Jak zbudować zespół agentów AI od osoby, która już to zrobiła
Definicja: Współpracownicy AI różnią się od agentów; są niestandardowymi narzędziami GPT, które wymagają interakcji z człowiekiem i kontekstu.
Początek: Buduj narzędzia AI tam, gdzie zasoby są ograniczone i występują luki kompetencyjne, szczególnie zaczynając od zadań związanych z treściami.
Czas: Włącz rozwój AI w krótkie przedziały czasowe; stopniowo buduj i udoskonalaj ekosystem AI.
Dane: Wykorzystuj rzeczywiste dane oparte na badaniach do tworzenia person AI i unikaj umieszczania jakichkolwiek danych umożliwiających identyfikację osoby.
Przyszłość: Automatyzuj obecne zadania zawodowe, uwalniając czas na pracę strategiczną i rozwój umiejętności w środowiskach AI.
Ten wywiad został pierwotnie przeprowadzony w podcaście The Digital Project Manager, w którym prowadzący Galen Low rozmawiał z Megan Ratcliff o tym, czego naprawdę potrzeba, aby zbudować i zarządzać zespołem współpracowników AI — nie kiedyś, lecz już teraz, przy wykorzystaniu dzisiejszej technologii. Wywiad został przeredagowany na artykuł, aby ułatwić jego czytanie.
Megan Ratcliff, konsultantka i trenerka ds. strategii wejścia na rynek w Clarity & Motion Collective, zbudowała zespół współpracowników AI podczas pracy na stanowisku dyrektorki marketingu w firmie Dice zajmującej się technologiami kariery SaaS — ekosystem, który ostatecznie wykonywał jej pracę na tyle dobrze, że miała czas wymyślić sobie kolejną. Nie miała przygotowania technicznego, budżetu ani wolnych godzin w kalendarzu. Poniżej przedstawiamy jej plan działania.
Czym właściwie jest współpracownik AI? (I czym nie jest)
Najpierw uporządkujmy definicje, ponieważ terminologia staje się coraz bardziej niejasna. „Słowo agent AI jest obecnie używane bardzo swobodnie” — mówi Ratcliff. „Agent to narzędzie AI, które działa autonomicznie, samodzielnie. Myślę jednak, że kiedy ludzie mówią na LinkedIn, że tworzą agentów, tak naprawdę tworzą współpracownika, czyli niestandardowy model GPT z człowiekiem w pętli decyzyjnej”.
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
To rozróżnienie ma znaczenie. Współpracownik to asystent stworzony do konkretnego celu — autor tekstów kampanii, strateg, symulator persony — wytrenowany na podstawie rzeczywistego kontekstu użytkownika i wykorzystywany pod jego kontrolą. Co najważniejsze, jego stworzenie nie wymaga zostania inżynierem. Ratcliff otwarcie mówi o własnych ograniczeniach: „Nie jestem osobą, która zbuduje coś w JSON-ie, HTML-u czy React — to dla mnie czarna magia”.
Nie każdy potrzebuje też takiego samego poziomu umiejętności. „Nauka AI przypomina naukę kolejnego języka” — mówi. „Być może 10–20% populacji stanie się biegłe w AI i to właśnie te osoby będą tworzyć różne rzeczy, o których nigdy nawet nie marzyliście. A jeśli posłużyć się metaforą nauki języka, cała reszta będzie w stanie jedynie zamówić szklankę wody i zapytać o łazienkę”. W jej ujęciu podstawowy poziom jest prosty: „czy potrafisz komunikować się z chatbotem opartym na LLM i czy potrafisz robić to skutecznie?”.
Nauka AI przypomina naukę kolejnego języka
Krok 1: Zacznij tam, gdzie najbardziej boli (zwykle od treści)
Pierwszy współpracownik Ratcliff nie powstał w wyniku wielkiej strategii AI. Powstał z niedoboru. „W tamtym czasie byłam dyrektorką ds. generowania popytu” — wspomina. „Nie miałam wielu zasobów. Nie miałam dużego budżetu. Nie miałam dużo czasu ani wielu członków zespołu — ludzkich członków zespołu — do wykonania tej pracy”.
