Samenwerken met agenten: AI-teamgenoten9 min read

Zes maanden na het OpenClaw-scharniermoment hebben we zeven agenten in het team, en man, zij leveren resultaat. Ik hou van dit citaat omdat het precies is hoe ik me nu voel –

“Aliens zijn hier geland en ze zijn klaar om te werken, goedkoop en op grote schaal.” – Daniel Schreiber, CEO van Lemonade

In deze reeks artikelen bespreek ik hoe het eruit ziet en voelt om met agenten te werken, de lessen die we hebben geleerd en de best practices die we hebben overgenomen. Maar laten we eerst beginnen met een inleiding over waar we nu staan ​​en wat ik denk dat elke CEO, oprichter en leider zou moeten weten, zoals dit vandaag op u van toepassing is. Uw werkplek, methodologie en team staan ​​op het punt dramatisch te veranderen, en u moet zich erop richten om er het beste uit te halen.

Onze agenten-teamgenoten bij Anima zijn actief in marketing-, BI-, QA-, klantsucces- en backoffice-activiteiten. Ze zitten in onze Slack-kanalen. Ze pakken het werk om 02.00 uur op of rijden in dagelijkse lussen. Ze doen onderzoek, analyseren gegevens, publiceren inhoud, openen Asana-tickets en verzenden pull-aanvragen die technici kunnen beoordelen.

Elke agent rapporteert aan een menselijke manager die hem aan boord neemt, hem context en constante feedback geeft, zijn vaardigheden en toolset uitbreidt, zijn routine bepaalt en deze klaarstoomt voor succes als onderdeel van het team.

Agenten versus AI-chat

De agenten van vandaag (OpenClaw, Hermes) voelen zich meer als teamgenoten op afstand dan als chatbots. Het verandert de manier waarop we met hen omgaan en wat we van hen verwachten.

Ze hebben hun eigen computers. Een fysieke of in de cloud. Ook schakelt een agent niet uit als je de laptop sluit. Het kan gigabytes aan gegevens downloaden, urenlang analyseren, ’s nachts wakker worden voor taken, onderzoek doen en actie ondernemen. In essentie: werk.

Ze leren. Jij aan boord van hen. Je stuurt ze op pad om online of offline materiaal te lezen en onderzoek te doen ten behoeve van hun kennis. Ze begrijpen de domeinen waarvan u wilt dat ze ze bezitten, beter bij elke taak en feedback. 

Zij krijgen toegang tot uw gegevens en systemen. Ze voeren taken dus end-to-end uit. Je kunt ze naar de berichten-app van het bedrijf brengen, zoals Slack of Teams, zodat ze lange gesprekken kunnen voeren met meerdere teamleden in de open lucht.

Ze werken samen. In tegenstelling tot uw Claude Cowork/Codex kan een gedeelde cloudagent van meerdere mensen leren en die kennis voor iedereen beschikbaar maken. Een productmanager kan hem leren over analyses. Marketeers kunnen het leren over attributie en de trechter. Technische teams kunnen het toegang geven tot code en een ontwikkelomgeving. Dezelfde agent kan vervolgens verbindingen maken tussen deze domeinen.

Onze agenten bij Anima

Ik zal meer over onze agenten schrijven, maar hier is een voorproefje:

Rocket, de marketingagent, rapporteert aan mij. Hij is een expert in het opzetten van onze WordPress-blog, de SEO-tactieken, stem en toon, het instellen van nieuwsbrieflijsten, e-mailsjablonen, trechter en analyses. Hij begrijpt het product goed en heeft er ook toegang toe en beschikt over een eigen Anima-account. 

Een deel van zijn routine omvat het monitoren van trechters en het bijwerken van zijn kennis van kanalen rond product-, technologie- en marketingactiviteiten, zodat het altijd een scherpe analyse is, geen generieke analyse, en er geen extra context nodig is. Het onderzoekt de tests die we in de SEO hebben uitgevoerd en monitort deze. 

Het helpt bij het schrijven en vertalen van blogposts, het vinden van frictiepunten of fouten in de trechter, en het uitvoeren van onze maandelijkse nieuwsbrieftaken, van onderhoud tot samenstelling, en helemaal tot aan het verzenden van e-mails. Het lukt ons nog steeds, maar hij doet het dagelijkse gruntwerk. Hij komt met inzichten en voert deze uit.

Tracey, onze meest volwassen agent, rapporteert aan de CTO. Ze is een expert op het gebied van bedrijfsintelligentie / productanalyse, logsporen, foutrapporten en onze codebase. Enkele van haar routines zijn onder meer het zijn van een oproeptechnicus, het wakker worden met klachten van gebruikers, het traceren van het probleem, het indienen van een update van de code (PR), het openen van een ticket op het taakbeheersysteem, en het bijwerken van de bevindingen en acties in Slack, natuurlijk. Dat is ongeveer 5% van wat ze doet.

De singulariteit van de digitale werknemer

Ik geloof dat we de singulariteit van de digitale werknemer hebben overschreden: het punt waarop agenten capabel genoeg worden om zich bij het personeelsbestand aan te sluiten als operationele laag, en niet alleen als software die door het personeelsbestand wordt gebruikt.

Agenten zijn magie waar je nog steeds hard voor moet werken. De opzet ligt nog steeds dichter bij doe-het-zelf-knutselen dan bij een beheerde service. Ze hebben training, onderhoud, toezicht en veel liefde en zorg nodig. Maar de moeite is de moeite waard, want het is net als het bouwen van hengels in plaats van het vangen van vis. Als een agent eenmaal goed werkt, blijft de waarde ervan toenemen.

