс користувача, аналізу даних і багато іншого в багаторазові навички, які може використовувати будь-який працівник». Читайте далі, щоб дізнатися, як працює кожна компанія, яка використовує штучний інтелект. Linear: перетворення агентів штучного інтелекту в першокласних товаришів по команді. Ви можете @згадати агента, щоб створити та призначити проблему іншому агенту. Підхід Linear до агентів формується їхнім продуктом. Нан (керівник продукту Linear) вважає, що: Агенти мають бути першокласними працівниками. Ви повинні мати можливість додавати їх до проектів, призначати для проблем і згадувати в коментарях. Однак Нан також вважає, що людина завжди відповідає за результат. Ось як Linear створює продукти за допомогою агентів на кожному кроці: Зрозумійте проблему. Агенти читають і підсумовують кожну розмову клієнта з Intercom, Zendesk і Gong. Вони автоматично створюють проблеми, усувають їх дублікати в порівнянні з невиконаними документами та призначають їх правильній команді. Визначити розв’язок. Оскільки агенти мають доступ до розмов із клієнтами, вони можуть допомогти вам повторити специфікацію, витягаючи аналітичні дані з кількох каналів. Складіть план. Агенти можуть розбити вашу специфікацію на конкретні квитки та автоматично спрямувати їх до потрібних команд. Зараз у Linear агенти створюють більшість квитків. Робота людини полягає в тому, щоб переглядати свою роботу та коригувати контекст з часом. Виконайте. Помилки та невеликі функції призначаються безпосередньо агентам, таким як Codex і Cursor. Для складних функцій інженери запускають Claude Code та використовують Linear MCP, щоб охопити повний контекст проблеми. Від Нана: Складається враження, що обсяг того, що можуть виконувати агенти, розширюється з кожним кварталом. Нові моделі та джгути розсувають межі від простих виправлень до дедалі складніших проектів. Хочете будувати за допомогою таких агентів, як Linear? Ось 4 практичні кроки, якими Нан поділилася щодо того, що ваша команда може зробити сьогодні: кожен розробник повинен за замовчуванням використовувати провідний інструмент агентного кодування. Це найпростіший перший крок. Надайте офіційний інструмент (Cursor, Claude Code або Codex) і керуйте ним, щоб бачити використання. Доповніть агентом асинхронного хмарного кодування. Асинхронні фонові агенти можуть одноразово вносити більшість дрібних змін і виправляти помилки. У Cursor і Devin є хороші пропозиції. Наполягайте на тому, щоб дизайнери та керівники програм працювали безпосередньо над кодовою базою. Такі агенти, як Клод, відкривають менеджерам проектів і дизайнерам можливість вносити зміни безпосередньо в кодову базу. Кожен має прагнути бути будівельником. Менеджери менеджерів і маркетологи повинні за замовчуванням використовувати інтерфейс ШІ. Ці функції повинні виконувати 80-100% своєї роботи через інтерфейс чату — будь то Claude, ChatGPT, Notion AI чи щось подібне. Нан бачить майбутнє, де люди співпрацюватимуть з агентами на рівні специфікацій, визначаючи, що потрібно створити й чому, а потім передадуть речі агентам, які впораються з усіма подальшими процесами. Ramp: вимірювання кваліфікації штучного інтелекту на 4 рівнях. Ramp швидко підштовхує своїх співробітників до використання штучного інтелекту на 4 рівнях. Якщо Linear показує, як зробити агентів першокласною частиною вашої команди, то Ramp показує, як залучити всю компанію до цього. У 2025 році компанія Ramp випустила понад 500 функцій, досягла доходу в 1 мільярд доларів і зробила все це за допомогою 25 PM. Вони зробили це, вимагаючи, щоб кожна окрема функція (англійська, продукт, дизайн, продажі, маркетинг, юридична служба, фінанси) була включена та працювала з агентами. Джефф (CPO Ramp) поділився системою для оцінки кваліфікації ШІ для кожного працівника, яку я вважаю надзвичайно практичною: L0: Іноді використовує ChatGPT. Ці люди, швидше за все, не будуть працювати в компанії довгостроково. Джефф каже, що якщо ви не починаєте самостійно працювати з інструментами штучного інтелекту, вам буде дуже важко навчитися досягати успіху. L1: використовує та налаштовує GPT, проекти та внутрішні інструменти штучного інтелекту. Ці люди експериментують зі штучним інтелектом, але ще не автоматизували справжню роботу. L2: створює програму, яка автоматизує частину їхніхробота. Ці люди можуть публікувати код або давати значущі відгуки про роботу інших людей за допомогою інструментів ШІ. L3: розробники систем. Ці люди створюють інфраструктуру штучного інтелекту та створюють навички, які прискорюють роботу всіх інших членів команди. Мета компанії — підштовхнути кожного вгору. L0s самостійно вибирають. L1 перетворюються на L2. L2 стають L3. А L3 впливають на решту організації. Джефф також поділився 5 кроками, які будь-яка компанія може зробити, щоб стати рідним штучним інтелектом: усунути всі тертя. Надайте доступ до популярних інструментів штучного інтелекту без обмежень щодо токенів чи бюджетів і створіть внутрішнє сховище навичок штучного інтелекту, з яких кожен зможе скористатися. Якщо налаштування складне, більшість людей не приймуть. Зробіть видимим прийняття. Створіть публічні канали Slack, де люди зможуть ділитися тим, що вони створили. У всіх руках продемонструйте неінженерів, які роблять вражаючі речі, як-от фінанси, створення казначейської системи або маркетинг, автоматизація створення