Hvordan bygge et team av AI-agenter fra noen som har gjort det
Definisjon: AI-lagkamerater skiller seg fra agenter; de er spesialtilpassede GPT-verktøy som krever menneskelig interaksjon og kontekst.
Start: Bygg AI-verktøy der ressursene er knappe og det finnes kompetansegap, særlig ved å begynne med innholdsoppgaver.
Tid: Integrer AI-utvikling i små tidsluker; bygg og forbedre AI-økosystemet trinnvis.
Data: Bruk ekte, forskningsbaserte data til AI-personaer, og unngå å inkludere personopplysninger.
Fremtid: Automatiser oppgaver fra den nåværende jobben, slik at du frigjør tid til strategisk arbeid og utvikling av ferdigheter i AI-miljøer.
Dette intervjuet ble opprinnelig gjennomført på The Digital Project Manager Podcast, der programleder Galen Low snakket med Megan Ratcliff om hva som faktisk skal til for å bygge og lede et team av AI-kollegaer – ikke en gang i fremtiden, men akkurat nå, med dagens teknologi. Det er omformatert til en artikkel for enklere lesing.
Megan Ratcliff, en konsulent og coach innen markedsintroduksjon hos Clarity & Motion Collective, bygget et team av AI-kollegaer da hun var markedsføringssjef i teknologiselskapet Dice, som tilbyr karriereløsninger for SaaS – et økosystem som til slutt gjorde jobben hennes godt nok til at hun fikk tid til å finne opp sin neste. Hun hadde ingen teknisk bakgrunn, ingen budsjettmidler og ingen ledige timer i kalenderen. Det følgende er hennes fremgangsmåte.
Hva er egentlig en AI-kollega? (Og hva det ikke er)
Først litt begrepsavklaring, fordi terminologien begynner å bli uklar. «Ordet AI-agent blir brukt veldig fritt akkurat nå», sier Ratcliff. «En agent er et AI-verktøy som handler autonomt på egen hånd. Og jeg tror at når folk sier at de lager agenter på LinkedIn, lager de egentlig bare en kollega, som er en tilpasset GPT med et menneske i kontrollsløyfen.»
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Dette skillet er viktig. En kollega er en spesialbygd assistent – en kampanjetekstforfatter, en strateg, en personasimulator – som er trent på din virkelige kontekst og brukes mens du har kontrollen. Og viktigst av alt: Du trenger ikke å bli ingeniør for å bygge en. Ratcliff er tydelig på sine egne begrensninger: «Jeg er ikke en som kommer til å bygge noe i JSON, HTML eller React. Det er gresk for meg.»
Det er heller ikke alle som trenger samme dybde i ferdighetene. «Å lære AI er som å lære et annet språk», sier hun. «Det vil kanskje være 10 til 20 % av befolkningen som blir flytende i AI, og det er de som bygger alle mulige ting du aldri har drømt om. Og så, for å bruke metaforen om språklæring, er alle andre bare i stand til å bestille et glass vann og spørre etter toalettet.» Grunnnivået, slik hun ser det, er enkelt: «Kan du samhandle med en LLM-chatbot? Og kan du bruke den effektivt?»
Å lære AI er som å lære et annet språk
Steg 1: Start der problemet er (vanligvis innhold)
Ratcliffs første kollega ble ikke til som følge av en storslått AI-strategi. Den oppsto på grunn av knapphet. «Jeg var leder for etterspørselsgenerering på det tidspunktet», forteller hun. «Jeg hadde ikke mange ressurser. Jeg hadde ikke mye penger. Jeg hadde ikke mye tid, og jeg hadde ikke mange teammedlemmer – menneskelige teammedlemmer – til å gjøre arbeidet.»
Derfor startet hun med det mest presserende problemet: «Jeg begynte med å bygge den første kollegaen, som var en kampanjetekstforfatter. Innholdsproduksjon er et flott sted for alle som er nye innen AI å begynne. Det er veldig enkelt, fordi du lett kan forstå hvordan noe godt ser ut.»
