Arbeta tillsammans med agenter: AI-lagkamrater10 min read

6 månader efter det avgörande ögonblicket i OpenClaw har vi 7 agenter som en del av teamet, och man, de levererar. Jag älskar det här citatet för det är precis som jag känner nu –

”Aliens har landat här, och de är redo att arbeta, billigt och i stor skala.” – Daniel Schreiber, VD för Lemonade

I den här serien av artiklar kommer jag att täcka hur det ser ut och känns att arbeta med agenter, lärdomar vi lärt oss och bästa praxis vi anammat. Men först, låt oss börja med en introduktion till var vi befinner oss och vad jag tycker att varje VD, grundare och ledare borde veta, som det gäller dig idag. Din arbetsplats, din metodik och ditt team är på väg att förändras dramatiskt, och du bör tänka på det för att göra det bästa av det.

Våra teamkamrater på Anima arbetar inom marknadsföring, BI, QA, kundframgång och backoffice-verksamhet. De sitter i våra Slack-kanaler. De hämtar jobbet klockan 02.00 eller kör på dagliga slingor. De undersöker, analyserar data, publicerar innehåll, öppnar Asana-biljetter och skickar förfrågningar som ingenjörer kan granska.

Varje agent rapporterar till en mänsklig chef som är ombord på den, ger den sammanhang och ständig feedback, utökar dess förmågor och verktygsuppsättning, ställer in sin rutin och ställer in den för framgång som en del av teamet.

Agenter vs AI-chatt

Dagens agenter (OpenClaw, Hermes) känns mer som avlägsna lagkamrater än chatbotar. Det förändrar hur vi interagerar med dem och vad vi förväntar oss av dem.

De har sina egna datorer. En fysisk sådan eller i molnet. En agent stänger inte heller av när du stänger den bärbara datorn. Den kan ladda ner gigabyte med data, analysera den i timmar, vakna på natten för uppgifter, göra research och vidta åtgärder. I huvudsak, arbete.

De lär sig. Du ombord på dem. Du skickar iväg dem för att läsa material online eller offline och bedriva forskning för att dra nytta av deras kunskap. De förstår de domäner du vill att de ska äga bättre med varje uppgift och feedback. 

De får tillgång till dina data och system. Så de utför uppgifter från början till slut. Du kan ta in dem i företagets meddelandeapp som Slack eller Teams, så att de har långa diskussioner med flera teammedlemmar i det fria.

De samarbetar. Till skillnad från din Claude Cowork / Codex kan en delad molnagent lära sig av flera personer och göra den kunskapen tillgänglig för alla. En produktchef kan lära den om analys. Marknadsförare kan lära det om attribution och tratten. Ingenjörsteam kan ge den tillgång till kod och en utvecklingsmiljö. Samma agent kan sedan skapa kopplingar över dessa domäner.

Våra agenter på Anima

Jag kommer att skriva mer om våra agenter, men här är ett smakprov –

Rocket, marknadsföringsagenten, rapporterar till mig. Han är expert på vår WordPress blogginställning, SEO taktik, röst och ton, inställning av nyhetsbrevslistor, e-postmallar, tratt och analyser. Han förstår produkten väl och har även tillgång till den och har ett eget Anima-konto. 

En del av hans rutin inkluderar trattövervakning och uppdatering av sin kunskap från kanaler kring produkt-, teknik- och marknadsföringsaktiviteter så det är alltid en skarp analys, inte en generisk sådan, och inget extra sammanhang behövs. Den undersöker tester vi gjorde i SEO och övervakar dem. 

Det hjälper till att skriva och översätta blogginlägg, hitta trattfriktionspunkter eller misslyckanden och utföra våra månatliga nyhetsbrevsuppgifter från underhåll till sammansättning och hela vägen till att skicka e-post. Vi klarar det fortfarande, men han gör det dagliga grymtandet. Han kommer med insikter och verkställer på det.

Tracey, vår mest mogna agent, rapporterar till CTO. Hon är expert på Business Intelligence/Produktanalys, loggspårningar, felrapporter och vår kodbas. Några av hennes rutiner inkluderar att vara en jouransvarig ingenjör, vakna upp på användarklagomål, spåra problemet, skicka en uppdatering av koden (PR) eller öppna en biljett på uppgiftshanteringssystemet, och naturligtvis uppdatera om dess resultat och åtgärder i Slack. Det är ungefär 5% av vad hon gör.

Den digitala medarbetarsingulariteten

Jag tror att vi har korsat vad jag kallar den digitala singulariteten för anställda: punkten då agenter blir tillräckligt kapabla att ansluta sig till arbetsstyrkan som ett operativt lager, inte bara som programvara som används av arbetsstyrkan.

Agenter är magi som du fortfarande måste arbeta hårt för. Installationen är fortfarande närmare DIY-hantverk än till en hanterad tjänst. De behöver utbildning, underhåll, övervakning och massor av kärlek och omsorg. Men ansträngningen är värd det, för det är som att bygga fiskespön istället för att fånga fisk. När ett medel fungerar bra, fortsätter dess värde att blandas.