Zaczęła więc od najbardziej dotkliwego problemu: „Zaczęłam od zbudowania pierwszego współpracownika, którym był autor tekstów kampanii. Tworzenie treści to świetny punkt wyjścia dla każdego, kto dopiero zaczyna przygodę z AI. To naprawdę łatwe, ponieważ bez trudu można zrozumieć, jak wygląda dobra treść”.
Tworzenie treści to świetny punkt wyjścia dla każdego, kto dopiero zaczyna przygodę z AI. To naprawdę łatwe, ponieważ bez trudu można zrozumieć, jak wygląda dobra treść.
Stąd logika rozszerzyła się na jej własne luki kompetencyjne. Mając doświadczenie dyrektorki ds. obsługi klienta w agencji, a nie klasyczne przygotowanie w zakresie generowania popytu, mówi: „Budowałam współpracowników, którzy pomagali uzupełniać braki w moich umiejętnościach”. To schemat, który warto powielić: nie twórz AI dla samego AI — buduj je tam, gdzie najbardziej brakuje ci zasobów.
Krok 2: Buduj w wolnych chwilach — nie potrzebujesz całego wolnego popołudnia
Najczęstszym argumentem przeciwko tworzeniu czegokolwiek nowego jest brak czasu, ale Ratcliff go obala. Nie rezerwowała całych połówek dnia. „Robiłam to pomiędzy spotkaniami. Jeśli miałam 15 minut, pracowałam nad czymś, a potem wpisywałam zestaw instrukcji, szłam na spotkanie, wracałam, sprawdzałam wynik, udoskonalałam go i aktualizowałam”.
Nie wszystko przetrwało. „Niektórych współpracowników zachowywałam, z niektórych rezygnowałam, a potem zaczęłam ich ze sobą łączyć” — a stos odrzuconych pomysłów oznacza postęp, nie porażkę. Efekt kumulacji pojawił się szybko: „Z czasem, prawdopodobnie w ciągu czterech miesięcy, zbudowałam ekosystem, który całkiem dobrze wykonywał za mnie moją pracę. Dzięki temu miałam więcej czasu na wprowadzanie innowacji”.
Z czasem, prawdopodobnie w ciągu czterech miesięcy, zbudowałam ekosystem, który zaczął całkiem dobrze wykonywać za mnie moją pracę. Dzięki temu miałam więcej czasu na wprowadzanie innowacji.
Pomogły dwa czynniki przyspieszające. Pierwszym był mentoring — częściowy dyrektor marketingu w Dice, który przejrzał jej pierwsze instrukcje dla niestandardowego GPT i zachęcił ją do kolejnych iteracji. Jak mówi Ratcliff o osobach, które obecnie szkoli: „Kiedy już zaczną, stają się nie do zatrzymania. Ale najpierw potrzebują tylko odrobiny pomocy”. Drugim czynnikiem był temperament. „AI naprawdę sprzyja osobom pełnym pomysłów. Jeśli więc jesteś osobą pełną pomysłów, to jest właśnie twój czas”.
Krok 3: Dostarczaj prawdziwe informacje — nigdy śmieci i nigdy danych osobowych
Współpracownicy są tak dobrzy, jak dane wejściowe, które otrzymują, a Ratcliff wyznacza dwie wyraźne granice. Pierwsza dotyczy person: „Nie możesz zbudować persony AI na podstawie informacji wygenerowanych przez AI. Musisz mieć rzeczywiste informacje. Musisz przeprowadzić badania”. Wywiady, dane jakościowe, dane ilościowe — to właśnie sprawia, że z czegoś takiego jak symulator persony Ratcliff warto korzystać.