Innholdsproduksjon er et flott sted for alle som er nye innen AI å begynne. Det er veldig enkelt, fordi du lett kan forstå hvordan noe godt ser ut.
Derfra utvidet logikken seg til hennes egne kompetansegap. Med bakgrunn som kundeansvarlig i et byrå, snarere enn klassisk opplæring i etterspørselsgenerering, sier hun: «Jeg bygget kollegaer for å kompensere for hullene i kompetansen min.» Det er dette mønsteret du bør kopiere: Ikke bygg AI bare for AI-ens skyld – bygg det der du er mest presset.
Steg 2: Bygg i ledige øyeblikk – du trenger ikke en ledig ettermiddag
Den vanligste innvendingen mot å bygge noe nytt er tid, og Ratcliff avliver den. Hun satte ikke av halve dager. «Det var mellom møter. Hvis jeg hadde 15 minutter, jobbet jeg med noe og skrev så inn et sett med instruksjoner, gikk til møtet mitt, kom tilbake, så på resultatet, forbedret og oppdaterte.»
Ikke alt overlevde. «Jeg beholdt noen kollegaer, kvittet meg med andre, og så begynte jeg å koble dem sammen» – og denne forkastede bunken er fremgang, ikke fiasko. Den kumulative gevinsten kom raskt: «Over tid bygget jeg et økosystem på sannsynligvis fire måneder som begynte å gjøre jobben min ganske godt for meg. Og så fikk jeg mer tid til å innovere.»
Over tid bygde jeg et økosystem på sannsynligvis fire måneder som begynte å gjøre jobben min ganske bra for meg. Og så fikk jeg mer tid til å innovere.
To ting satte fart på prosessen. Det første var veiledning — en deltids-CMO hos Dice som gikk gjennom hennes første instruksjoner til en tilpasset GPT og oppmuntret henne til å iterere. Som Ratcliff sier om menneskene hun nå lærer opp: «Når de først kommer i gang, blir de ustoppelige. Men først trenger de bare litt hjelp.» Det andre var temperament. «AI belønner virkelig mennesker som får ideer. Så hvis du er en idémaker, er tiden inne for deg nå.»
Steg 3: Gi den reell informasjon — aldri søppel og aldri PII
Medarbeidere er bare så gode som innspillene de får, og Ratcliff trekker to tydelige grenser. Den første gjelder personaer: «Du kan ikke bygge en AI-persona basert på AI-informasjon. Du må ha faktisk, reell informasjon. Du må ha gjort undersøkelsene.» Intervjuer, kvalitative data, kvantitative data — det er dette som gjør noe som Ratcliffs personasimulator verdt å rådføre seg med.
Den andre grensen er absolutt: «Jeg legger aldri personopplysninger inn i AI, og det bør ikke du heller.»
Steg 4: Gå fra et individuelt verktøy til delt intelligens
Når individuelle medarbeidere fungerer, blir spørsmålet hva man skal bygge videre — og svaret begynner med resultater, ikke verktøy. «Når du forstår resultatet du jobber mot, hjelper ferdighetene du allerede har i teamet deg med å identifisere hvilke medarbeidere du faktisk trenger. Du trenger ikke å bygge AI bare for å bygge AI», sier Ratcliff. «Det kommer til å finnes hull. Så hvordan fyller du disse hullene? Du bygger en medarbeider som fyller dem.»
Du trenger ikke å bygge AI bare for å bygge AI.
Den virkelige transformasjonen skjer når medarbeidere slutter å være personlige produktivitetstriks og blir til delt infrastruktur. «Når du begynner å bygge dette laget med delt intelligens, og deretter har et delt orkestreringslag og delte medarbeidere som dere bruker», forklarer hun, «er det da dere bryter ned siloene mellom organisasjonene og begynner å bevege dere som én enhet, mens AI fungerer som bindevevet deres.»