Niet iedereen is enthousiast over AI

Dit is een grote verschuiving en deze moet vanuit meerdere perspectieven worden beheerd: het bedrijfsleven, de werkmethoden, de beveiliging, de technologie en, belangrijker nog, de mensen. 

Er is een geweldige discussie over hoe AI mensen een gevoel geeft Noam Segal bij Lenny’s. Het is een belangrijke spiegel voor ons allemaal in “Groep 1” – De opgewonden groep. 72% maakt zich zorgen over ontslagen. Veel mensen zijn om verschillende redenen verward, onzeker of gestrest over de toekomst.

Ik geloof dat een groot deel van het managen van deze verandering, en ook om er het maximale uit te halen, bestaat uit transparantie en het samen doormaken van deze verandering als bedrijf, als team. Eén ding dat we doen is dat we een hoek ‘Agentverhalen’ hebben in onze wekelijkse bedrijfssessie. Er zijn twee doelen voor:

Wij leren samen. Mijn hele team bestaat uit scherpe mensen, en ze gebruiken allemaal elke week agenten op verschillende manieren. Dit is een dappere nieuwe wereld, en we leren sneller als we samen leren. Er zit een enorme psychologische impact aan het hebben van agenten als onderdeel van het team, dus in plaats van in het donker te werken, geef ik er de voorkeur aan om het in de open lucht te doen en mijn hele slimme team te hebben als onderdeel van dit avontuur, hoe spannend en freaky het ook is.

Hier zijn enkele verhalen van agenten –

• Een van onze agenten stuurde een klantgericht bericht terwijl het alleen bedoeld was om een ​​interne opmerking achter te laten. Er is geen kwaad gedaan, maar een klein “???” van de gebruiker, beantwoord met een eerlijk antwoord.
• Eén e-mail mislukte omdat we nooit duidelijk hadden aangegeven welke fouten fataal zijn. Er werd een nieuwsbrief verzonden vanuit het verkeerde subdomein, waardoor 166.000 e-mails werden onderdrukt. Deze keer is er geen kwaad gedaan, maar we hebben geleerd onze taken beter te definiëren.

Geen van deze fouten kwam doordat een agent de software niet kon gebruiken. Ze kwamen voort uit dubbelzinnigheid, autoriteit en coördinatie.

De belangrijkste vraag is dus niet: “Wat kan dit model doen?”. Het is: “Welke autoriteit moet deze agent hebben, namens wie en onder welk toezicht?”

Zet agenten in een organigram

Met de ChatGPT raakten we eraan gewend om veel sneller onderzoek te doen, te kopiëren of ideeën uit te wisselen met een AI-partner, maar dit is iets anders. De juiste manier om een ​​agent in te zetten is niet door hem op microniveau te beheren en elke kleine taak te vragen.

Geef uw agent kennis, domeinkennis en toegang tot tools en gegevens, zodat u hem een ​​doel kunt geven en geen kleine taak. En het zal de weg vinden, net als een mens. Het zal ook fouten maken. En je moet het vertellen, omdat het onthoudt en leert.

Dat maakt het veel dichter bij een junior operator dan bij software of AI Chat.

Elke agent heeft een benoemde menselijke eigenaar nodig. Zonder dat iemand het koestert, corrigeert en zijn capaciteiten uitbreidt, wordt het na verloop van tijd minder bruikbaar. Er gebeuren voortdurend dingen in uw bedrijf. Bedrijfsterminologie verandert. Statistieken veranderen. Merkpositionering verandert. Er worden nieuwe instrumenten geïntroduceerd. Een agent is geen eenmalige implementatie.

Je traint agenten als nieuwe medewerkers. U vertrouwt agenten als nieuwe medewerkers.

Dit is ook de reden waarom ik ten zeerste aanbeveel om niet te haasten om 100 agenten aan te maken. Begin met één. Voeg er alleen nog een toe als de scheiding noodzakelijk is voor reikwijdte, veiligheid of specialisatie. We hebben maandenlang geprobeerd het aantal agenten zo laag mogelijk te houden en ze allemaal slimmer en capabeler te maken.

Meer agenten zorgen ook voor meer beheeroverhead. Implementeer niet meer agenten dan uw organisatie kan beheren.

Waar te beginnen

Een nieuwe agent moet beginnen op het laagste niveau dat nog waarde creëert, en later uitbreiden. Vervang aanwijzingen door operationele procedures

De installatie-inspanning voor een effectieve agent gaat niet alleen over het schrijven van een briljante prompt. Het komt dichter bij het opleiden van een nieuwe junior voor goed gedefinieerde taken.

De sterkste agenten verzamelen in de loop van de tijd capaciteiten. Ze configureren hun computers, installeren tools, creëren vaardigheden, houden werkbestanden bij en bouwen kennis op uit eerdere taken. Als we een nieuwe agent met een vergelijkbare basis nodig hebben, kunnen we een back-up maken van de machine en deze klonen, wat wat onboarding-inspanningen bespaart.

Het model zelf wordt een commodity. We zijn van modelaanbieder veranderd en het kan zijn dat we nog een keer veranderen. De duurzame waarde is de geaccumuleerde context, capaciteiten, operationele procedures en integratie van de agent met de organisatie.

Uw model is verhuurd. Jouw context is de kern.

Ga uw eerste agent opzetten. Ik raad Hermes aan. Ik zal meer van onze reis posten – volg mij als je het interessant vindt.