Arbejder sammen med agenter: AI-holdkammerater9 min read

6 måneder efter OpenClaws afgørende øjeblik har vi 7 agenter som en del af teamet, og mand, de leverer. Jeg elsker dette citat, fordi det er præcis, hvordan jeg har det nu –

“Aliens er landet her, og de er klar til at arbejde, billigt og i stor skala.” – Daniel Schreiber, administrerende direktør for Lemonade

I denne serie af artikler vil jeg dække, hvordan det ser ud og føles at arbejde med agenter, erfaringer, vi har lært, og bedste praksis, vi har vedtaget. Men først, lad os starte med en introduktion til, hvor vi er, og hvad jeg synes, enhver administrerende direktør, stifter og leder bør vide, som det gælder for dig i dag. Din arbejdsplads, din metodik og dit team er ved at ændre sig dramatisk, og du bør indstille dig på det for at få det bedste ud af det.

Vores agenter hos Anima opererer på tværs af marketing, BI, QA, kundesucces og back-office operationer. De sidder i vores Slack-kanaler. De henter arbejde klokken 02.00 eller kører på daglige sløjfer. De undersøger, analyserer data, udgiver indhold, åbner Asana-billetter og sender pull-anmodninger, som ingeniører kan gennemgå.

Hver agent rapporterer til en menneskelig leder, der er ombord på den, giver den kontekst og konstant feedback, udvider dens evner og værktøjssæt, sætter dens rutine og sætter den op til succes som en del af teamet.

Agenter vs AI chat

Nutidens agenter (OpenClaw, Hermes) føler sig mere som eksterne holdkammerater end chatbots. Det ændrer, hvordan vi interagerer med dem, og hvad vi forventer af dem.

De har deres egne computere. En fysisk eller i skyen. En agent slukker heller ikke, når du lukker den bærbare computer. Det kan downloade gigabyte data, analysere det i timevis, vågne op om natten til opgaver, lave research og foretage handlinger. I bund og grund arbejde.

De lærer. Du ombord på dem. Du sender dem afsted for at læse materialer online eller offline og udføre research til gavn for deres viden. De forstår de domæner, du ønsker, at de skal eje bedre med hver opgave og feedback. 

De får adgang til dine data og systemer. Så de udfører opgaver ende-til-ende. Du kan bringe dem ind i virksomhedens beskedapp som Slack eller Teams, så de har lange diskussioner med flere teammedlemmer i det fri.

De samarbejder. I modsætning til din Claude Cowork / Codex kan en delt cloud-agent lære af flere mennesker og gøre den viden tilgængelig for alle. En produktchef kan lære det om analyse. Marketingfolk kan lære det om tilskrivning og tragten. Ingeniørteams kan give det adgang til kode og et udviklingsmiljø. Den samme agent kan derefter oprette forbindelser på tværs af disse domæner.

Vores agenter hos Anima

Jeg vil skrive mere om vores agenter, men her er en smagsprøve –

Rocket, marketingagenten, rapporterer til mig. Han er ekspert i vores WordPress blogopsætning, SEO taktik, stemme og tone, opsætning af nyhedsbrevsliste, e-mailskabeloner, tragt og analyser. Han forstår produktet godt og har også adgang til det og har sin egen Anima-konto. 

En del af hans rutine inkluderer tragtovervågning og opdatering af sin viden fra kanaler omkring produkt-, teknologi- og marketingaktiviteter, så det altid er en skarp analyse, ikke en generisk, og ingen ekstra kontekst nødvendig. Den ser nærmere på tests, vi lavede i SEO, og overvåger dem. 

Det hjælper med at skrive og oversætte blogindlæg, finde tragtfriktionspunkter eller fejl og udføre vores månedlige nyhedsbrevsopgaver fra vedligeholdelse til sammensætning og hele vejen til afsendelse af e-mails. Vi klarer det stadig, men han gør det daglige gryntearbejde. Han kommer med indsigt og eksekverer på den.

Tracey, vores mest modne agent, rapporterer til CTO. Hun er ekspert i Business-intelligence / Produktanalyse, logspor, fejlrapporter og vores kodebase. Nogle af hendes rutiner inkluderer at være vagtingeniør, vågne op på brugerklager, spore problemet, indsende en opdatering til koden (PR) eller åbne en billet på opgavestyringssystemet og selvfølgelig opdatere om dets resultater og handlinger i Slack. Det er omkring 5% af, hvad hun gør.

Den digitale medarbejdersingularitet

Jeg tror, vi har krydset det, jeg kalder den digitale medarbejdersingularitet: det punkt, hvor agenter bliver i stand til at slutte sig til arbejdsstyrken som et operationslag, ikke kun som software, der bruges af arbejdsstyrken.

Agenter er magi, som du stadig skal arbejde hårdt for. Opsætningen er stadig tættere på DIY crafting end på en administreret service. De har brug for træning, vedligeholdelse, supervision og masser af kærlighed og omsorg. Men indsatsen er det værd, for det er som at bygge fiskestænger i stedet for at fange fisk. Når først en agent fungerer godt, bliver dens værdi ved med at blive sammensat.