Slik ser dette ut i praksis: to eksempler
President-simulatoren. Ratcliff fikk en idé hun ville presentere for presidenten i Dice — en person hun ikke kjente særlig godt. I stedet for å risikere en kald presentasjon bygde hun en simulator basert på utskrifter fra allmøtene hans, en stillingsbeskrivelse for rollen hans og språk fra e-postene hans. Simulatoren likte ikke ideen hennes. Derfor brukte hun den til å omformulere presentasjonen rundt det han faktisk brydde seg om: «Vi endret ikke holdningen, vi endret bare måten den ble presentert på.» Den virkelige presentasjonen traff. Da hun fortalte om eksperimentet, elsket han det — og simulatoren ble tatt i bruk på nytt som grunnlaget for å bygge innhold til den personlige merkevaren hans.
Markedsstrategen. Etter en produktlansering skjedde det noe merkelig: «Vi lanserte det, og det gikk annerledes enn vi alle trodde. Og menneskene vi trodde kom til å kjøpe produktet, kjøpte det ikke.» Den ideelle kundeprofilen (ICP) måtte defineres på nytt, og ingen hadde ansvaret for det. «Ingen eier go-to-market-arbeidet. Så da tenkte jeg: Hvorfor ikke jeg?» Hun bygde en strategimedarbeider, matet den med konverteringsrater, den opprinnelige ICP-en og kjøpsdata på kontonivå, og brukte den til å bygge en ny kjøperprofil og utforme valideringstester. Den medarbeideren ble delt på tvers av teamene og «begynte å bryte ned siloene mellom markedsføring, salgsstøtte og inntektsoperasjoner» — én felles sannhetskilde som alle kunne rådføre seg med.
Vanlige misoppfatninger — avkreftet
«AI kommer til å ta jobben din.» Ratcliffs svar er et bevisst ja-og. «Du kommer til å kunne bygge et system av verktøy som støtter arbeidet du gjør fra et gjennomføringsperspektiv, og du kan også bruke disse verktøyene til å styrke din strategiske innflytelse i organisasjonen. Det du bør gjøre, er altså å bruke AI til å erstatte den nåværende jobben din mens du bygger den nye jobben din. Det er slik fremtiden ser ut.» Hun er likevel ærlig om tidsrammen. Til alle som utelukkende gjør repetitivt, oppgaveorientert arbeid: «Du kommer sannsynligvis til å kunne holde på med det i to år til, og så kommer du ikke til å ha en jobb lenger.»
Det du bør gjøre, er å bruke AI til å erstatte den nåværende jobben din samtidig som du bygger den nye jobben din. Det er slik fremtiden på dette området ser ut.
«Jeg kan bare stå over denne gangen.» Hun sammenligner dette øyeblikket med et tidligere vendepunkt: «Hvis du var motstander av internett, du vet, så gikk det ikke så bra for deg.» Selv AI-sertifiseringer fremstår som et midlertidig signal for henne – da noen nevnte å sertifisere teamet sitt, var reaksjonen hennes «kult, det er som å bli sertifisert i internett».
«Å lede AI-medarbeidere er akkurat som å lede mennesker.» «Myte. Feil. AI-medarbeidere har ikke følelser», sier hun – selv om de fortjener en diagnostisk gjennomgang «sannsynligvis med jevne mellomrom, kvartalsvis, antakelig to ganger i året i noen tilfeller».
«Dette verktøyet kan erstatte hele markedsføringsteamet ditt.» «Ethvert verktøy som hevder at det kommer til å erstatte markedsføringsteamet ditt, driver markedsføring. Det er i det minste dårlig markedsføring», sier Ratcliff. Mennesker har fortsatt smaken, vurderingsevnen og nyansene. «Det kommer ikke til å erstatte markedsføringsteamet ditt. Det kommer til å gjøre dem bedre.»
