آپ کا نیا کام AI ایجنٹوں کو آن بورڈ کرنا ہے: AI مقامی کمپنیاں اصل میں کیسے کام کرتی ہیں۔

In This Article

پیارے سبسکرائبرز، میں نے پچھلے کچھ مہینوں میں AI مقامی کمپنیوں کے لیڈروں کا انٹرویو کیا ہے۔ اب مجھے یقین ہو گیا ہے کہ: AI ایجنٹوں کو آن بورڈنگ اور ان کا انتظام کرنا ہی کام ہے، چاہے آپ کا فنکشن کچھ بھی ہو۔ اس مفت گہرے غوطے میں، میں یہ بتانا چاہتا ہوں کہ کس طرح تین AI- مقامی کمپنیاں — لکیری، ریمپ اور فیکٹری — نے اس اصول کو عملی جامہ پہنایا۔ یہاں ہر ایک کے کچھ اقتباسات ہیں: نان یو (ہیڈ آف پروڈکٹ، لائنر): "آپ کے پاس AI ٹیم کے اراکین ہوں گے جنہیں آپ کام تفویض کر سکتے ہیں اور ان سے بات کر سکتے ہیں جیسے آپ لوگوں سے بات کرتے ہیں۔" جیف چارلس (سی پی او، ریمپ): "اگر آپ کلاڈ کوڈ استعمال نہیں کر رہے ہیں، اس سے کوئی فرق نہیں پڑتا ہے کہ آپ کا کردار کیا ہے، آپ شاید کم کارکردگی کا مظاہرہ کر رہے ہیں۔ UI، ڈیٹا کا تجزیہ، اور مزید قابل استعمال مہارتوں میں جو کوئی بھی ملازم استعمال کر سکتا ہے۔” اندرونی جائزہ کے لیے پڑھیں کہ ہر AI-مقامی کمپنی کس طرح کام کرتی ہے۔ لکیری: AI ایجنٹوں کو فرسٹ کلاس ٹیم کے ساتھی بنانا آپ کسی ایجنٹ کا ذکر کر سکتے ہیں تاکہ کسی دوسرے ایجنٹ کو مسئلہ بنایا جائے اور اسے تفویض کیا جا سکے۔ نان (لینیئرز ہیڈ آف پروڈکٹ) کا خیال ہے کہ: ایجنٹوں کو فرسٹ کلاس ملازم ہونا چاہیے۔ آپ کو ان کو پراجیکٹس میں شامل کرنے، مسائل کے لیے تفویض کرنے، اور تبصروں میں ذکر کرنے کے قابل ہونا چاہیے۔ تاہم، نان یہ بھی مانتا ہے کہ انسان ہمیشہ نتائج کے لیے جوابدہ رہتا ہے۔ یہ ہے کہ Linear ہر قدم پر ایجنٹوں کے ساتھ پروڈکٹس کیسے بناتا ہے: مسئلہ کو سمجھیں۔ ایجنٹ انٹرکام، زینڈیسک، اور گونگ سے ہر صارف کی گفتگو کو پڑھتے اور خلاصہ کرتے ہیں۔ وہ مسائل کو خود بخود تخلیق کرتے ہیں، انہیں بیک لاگ کے خلاف ڈی ڈیپ کرتے ہیں، اور انہیں صحیح ٹیم کو تفویض کرتے ہیں۔ حل کی نشاندہی کریں۔ چونکہ ایجنٹوں کو کسٹمر کی بات چیت تک رسائی حاصل ہوتی ہے، اس لیے وہ متعدد چینلز سے ڈیٹا کی حمایت یافتہ بصیرتیں کھینچ کر ایک قیاس پر اعادہ کرنے میں آپ کی مدد کر سکتے ہیں۔ ایک منصوبہ بنائیں۔ ایجنٹ آپ کی قیاس آرائی کو ٹھوس ٹکٹوں میں توڑ سکتے ہیں اور انہیں خود بخود صحیح ٹیموں تک پہنچا سکتے ہیں۔ Linear میں، ایجنٹ اب زیادہ تر ٹکٹیں بناتے ہیں۔ انسان کا کام اپنے کام کا جائزہ لینا اور وقت کے ساتھ سیاق و سباق کو ایڈجسٹ کرنا ہے۔ کیڑے اور چھوٹی خصوصیات براہ راست کوڈیکس اور کرسر جیسے ایجنٹوں کو تفویض کی جاتی ہیں۔ پیچیدہ خصوصیات کے لیے، انجینئرز کلاڈ کوڈ لانچ کرتے ہیں اور مکمل ایشو کے سیاق و سباق میں کھینچنے کے لیے لائنر MCP کا استعمال کرتے ہیں۔ Nan سے: ایسا محسوس ہوتا ہے کہ ایجنٹس جو کچھ سنبھال سکتے ہیں اس کا دائرہ ہر سہ ماہی میں پھیل رہا ہے۔ نئے ماڈلز اور ہارنسز آسان اصلاحات سے بڑھتے ہوئے پیچیدہ پروجیکٹس کی حد کو آگے بڑھا رہے ہیں۔ لائنیئر جیسے ایجنٹوں کے ساتھ تعمیر کرنا چاہتے ہیں؟ یہاں 4 عملی اقدامات ہیں جنہیں Nan نے شیئر کیا ہے کہ آپ کی ٹیم آج کیا کر سکتی ہے: ہر ڈویلپر کو پہلے سے طے شدہ ایجنٹ کوڈنگ ٹول پر جانا چاہیے۔ یہ سب سے آسان پہلا قدم ہے۔ آفیشل ٹول (کرسر، کلاڈ کوڈ، یا کوڈیکس) فراہم کریں اور اس کا نظم کریں تاکہ آپ استعمال کو دیکھ سکیں۔ ایک async کلاؤڈ کوڈنگ ایجنٹ کے ساتھ ضمیمہ کریں۔ Async بیک گراؤنڈ ایجنٹ زیادہ تر چھوٹی تبدیلیوں اور بگ فکسز کو ون شاٹ کر سکتے ہیں۔ کرسر اور ڈیوین کے پاس یہاں اچھی پیشکشیں ہیں۔ اصرار کریں کہ ڈیزائنرز اور پی ایم براہ راست کوڈ بیس پر کام کرتے ہیں۔ Claude جیسے ایجنٹ PMs اور ڈیزائنرز کے لیے کوڈ بیس میں براہ راست تبدیلیاں کرنے کے لیے کم رگڑ کا راستہ کھولتے ہیں۔ ہر ایک کو بلڈر بننے کی کوشش کرنی چاہیے۔ PMs اور مارکیٹرز کو AI انٹرفیس پر ڈیفالٹ ہونا چاہیے۔ ان فنکشنز کو اپنا 80-100% کام چیٹ انٹرفیس کے ذریعے کرنا چاہیے — چاہے وہ Claude، ChatGPT، Notion AI، یا کچھ ایسا ہی ہو۔ نان ایک ایسا مستقبل دیکھتا ہے جہاں انسان مخصوص سطح پر ایجنٹوں کے ساتھ تعاون کریں گے — اس بات کی وضاحت کریں کہ کیا تعمیر کرنے کی ضرورت ہے اور کیوں — اور پھر ہر چیز کو نیچے کی طرف سے سنبھالنے کے لیے ایجنٹوں کے حوالے کرنا۔ ریمپ: 4 سطحوں میں AI کی مہارت کی پیمائش کرنا ریمپ تیزی سے اپنے ملازمین کو 4 سطحوں میں AI-آبائی بننے کے لیے زور دے رہا ہے، اگر لائنر آپ کی ٹیم کو دکھاتا ہے کہ Ramp کا حصہ کیسے بنتا ہے، تو آپ کی ٹیم کیسے بنتی ہے۔ اپنی پوری کمپنی کو ان کو اپنانے کے لیے کیسے حاصل کریں۔ 2025 میں، ریمپ نے 500+ فیچرز بھیجے، $1B کی آمدنی تک پہنچ گئی، اور یہ سب کچھ 25 PMs کے ساتھ کیا۔ انھوں نے یہ کام ہر ایک فنکشن (انگریزی، پروڈکٹ، ڈیزائن، سیلز، مارکیٹنگ، قانونی، مالیات) کو آن بورڈ کرنے اور ایجنٹوں کے ساتھ کام کرنے کے لیے کیا ہے۔ انتہائی عملی:L0: کبھی کبھی ChatGPT استعمال کرتا ہے۔ یہ لوگ زیادہ تر ممکنہ طور پر کمپنی میں طویل مدتی نہیں ہوں گے۔ اگر آپ AI ٹولز کی طرف بڑھنے والی ذہنیت کے ساتھ سیلف اسٹارٹر نہیں ہیں، تو جیوف کا کہنا ہے کہ آپ کو ایکسل کے لیے تربیت دینا بہت مشکل ہو گا۔ یہ لوگ AI کے ساتھ تجربہ کر رہے ہیں لیکن ابھی تک حقیقی کام کو خودکار نہیں کیا ہے۔L2: ایک ایسی ایپ بناتا ہے جو ان کینوکری یہ لوگ کوڈ کا ارتکاب کر سکتے ہیں یا AI ٹولز کا استعمال کرتے ہوئے دوسرے لوگوں کے کام پر بامعنی رائے دے سکتے ہیں۔L3: Systems builders۔ یہ لوگ AI انفراسٹرکچر اور مہارتیں بنا رہے ہیں جو ٹیم میں موجود ہر کسی کو تیز کرتا ہے۔ کمپنی کا مقصد ہر کسی کو سیڑھی تک پہنچانا ہے۔ L0s خود منتخب کریں۔ L1s L2s بن جاتے ہیں۔ L2s L3s بن جاتے ہیں۔ اور L3s باقی تنظیم کو متاثر کرتے ہیں۔ جیوف نے 5 اقدامات کا بھی اشتراک کیا جو کوئی بھی کمپنی AI- مقامی بننے کے لیے لے سکتی ہے: تمام رگڑ کو دور کریں۔ ٹوکنز یا بجٹ پر کوئی رکاوٹ نہ ہونے کے مقبول AI ٹولز تک رسائی دیں اور AI مہارتوں کا ایک اندرونی ذخیرہ بنائیں جو کوئی بھی حاصل کر سکتا ہے۔ اگر سیٹ اپ مشکل ہے تو زیادہ تر لوگ گود نہیں لیں گے۔ گود لینے کو مرئی بنائیں۔ عوامی سلیک چینلز بنائیں جہاں لوگ اپنی بنائی ہوئی چیزوں کا اشتراک کر سکیں۔ ہر طرح سے، غیر انجینئرز کو متاثر کن چیزیں دکھائیں، جیسے فنانس ایک ٹریژری سسٹم بنانا یا مارکیٹنگ خودکار ویب سائٹ بنانا۔ ہینڈ آن سپورٹ فراہم کریں۔ دفتری اوقات کی میزبانی کریں جس میں کوئی بھی AI کی مہارت اور ورک فلو بنانے کے لیے شامل ہو سکتا ہے۔ AI ماہرین کو نامزد کیا ہے جن کا پورا کام انجیلی بشارت دینا، لوگوں کو ترتیب دینا، اور "آہا لمحہ" تک پہنچنے میں ان کی مدد کرنا ہے۔ استعمال کو ٹریک کریں اور مداخلت کریں۔ ریمپ فی ملازم AI ٹولز میں ٹوکن کی کھپت کو ٹریک کرتا ہے۔ قیادت اس ڈیٹا کا اشتراک قدرتی جوابدہی پیدا کرنے کے لیے کرتی ہے اور جب کسی کا استعمال کم ہوتا ہے تو اس میں قدم رکھیں۔ اسے ملازمت کی ضرورت بنائیں۔ پی ایم کے انٹرویوز میں اب ایک وقف شدہ سیشن شامل ہوتا ہے جہاں آپ کو ایک کام کرنے والی پروڈکٹ بنانے کی ضرورت ہوتی ہے اور پھر یہ بتانا ہوتا ہے کہ آپ نے اسے کیوں بنایا اور یہ کیسے کام کرتا ہے۔ جیف نے ریمپ پر ہر کردار کے لیے اپنے قائدانہ فلسفے کا ایک ہی لائن میں خلاصہ کیا: آپ کا کام آپ کے کام کو خودکار بنانا ہے۔ جیوف سے: "اگر میں اپنی ٹیم کو 10 بار کہتا ہوں کہ CTA کو فولڈ سے اوپر ہونا ضروری ہے، تو درستگی 11ویں بار یہ نہیں کہہ رہی ہے۔ یہ اس تاثرات کو ایک خودکار مہارت میں انکوڈ کر رہا ہے جو کہ AI سے دوبارہ ہوتا ہے یا پھر کبھی بھی ایسا نہیں ہوتا ہے جس دن AI تنقیدی عمل ہوتا ہے۔" oneIf Linear اور Ramp یہ دکھاتے ہیں کہ کمپنیاں AI ایجنٹوں کو کیسے اپناتی ہیں، فیکٹری دکھاتی ہے کہ جب آپ پہلے دن سے ان کے ارد گرد تعمیر کرتے ہیں تو کیا ہوتا ہے۔ فیکٹری ایک 55 افراد پر مشتمل AI سافٹ ویئر ڈویلپمنٹ کمپنی ہے جس کی قیمت $300M ہے جو زمین سے AI کے ارد گرد تشکیل دی گئی ہے۔ یہاں وہ چیز ہے جو انہیں مختلف بناتی ہے: پروڈکٹ انجینئرز کی خدمات حاصل کریں فیکٹری PMs اور انجینئرز کو الگ سے ملازمت نہیں دیتی ہے۔ اس کے بجائے، وہ پروڈکٹ انجینئرز کی خدمات حاصل کرتے ہیں جو AI ایجنٹوں کا انتظام اور ان کے ساتھ کام کرتے ہیں۔ ایک عام دن ایسا لگتا ہے: ایجنٹ کے نشانات کی جانچ پڑتال کریں تاکہ یہ معلوم ہو سکے کہ سسٹم نے کہاں خراب فیصلے کیے ہیں۔ اصلاحات کو کوڈ کے طور پر نہیں بلکہ گورننس کے طور پر لکھیں (مثال کے طور پر، کسی ہنر کی تازہ کاری، ایک نیا لِنٹ رول، یا ایک بہتر آٹومیشن) صرف ان PRs کا جائزہ لیں جو ایجنٹوں کو زیادہ خطرہ کے طور پر نشان زد کرتے ہیں (ایجنٹ باقی کا خیال رکھتے ہیں)۔ نئے آئیڈیاز تجویز کریں اور ساتھیوں اور AI کے ساتھ ترجیحی بحث کریں، لیکن یہ کام آسان ہے اور AI کی ضرورت ہے۔ اپنے کوڈبیس ایجنٹ کو تیار بنائیں ایجنٹوں کو ایک کوڈبیس کی ضرورت ہوتی ہے جو وہ حقیقت میں موثر ہونے کے لیے کام کر سکیں۔ فیکٹری پانچ میچورٹی لیولز پر کوڈ بیس اسکور کرتی ہے، اور لیول 3 ("معیاری") وہ جگہ ہے جہاں زیادہ تر ٹیموں کو سب سے پہلے مقصد بنانا ہوتا ہے۔ فیکٹری کے ایجنٹ کی تیاری کے فریم ورک کو دوبارہ قابل استعمال مہارتوں میں مہارت کو انکوڈ کریں جب آپ کا کوڈ بیس ایجنٹ کے لیے تیار ہو جائے، اگلا مرحلہ ایجنٹوں کو مہارت کے ذریعے اچھے فیصلے کرنے کا علم دے رہا ہے (بنیادی طور پر ٹیکسٹ فائل کو نشان زد کریں)۔ فیکٹری ماہر اور کمپنی کے علم کو کسی ایسی چیز میں انکوڈ کرنے کے لیے مہارتوں کا استعمال کرتی ہے جسے کوئی ایجنٹ یا ملازم استعمال کر سکتا ہے۔ یہاں ان مہارتوں کی فہرست ہے جو فیکٹری اندرونی طور پر استعمال کرتی ہے اور آپ کو کاپی کرنے اور اس میں ترمیم کرنے کے لیے ان کی مارک ڈاؤن فائلوں سے لنک کرتی ہے: پروڈکٹ مینجمنٹ کی مہارت۔ پروڈکٹ کے اصول، 11 ستاروں کا تجربہ فریم ورک (ایئر بی این بی کے برائن چیسکی سے مستعار لیا گیا)، پی آر ڈی ٹیمپلیٹ، اسکورنگ روبرک، اور زبان کی رہنمائی سب ایک مارک ڈاؤن فائل میں۔ فرنٹ اینڈ UI انٹیگریشن اسکل۔ Droid کو ہدایت دیتا ہے کہ فیکٹری کے ڈیزائن سسٹم، روٹنگ کنونشنز، اور جانچ کے معیارات کا استعمال کرتے ہوئے خصوصیات کیسے بنائیں۔ AI ڈیٹا تجزیہ کار کی مہارت۔ تلاشی تجزیہ چلائیں، تصورات بنائیں، اور مکمل Python ماحولیاتی نظام کا استعمال کرتے ہوئے شماریاتی رپورٹس بنائیں۔ اندرونی ٹولز کی مہارت۔ ایڈمن پینلز، سپورٹ کنسولز، اور آپریشنل ڈیش بورڈز کو مناسب رسائی کنٹرول اور آڈٹ لاگنگ بیکڈ ان کے ساتھ بنائیں۔ Vibe کوڈنگ کی مہارت۔ جدید فریم ورک کے ساتھ شروع سے نئی ویب ایپس کو تیزی سے پروٹو ٹائپ کریں۔ اگر آپ اپنے بہترین لوگوں کو مہارتوں میں انکوڈ کر سکتے ہیں، تو آپ کو ہر فنکشن کے لیے ماہرین کی خدمات حاصل کرنے کی ضرورت نہیں ہے۔ اس سب کو عملی جامہ پہنانے کے لیے 6 اقدامات: ہر فنکشن کے لیے ایجنٹوں کو آن بورڈ کرنا اور ان کا انتظام کرنا بنیادی کام بنتا جا رہا ہے۔ یہاں چھ چیزیں ہیں جن کو آپ صحیح طریقے سے عملی جامہ پہنا سکتے ہیں۔لکیری: ہر ڈویلپر کو ایجنٹ کوڈنگ ٹول جیسے کرسر، کلاڈ کوڈ، یا کوڈیکس سے ڈیفالٹ کریں۔ PMs اور ڈیزائنرز کو کوڈ بیس میں حاصل کریں۔ انہیں ایجنٹوں کا استعمال کرتے ہوئے PRs اور شپ کوڈ جمع کرانے دیں۔ ہر چھوٹی تبدیلی کو انجینئر کے ذریعے روٹ کرنا بند کریں۔ ریمپ سے: اپنی ٹیم میں AI کی مہارت کی پیمائش کریں۔ ریمپ کا 4 سطحوں کا فریم ورک آپ کو ایک مشترکہ ذخیرہ الفاظ فراہم کرتا ہے کہ لوگ کہاں ہیں اور انہیں کہاں جانا ہے۔ AI کے استعمال کو ٹریک کریں اور اسے کارکردگی کی توقعات کا حصہ بنائیں۔ آپ جس چیز کی پیمائش نہیں کرتے اسے بہتر نہیں کر سکتے، اور مراعات اہم ہیں۔ فیکٹری سے: ایجنٹ کی تیاری کے لیے اپنا کوڈ بیس اسکور کریں۔ فیکٹری کے ایجنٹ کی تیاری کی سطح کو یہ سمجھنے کے لیے استعمال کریں کہ آیا آپ کا کوڈ بیس تیار ہے۔ اپنی ٹیم کی مہارت کو دوبارہ قابل استعمال مہارتوں میں تبدیل کریں۔ آپ کے بہترین لوگ جو کچھ جانتے ہیں اسے ہنر کی فائلوں میں انکوڈ کریں اور انسانوں اور ایجنٹوں دونوں کے لیے انہیں استعمال کرنا آسان بنائیں۔ سب سے بڑھ کر، آن بورڈ ایجنٹس جیسے کہ آپ کسی انسان کو جہاز میں لاتے ہیں۔ انہیں سیاق و سباق دیں، انہیں اپنے آپریشنل اسٹیک سے جوڑیں، اور ان کے نتائج کے لیے انسان کو جوابدہ رکھیں۔ مجھے بتائیں کہ آپ تبصروں میں کیا سوچتے ہیں!

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