Druga granica jest absolutna: „Nigdy nie wprowadzam danych osobowych do AI i ty również nie powinieneś tego robić”.
Krok 4: Przejdź od indywidualnego narzędzia do współdzielonej inteligencji
Kiedy poszczególni współpracownicy już działają, pojawia się pytanie, co zbudować dalej — a odpowiedź zaczyna się od rezultatów, nie od narzędzi. „Zrozumienie rezultatu, do którego dążysz, oraz zestawu umiejętności, które już masz w zespole, pomaga określić, jakich współpracowników w ogóle potrzebujesz. Nie musisz budować AI tylko dla samego AI” — mówi Ratcliff. „Pojawią się luki. Jak więc je wypełnić? Budujesz współpracownika, który je wypełni”.
Nie musisz budować AI tylko dla samego AI.
Prawdziwa transformacja następuje, gdy współpracownicy przestają być osobistymi usprawnieniami produktywności, a stają się współdzieloną infrastrukturą. „Kiedy zaczynasz budować tę warstwę współdzielonej inteligencji, a następnie masz warstwę współdzielonej orkiestracji i współdzielonych współpracowników, z których wszyscy korzystacie” — wyjaśnia — „wtedy przełamujesz silosy między organizacjami i zaczynasz działać jako jedna całość, a AI staje się tkanką łączną”.
Jak to wygląda w praktyce: dwa przykłady
Symulator prezesa. Ratcliff miała pomysł, który chciała przedstawić prezesowi Dice — osobie, której dobrze nie znała. Zamiast ryzykować przedstawienie pomysłu bez wcześniejszego kontaktu, zbudowała symulator na podstawie transkrypcji jego spotkań ogólnofirmowych, opisu stanowiska oraz języka używanego w jego e-mailach. Symulator odrzucił jej pomysł. Wykorzystała go więc do przeformułowania prezentacji wokół tego, na czym naprawdę mu zależało: „Nie zmieniliśmy wydźwięku, tylko sposób, w jaki został przedstawiony”. Rzeczywista prezentacja zakończyła się sukcesem. Kiedy wyznała mu, na czym polegał eksperyment, bardzo mu się spodobał — a symulator został ponownie wykorzystany jako podstawa do tworzenia treści budujących jego markę osobistą.
Strateg ds. wejścia na rynek. Po wprowadzeniu produktu na rynek wydarzyło się coś dziwnego: „Wprowadziliśmy go na rynek i potoczyło się to inaczej, niż wszyscy sądziliśmy. A osoby, które — jak myśleliśmy — miały kupić ten produkt, nie kupowały go”. Konieczne było ponowne zdefiniowanie idealnego profilu klienta (ICP), ale nikt za to nie odpowiadał. „Nikt nie jest właścicielem strategii wejścia na rynek. Pomyślałam więc: dlaczego nie ja?”. Zbudowała współpracownika-stratega, zasiliła go danymi dotyczącymi współczynników konwersji, pierwotnym profilem ICP oraz danymi zakupowymi na poziomie kont, a następnie wykorzystała go do stworzenia nowego profilu kupującego i zaprojektowania testów walidacyjnych. Udostępniony zespołom współpracownik „zaczął przełamywać silosy między marketingiem, wsparciem sprzedaży i operacjami przychodowymi” — stając się jednym źródłem prawdy, z którego każdy mógł korzystać.
Obalamy popularne błędne przekonania
„AI odbierze ci pracę”. Odpowiedź Ratcliff to celowe połączenie „tak, ale”. „Będziesz w stanie zbudować system narzędzi wspierający wykonywaną przez ciebie pracę, a także używać tych narzędzi do zwiększania swojego strategicznego wpływu na organizację. Powinieneś więc wykorzystywać AI do zastąpienia swojej obecnej pracy, jednocześnie budując nową. Tak właśnie wygląda przyszłość”. Jest jednak szczera, jeśli chodzi o czas. Osobom wykonującym wyłącznie powtarzalną pracę związaną z zadaniami mówi: „Prawdopodobnie jeszcze przez około dwa lata będzie ci się to udawać, a potem nie będziesz już mieć pracy”.