«Å føre AI-agentene dine opp på CV-en er et triks.» «Gyldig poeng. Jeg har sett dette før», sier hun om kandidater som intervjuer sammen med agentteamene sine – et signal om nettopp den kompetansen hun ville ansatt for. Hun ville til og med snudd på det klassiske intervjuspørsmålet: «Kanskje det nye spørsmålet ikke er hva svakheten din er? Det er hvilke medarbeidere du har bygget for å styrke ferdighetene dine?»
More Articles
- De praktiske KI-arbeidsflytene som brukes av leveransesjefen i et Asana-implementeringsbyrå
- 3 alternativer til å erstatte dine menneskelige prosjektledere med KI-agenter
- Verktøystakken jeg ville brukt hvis jeg startet et byrå
- Å spore tilbake på KI: Virkelige historier fra ledere
- Prosjektleder og underviser med kunstig intelligens deler en enkel arbeidsflyt for kunstig intelligens som fundamentalt endrer hvordan prosjekter drives
Advarselen: hvorfor mennesket fortsatt må være med i beslutningssløyfen
Til tross for all entusiasmen kommer Ratcliffs fremgangsmåte med en tydelig grense. «Bare mennesker har smak, og bare mennesker kan forstå nyanser, historiske referanser og informasjon som en AI ikke kan fange opp», sier hun. Hennes regel for plassering av automatisering er: «Jeg automatiserer ytterkantene av disse arbeidsflytene, ikke kjernen i dem.» Rydd opp i dataene automatisk, utarbeid rapporten automatisk – men vurderingen i midten forblir menneskelig.
Omgår du denne grensen, får du søppel. Hun viser til en AI-reklame for McDonald's som ble produsert i Europa: «Den var dårlig, og folk reagerte kraftig, så de trakk den fordi den ikke var god. Og det er her det menneskelige elementet er så utrolig viktig.»
Favorittanalogien hennes er klesvask. Vaskemaskiner og tørketromler automatiserer to stadier, men et menneske bestemmer hva som skal inn, stiller inn knappene og tar ut tightsene før de krymper. «Det kommer til å finnes prosesser som vi gjør manuelt akkurat nå, men som det rett og slett ikke gir mening» å fortsette å gjøre manuelt, påpeker hun – men også prosesser som er kritisk viktige for mennesker å ivareta, fordi «det handler om vurderingsevne, det handler om etikk».
Denne menneskesentrerte grensen er også svaret på uro i teamet, og derfor begynner arbeidet hennes med endringsledelse alltid på samme måte: «Det første steget er å fjerne frykten.» Derfra handler det virkelige arbeidet om å hjelpe folk med å utforme rollene sine på nytt rundt det de faktisk ønsker å beholde. «Tankesettskiftet er så viktig, fordi ingenting endres grunnleggende uten det, uten at man tenker nytt om arbeidet. Du gjør bare det samme arbeidet, kanskje litt raskere.»
Tankesettskiftet er så viktig, fordi ingenting endres grunnleggende uten det, uten at man tenker nytt om arbeidet.
Paradokset i fremgangsmåten
Her er den ubehagelige kjernen i Ratcliffs råd: Det tryggeste karrieretrekket du kan gjøre akkurat nå, er å automatisere deg selv ut av den nåværende jobben din med vilje – fordi alternativet er å vente på at noen, eller noe, skal gjøre det med deg. Belønningen er ikke arbeidsledighet; det er tiden og posisjonen til å rekke opp hånden for arbeid som ingen eier ennå, slik Ratcliff tok ansvar for arbeid med markedsintroduksjon da ingen andre ville. Og i fremtiden hun beskriver, der organisasjonskart viker for arbeidskart og team settes sammen rundt resultater snarere enn titler, er det den varige posisjonen. Som hun sier: «Bli kvitt tittelen, behold ferdighetene, og gjør arbeidet som passer best med det du er god på og det du er interessert i.»
