Práce po boku agentů: AI spoluhráči10 min read

6 měsíců po klíčovém momentu OpenClaw máme 7 agentů jako součást týmu a chlape, ti dávají. Miluji tento citát, protože přesně tak se teď cítím –

„Mimozemšťané sem přistáli a jsou připraveni pracovat, levně a ve velkém.“ – Daniel Schreiber, generální ředitel společnosti Lemonade

V této sérii článků se budu věnovat tomu, jak vypadá a jak vypadá práce s agenty, jaké jsme se naučili a jaké osvědčené postupy jsme přijali. Nejprve ale začněme úvodem do toho, kde jsme a co by podle mě měl vědět každý CEO, zakladatel a lídr, jak se to dnes týká vás. Vaše pracoviště, metodika a tým se dramaticky změní a měli byste se na to zaměřit, abyste z toho vytěžili to nejlepší.

Naši agenti v Anima operují v oblastech marketingu, BI, QA, Customer Success a Back-office operací. Sedí v našich kanálech Slack. Vyzvedávají práci ve 2 hodiny ráno nebo jezdí na denních smyčkách. Zkoumají, analyzují data, publikují obsah, otevírají vstupenky na Asana a odebírají žádosti o stažení pro inženýry ke kontrole.

Každý agent je podřízen lidskému manažerovi, který ho začlení, poskytne mu kontext a neustálou zpětnou vazbu, rozšíří jeho schopnosti a sadu nástrojů, nastaví jeho rutinu a nastaví jej pro úspěch jako součást týmu.

Chat agentů vs AI

Dnešní agenti (OpenClaw, Hermes) se cítí spíše jako vzdálení spoluhráči než jako chatboti. Mění to, jak s nimi komunikujeme a co od nich očekáváme.

Mají vlastní počítače. Fyzický nebo v cloudu. Agent se také nevypne, když zavřete notebook. Dokáže stahovat gigabajty dat, analyzovat je celé hodiny, v noci se probouzet kvůli úkolům, provádět výzkum a podnikat akce. V podstatě pracovat.

Učí se. Jste na jejich palubě. Vyšlete je, aby si přečetli materiály online nebo offline a provedli výzkum ve prospěch jejich znalostí. S každým úkolem a zpětnou vazbou lépe rozumí doménám, které si přejete vlastnit. 

Získají přístup k vašim datům a systémům. Takže provádějí úkoly end-to-end. Můžete je přenést do firemní aplikace pro zasílání zpráv, jako je Slack nebo Teams, takže vedou dlouhé diskuse s více členy týmu pod širým nebem.

Spolupracují. Na rozdíl od vašeho Claude Cowork / Codex se sdílený cloudový agent může učit od několika lidí a zpřístupnit tyto znalosti všem. Produktový manažer to může naučit o analytice. Marketéři je mohou naučit o atribuci a cestě. Inženýrské týmy mu mohou poskytnout přístup ke kódu a vývojovému prostředí. Stejný agent pak může vytvářet spojení napříč těmito doménami.

Naši agenti ve společnosti Anima

Napíšu více o našich agentech, ale zde je ochutnávka –

Rocket, marketingový agent, se mi hlásí. Je odborníkem na nastavení našeho blogu WordPress, taktiku SEO, hlas a tón, nastavení seznamu bulletinů, e-mailové šablony, trychtýř a analýzy. Produktu dobře rozumí a má k němu také přístup a má svůj vlastní účet Anima. 

Součástí jeho rutiny je sledování trychtýře a aktualizace jeho znalostí z kanálů kolem produktů, technologií a marketingových aktivit, takže jde vždy o ostrou analýzu, nikoli o obecnou a není potřeba žádný další kontext. Zkoumá testy, které jsme provedli v SEO, a sleduje je. 

Pomáhá s psaním a překládáním blogových příspěvků, hledáním třecích bodů nebo selhání trychtýře a prováděním našich měsíčních úkolů pro zpravodaje od údržby až po sestavení a až po odesílání e-mailů. Pořád to zvládáme, ale on dělá každodenní gruntovní práci. Přichází s postřehy a provádí je.

Tracey, naše nejvyspělejší agentka, se hlásí CTO. Je odbornicí na Business Intelligence / Analytiku produktů, trasování protokolů, chybová hlášení a naši kódovou základnu. Některé z jejích rutin zahrnují práci inženýra na zavolání, probouzení se na stížnosti uživatelů, sledování problému, odesílání aktualizace kódu (PR) nebo otevírání lístku v systému správy úloh a aktualizace jeho zjištění a akcí ve Slacku, samozřejmě. To je asi 5% toho, co dělá.

Digitální singularita zaměstnanců

Věřím, že jsme překročili to, čemu říkám digitální zaměstnanecká singularita: bod, kdy se agenti stanou dostatečně schopnými, aby se připojili k pracovní síle jako provozní vrstva, nikoli pouze jako software používaný pracovní silou.

Agenti jsou magie, na kterých musíte stále tvrdě pracovat. Nastavení je stále blíže k DIY craftingu než ke spravované službě. Potřebují výcvik, údržbu, dohled a spoustu lásky a péče. Ale námaha stojí za to, protože je to jako stavět rybářské pruty místo chytání ryb. Jakmile agent funguje dobře, jeho hodnota se neustále zvyšuje.