веб-сайтів. Надайте практичну підтримку. Організуйте робочі години, до яких може приєднатися кожен, щоб розвивати навички штучного інтелекту та розвивати робочі процеси. Визначили експертів зі штучного інтелекту, вся робота яких полягає в тому, щоб проповідувати, налаштовувати людей і допомагати їм досягти «моменту ага». Відстежуйте використання та втручайтеся. Ramp відстежує споживання токенів інструментами ШІ на одного співробітника. Керівництво ділиться цими даними, щоб створити природну підзвітність і втрутитися, коли хтось використовує мало. Зробіть це вимогою найму. Інтерв’ю з PM тепер включає спеціальну сесію, під час якої вам потрібно створити робочий продукт, а потім пояснити, чому ви його створили та як він працює. Джефф підсумував свою філософію лідерства для кожної ролі в Ramp одним рядком: Ваше завдання — автоматизувати вашу роботу. Від Джеффа: "Якщо я скажу моїй команді 10 разів, що CTA має бути вище, виправлення не буде сказати це 11-го разу. Це кодує цей зворотний зв’язок у автоматизованому процесі критичного проектування або навичках ШІ, щоб це ніколи не повторювалося". з першого дня. Якщо Linear і Ramp показують, як компанії використовують агентів ШІ, то Factory показує, що відбувається, коли ви будуєте навколо них з першого дня. Factory — це компанія з розробки програмного забезпечення зі штучним інтелектом, яка складається з 55 осіб і вартістю 300 мільйонів доларів США. Ось чим вони відрізняються: Наймайте інженерів із продуктів. Factory не наймає керівників менеджерів та інженерів окремо. Натомість вони наймають інженерів продуктів, які керують агентами ШІ та працюють із ними. Типовий день виглядає так: Вивчіть сліди від запуску агента, щоб побачити, де система прийняла неправильні рішення. Пишіть виправлення не як код, а як керування (наприклад, оновлення навичок, нове правило lint або вдосконалена автоматизація). Переглядайте лише PR, які агенти позначають як високоризикові (агенти подбають про решту). Пропонуйте нові ідеї та обговорюйте пріоритети з колегами та штучним інтелектом. Ця робота непроста та потребує глибшого досвіду, але важелі впливу величезні. Зробіть свій codebase agent-ready Щоб бути ефективними, агентам потрібна кодова база, у якій вони можуть працювати. Factory оцінює бази кодів за п’ятьма рівнями зрілості, і Рівень 3 («Стандартизований») — це те, на що більшість команд мають націлитися в першу чергу. Структура готовності агентів Factory Вкодруйте досвід у багаторазові навички. Коли ваша кодова база буде готова до роботи з агентами, наступним кроком стане надання агентам знань для прийняття правильних рішень за допомогою навичок (загалом це лише текстові файли розмітки). Фабрика використовує навички, щоб кодувати знання експертів і компанії в щось, що може використовувати будь-який агент або працівник. Ось список навичок, які Factory використовує внутрішньо, і посилання на їхні файли розмітки, які ви можете копіювати та змінювати: Навички керування продуктами. Принципи продукту, 11-зіркова структура досвіду (запозичена у Брайана Ческі з Airbnb), шаблон PRD, рубрика оцінки та мовні вказівки – все в одному файлі розмітки. Навички інтеграції інтерфейсу користувача Frontend. Інструктує Droid про те, як створювати функції за допомогою системи проектування Factory, умов маршрутизації та стандартів тестування. Навички аналітика даних ШІ. Виконуйте дослідницький аналіз, створюйте візуалізації та створюйте статистичні звіти за допомогою повної екосистеми Python. Навички внутрішніх інструментів. Створюйте адміністративні панелі, консолі підтримки та оперативні інформаційні панелі з належним контролем доступу та журналюванням аудиту. Навички кодування Vibe. Швидко створюйте прототипи нових веб-програм з нуля за допомогою сучасних фреймворків. Якщо ви можете закодувати те, що знають ваші найкращі люди, у навички, вам не потрібно наймати спеціалістів для кожної функції. 6 кроків, щоб застосувати все це на практиці Підсумуйте: адаптація та керування агентами стає основною роботою для кожної функції. Ось шість речей, які ви можете застосувати на практиці прямо зараз: ВідЛінійний: за замовчуванням кожен розробник використовує агентський інструмент кодування, як-от Cursor, Claude Code або Codex. Залучайте керівників програм та дизайнерів до кодової бази. Нехай вони надсилають PR та надсилають код за допомогою агентів. Припиніть направляти кожну дрібну зміну через інженера. Від Ramp: виміряйте рівень навичок ШІ у вашій команді. 4-рівнева структура Ramp дає вам спільний словниковий запас щодо того, де люди знаходяться та куди їм потрібно йти. Відстежуйте використання штучного інтелекту та робіть його частиною очікуваної продуктивності. Ви не можете покращити те, що не вимірюєте, і стимули мають значення. From Factory: Оцініть свою кодову базу на готовність агента. Використовуйте рівні готовності агента Factory, щоб зрозуміти, чи готова ваша кодова база. Кодуйте досвід вашої команди в багаторазові навички. Закодуйте те, що знають ваші найкращі люди, у файли навичок і спростіть їх використання як для людей, так і для агентів. Перш за все, агенти на борту, як ви залучаєте людину. Надайте їм контекст, підключіть їх до свого операційного стеку та зробіть людину відповідальною за їхні результати. Дайте мені знати, що ви думаєте, у коментарях!

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)