Ikke alle er begejstrede for AI

Dette er et stort skift, og det bør styres fra flere perspektiver: forretning, arbejdsmetoder, sikkerhed, teknologi og vigtigst af alt, mennesker. 

Der er en stor diskussion om, hvordan AI får folk til at føle sig med Noam Segal hos Lenny’s. Det er et vigtigt spejl for os alle i “Gruppe 1” – Den spændte gruppe. 72 % bekymrer sig om fyringer. Mange mennesker er forvirrede, usikre eller stressede med hensyn til fremtiden af ​​forskellige årsager.

Jeg tror på, at en stor del af håndteringen af ​​denne forandring, og også at få mest muligt ud af den, er gennemsigtighed og at gennemgå dette skift sammen som en virksomhed, som et team. En ting, vi gør, er, at vi har et hjørne med “Agenthistorier” i vores ugentlige session. Der er to mål for det –

Vi lærer sammen. Hele mit team er skarpe mennesker, og de bruger alle agenter på forskellige måder hver uge. Dette er en modig ny verden, og vi lærer hurtigere, hvis vi lærer sammen. Der er en enorm psykologisk påvirkning af at have agenter som en del af teamet, så i stedet for at arbejde i mørke, foretrækker jeg at have det i det fri og have hele mit smarte team som en del af dette eventyr, så spændende og freaky som det er.

Her er nogle agenthistorier –

• En af vores agenter sendte en kundevendt besked, da den kun skulle efterlade en intern kommentar. Ingen skade sket, men et lille “???” fra brugeren, besvaret med et ærligt svar.
• En e-mail mislykkedes, fordi vi aldrig klart havde angivet, hvilke fejl der er fatale. Et nyhedsbrev blev sendt fra det forkerte underdomæne, hvilket fik 166.000 e-mails til at blive undertrykt. Ingen skade sket denne gang, men vi lærte at definere vores opgaver bedre.

Ingen af ​​disse fejl kom fra, at en agent ikke var i stand til at bruge softwaren. De kom fra tvetydighed, autoritet og koordination.

Det vigtigste spørgsmål er derfor ikke, “Hvad kan denne model?”. Det er: “Hvilken myndighed skal denne agent have, på hvis vegne og under hvilket tilsyn?”

Sæt agenter på et organisationsdiagram

Ved at bruge ChatGPT vænnede vi os til at lave research meget hurtigere, gentage på kopi eller afvise ideer med en AI-partner, men dette er noget andet. Den rigtige måde at bruge en agent på er ikke at mikrostyre den og bede om hver eneste lille opgave.

Giv din agent viden, domæneforståelse og adgang til værktøjer og data, så du derefter kan give den et mål, ikke en lille opgave. Og det vil finde vejen, ligesom et menneske. Den vil også lave fejl. Og du skal fortælle det, for det husker og lærer.

Det gør det meget tættere på en junioroperatør end på software eller AI Chat.

Hver agent har brug for en navngiven menneskelig ejer. Uden nogen plejer det, retter det og udvider dets evner, bliver det mindre nyttigt over tid. Der sker hele tiden ting i din virksomhed. Ændringer i virksomhedens terminologi. Metrik ændres. Brandpositionering ændres. Nye værktøjer introduceres. En agent er ikke en engangsimplementering.

Du træner agenter som nye medarbejdere. Du stoler på agenter som nye medarbejdere.

Det er også derfor, jeg stærkt anbefaler, at du ikke skynder dig med at oprette 100 agenter. Start med en. Tilføj kun en anden, når adskillelsen er nødvendig af hensyn til omfang, sikkerhed eller specialisering. Vi har brugt måneder på at forsøge at holde antallet af agenter så lavt som muligt og samtidig gøre hver enkelt klogere og dygtigere.

Flere agenter skaber også flere administrationsomkostninger. Implementer ikke flere agenter, end din organisation kan administrere.

Hvor skal man begynde

En ny agent bør begynde på det laveste niveau, der stadig skaber værdi, og udvide senere. Udskift meddelelser med betjeningsprocedurer

Opsætningsindsatsen for en effektiv agent handler ikke primært om at skrive en strålende prompt. Det er tættere på at træne en ny junior til veldefinerede opgaver.

De stærkeste agenter akkumulerer kapaciteter over tid. De konfigurerer deres computere, installerer værktøjer, skaber færdigheder, beholder arbejdsfiler og opbygger viden fra tidligere opgaver. Når vi har brug for en ny agent med et lignende fundament, kan vi sikkerhedskopiere og klone maskinen, hvilket sparer en del indsats.

Selve modellen er ved at blive en handelsvare. Vi har skiftet modeludbyder, og vi skifter muligvis igen. Den varige værdi er agentens akkumulerede kontekst, kapaciteter, driftsprocedurer og integration med organisationen.

Din model er lejet. Din kontekst er kernen.

Gå ind på din første agent. Jeg anbefaler Hermes. Jeg vil skrive mere fra vores rejse – følg mig, hvis du finder det interessant.