Ne každý je z AI nadšený

Jde o velký posun a měl by být řízen z více hledisek: podnikání, pracovní metody, bezpečnost, technologie a hlavně lidé. 

Existuje skvělá diskuse o tom, jak se AI lidé cítí Noam Segal u Lennyho. Je to důležité zrcadlo pro nás všechny ve „Skupině 1“ – Nadšená skupina. 72 % se obává propouštění. Mnoho lidí je z různých důvodů zmatených, nejistých nebo ve stresu z budoucnosti.

Věřím, že velkou součástí řízení této změny a také maximálního využití je transparentnost a absolvování tohoto posunu společně jako společnost, jako tým. Jedna věc, kterou děláme, je, že v naší firemní týdenní relaci máme koutek „Příběhy agentů“. Jsou pro to dva cíle –

Učíme se spolu. Celý můj tým jsou bystří lidé a všichni používají agenty každý týden různými způsoby. Toto je odvážný nový svět a učíme se rychleji, pokud se učíme společně. Mít agenty jako součást týmu má obrovský psychologický dopad, takže místo toho, abych pracoval ve tmě, dávám přednost tomu, aby to bylo otevřené a celý můj chytrý tým byl součástí tohoto dobrodružství, jakkoli vzrušujícího a podivného.

Zde jsou některé příběhy agentů –

• Jeden z našich agentů poslal zákazníkovi zprávu, která měla pouze zanechat interní komentář. Žádná škoda, ale malé „???“ od uživatele, odpověděl s upřímnou odpovědí.
• Jeden e-mail selhal, protože jsme nikdy jasně neuvedli, které chyby jsou fatální. Z nesprávné subdomény byl odeslán newsletter, což způsobilo potlačení 166 000 e-mailů. Tentokrát se nic nestalo, ale naučili jsme se lépe definovat své úkoly.

Žádné z těchto selhání nepocházelo z toho, že agent nemohl používat software. Vznikly z nejednoznačnosti, autority a koordinace.

Nejdůležitější otázkou proto není „Co tento model umí?“. Zní: „Jakou pravomoc by měl mít tento agent, čí jménem a pod jakým dohledem?

Umístěte agenty na organizační schéma

Pomocí ChatGPT jsme si zvykli dělat výzkum mnohem rychleji, opakovat kopírování nebo odrážet nápady s partnerem AI, ale to je něco jiného. Správný způsob použití agenta není mikromanažovat jej a žádat o každý malý úkol.

Poskytněte svému agentovi znalosti, znalost domény a přístup k nástrojům a datům, abyste mu pak mohli dát cíl, nikoli malý úkol. A najde si cestu, podobně jako člověk. Bude také dělat chyby. A měli byste to říct, protože si to pamatuje a učí se.

Díky tomu je mnohem blíže k juniorskému operátorovi než k softwaru nebo chatu AI.

Každý agent potřebuje pojmenovaného lidského vlastníka. Bez toho, aby ho někdo vychovával, opravoval a rozšiřoval jeho schopnosti, se postupem času stává méně užitečným. Ve vašem podnikání se neustále dějí věci. Změny firemní terminologie. Mění se metriky. Změny pozice značky. Jsou představeny nové nástroje. Agent není jednorázová implementace.

Agenty školíte jako nové zaměstnance. Agentům důvěřujete jako novým zaměstnancům.

To je také důvod, proč důrazně doporučuji nespěchat s vytvořením 100 agentů. Začněte s jedním. Další přidejte pouze v případě, že je oddělení nezbytné pro rozsah, bezpečnost nebo specializaci. Strávili jsme měsíce snahou udržet počet agentů na co nejnižší úrovni a zároveň udělat každého z nich chytřejší a schopnější.

Více agentů také vytváří více režijních nákladů na správu. Nenasazujte více agentů, než může vaše organizace spravovat.

Kde začít

Nový agent by měl začít na nejnižší úrovni, která stále vytváří hodnotu, a později by se měl rozšířit. Nahraďte výzvy provozními postupy

Úsilí o nastavení efektivního agenta není hlavně o psaní brilantní výzvy. Blíží se trénování nového juniora na přesně definované úkoly.

Nejsilnější agenti shromažďují schopnosti v průběhu času. Konfigurují své počítače, instalují nástroje, vytvářejí dovednosti, uchovávají pracovní soubory a budují znalosti z předchozích úkolů. Když potřebujeme nového agenta s podobným základem, můžeme stroj zálohovat a klonovat, což ušetří určité úsilí při nastupování.

Samotný model se stává zbožím. Změnili jsme poskytovatele modelů a můžeme se znovu změnit. Trvalá hodnota je nashromážděný kontext agenta, schopnosti, provozní postupy a integrace s organizací.

Váš model je vypůjčený. Váš kontext je základem.

Jdi nastavit svého prvního agenta. Doporučuji Hermes. Budu zveřejňovat více z naší cesty – sledujte mě, pokud vás to zajímá.