Alla är inte entusiastiska över AI

Detta är ett stort skifte, och det bör hanteras från flera perspektiv: affärer, arbetsmetoder, säkerhet, teknik och viktigast av allt, människor. 

Det finns en stor diskussion om hur AI får människor att känna sig med Noam Segal på Lenny’s. Det är en viktig spegel för oss alla i ”Grupp 1” – Den upphetsade gruppen. 72 % oroar sig för uppsägningar. Många människor är förvirrade, osäkra eller stressade inför framtiden av olika anledningar.

Jag tror att en stor del av att hantera den här förändringen, och även att få ut det mesta av den, är transparens och att gå igenom denna förändring tillsammans som ett företag, som ett team. En sak vi gör är att vi har en ”Agent stories”-hörna i vår veckovisa session. Det finns två mål för det –

Vi lär oss tillsammans. Hela mitt team är skarpa människor, och de använder alla agenter på olika sätt varje vecka. Det här är en modig ny värld och vi lär oss snabbare om vi lär oss tillsammans. Det finns en enorm psykologisk påverkan av att ha agenter som en del av teamet, så istället för att arbeta i mörker, föredrar jag att ha det öppet och att ha hela mitt smarta team som en del av det här äventyret, lika spännande och galet som det är.

Här är några agenthistorier –

• En av våra agenter skickade ett kundinriktat meddelande när det bara var tänkt att lämna en intern kommentar. Ingen skada skedd, men ett litet ”???” från användaren, svarade med ett ärligt svar.
• Ett e-postmeddelande misslyckades eftersom vi aldrig tydligt hade angett vilka fel som är ödesdigra. Ett nyhetsbrev skickades från fel underdomän, vilket gjorde att 166 000 e-postmeddelanden undertrycktes. Ingen skada skedd den här gången, men vi lärde oss att definiera våra uppgifter bättre.

Inget av dessa fel kom från att en agent inte kunde använda programvaran. De kom från tvetydighet, auktoritet och samordning.

Den viktigaste frågan är därför inte ”Vad kan den här modellen göra?”. Det är, ”Vilken auktoritet ska denna agent ha, på vems vägnar och under vilken övervakning?”

Placera agenter på ett organisationsdiagram

Med ChatGPT blev vi vana vid att göra research mycket snabbare, upprepa på kopia eller studsa idéer med en AI-partner, men det här är något annat. Det rätta sättet att använda en agent är att inte mikrohantera den och be om varje liten uppgift.

Ge din agent kunskap, domänförståelse och tillgång till verktyg och data, så att du sedan kan ge den ett mål, inte en liten uppgift. Och det kommer att hitta vägen, likt en människa. Det kommer också att göra misstag. Och du borde berätta det, för det kommer ihåg och lär sig.

Det gör det mycket närmare en junioroperatör än till mjukvara eller AI Chat.

Varje agent behöver en namngiven mänsklig ägare. Utan att någon vårdar den, korrigerar den och utökar dess förmågor, blir den mindre användbar med tiden. Det händer fortfarande saker i ditt företag. Företagsterminologin ändras. Mätvärden förändras. Varumärkes positionering förändras. Nya verktyg introduceras. En agent är inte en engångsimplementering.

Du utbildar agenter som nyanställda. Du litar på agenter som nyanställda.

Det är också därför jag starkt rekommenderar att du inte skyndar dig att skapa 100 agenter. Börja med en. Lägg till ytterligare en endast när separationen är nödvändig för omfattning, säkerhet eller specialisering. Vi har ägnat månader åt att försöka hålla antalet agenter så lågt som möjligt och samtidigt göra var och en smartare och mer kapabel.

Fler agenter skapar också mer administrationskostnader. Distribuera inte fler agenter än vad din organisation kan hantera.

Var ska man börja

En ny agent bör börja på den lägsta nivån som fortfarande skapar värde och expandera senare. Ersätt uppmaningar med driftsprocedurer

Installationsarbetet för en effektiv agent handlar inte huvudsakligen om att skriva en lysande uppmaning. Det är närmare att utbilda en ny junior för väl definierade uppgifter.

De starkaste agenterna ackumulerar kapacitet över tiden. De konfigurerar sina datorer, installerar verktyg, skapar färdigheter, behåller arbetsfiler och bygger kunskap från tidigare uppgifter. När vi behöver en ny agent med liknande grund kan vi säkerhetskopiera och klona maskinen, vilket sparar en del introduktionsansträngningar.

Själva modellen håller på att bli en handelsvara. Vi har bytt modellleverantör, och vi kan byta igen. Det varaktiga värdet är agentens ackumulerade sammanhang, kapacitet, operativa procedurer och integration med organisationen.

Din modell är uthyrd. Ditt sammanhang är kärnan.

Gå och konfigurera din första agent. Jag rekommenderar Hermes. Jag kommer att skriva mer från vår resa – följ mig om du tycker det är intressant.