To, co powinieneś robić, to wykorzystywać AI do zastąpienia swojej obecnej pracy, jednocześnie budując nową. Tak właśnie wygląda przyszłość tego obszaru.
„Mogę po prostu przeczekać tę zmianę”. Porównuje ten moment do wcześniejszego punktu zwrotnego: „Jeśli opierałeś się internetowi, wiesz, nie wyszedłeś na tym najlepiej”. Nawet certyfikaty AI wydają jej się tymczasowym sygnałem — kiedy ktoś wspomniał o certyfikowaniu swojego zespołu, zareagowała: „Fajnie, to jak uzyskanie certyfikatu z obsługi internetu”.
„Zarządzanie współpracownikami AI jest dokładnie takie samo jak zarządzanie ludźmi”. „Mit. Fałsz. Współpracownicy AI nie mają emocji” — mówi, choć zasługują na przegląd diagnostyczny „prawdopodobnie w regularnych odstępach, co kwartał, a w niektórych przypadkach zapewne dwa razy w roku”.
„To narzędzie może zastąpić cały twój zespół marketingowy”. „Każde narzędzie twierdzące, że zastąpi twój zespół marketingowy, prowadzi marketing. W najlepszym razie jest to zły marketing” — mówi Ratcliff. Ludzie nadal mają wyczucie, osąd i umiejętność dostrzegania niuansów. „Nie zastąpi twojego zespołu marketingowego. Sprawi, że będzie lepszy”.
„Umieszczanie agentów AI w CV to sztuczka”. „Słusznie. Widziałam to już wcześniej” — mówi o kandydatach, którzy uczestniczą w rozmowach rekrutacyjnych wraz ze swoimi zespołami agentów — jest to sygnał dokładnie tych kompetencji, których szukałaby u osoby zatrudnianej. Posunęłaby się nawet do odwrócenia klasycznego pytania rekrutacyjnego: „Może nowe pytanie nie brzmi: jaka jest twoja słabość? Tylko: jakich współpracowników zbudowałeś, aby uzupełniali twoje umiejętności?”
Ostrzeżenie: dlaczego człowiek pozostaje w pętli
Mimo całego entuzjazmu podręcznik Ratcliff ma wyraźną granicę. „Tylko ludzie mają wyczucie i tylko ludzie potrafią rozumieć niuanse oraz odniesienia i informacje historyczne, których AI nie jest w stanie przyswoić” — mówi. Jej zasada dotycząca umiejscowienia automatyzacji brzmi: „Automatyzuję obrzeża tych procesów, a nie ich sedno”. Dane można automatycznie oczyszczać, raport można automatycznie przygotowywać — ale decyzja podejmowana pośrodku pozostaje domeną człowieka.
Pominięcie tej granicy prowadzi do bezwartościowych treści. Wskazuje na reklamę AI McDonald’s wyprodukowaną w Europie: „Była zła, ludzie naprawdę się sprzeciwili i wycofano ją, bo nie była dobra. I właśnie dlatego ludzki element jest tak niezwykle ważny”.
Jej ulubioną analogią jest pranie. Pralki i suszarki automatyzują dwa etapy, ale człowiek decyduje, co włożyć do środka, ustawia pokrętła i wyjmuje legginsy, zanim się skurczą. „Będą procesy, które obecnie wykonujemy ręcznie, a których dalsze ręczne wykonywanie po prostu nie ma sensu” — zauważa — ale są też procesy, które ludzie muszą zachować pod swoją kontrolą, ponieważ „ma to związek z osądem i etyką”.
Ta skoncentrowana na człowieku granica jest również odpowiedzią na niepokój zespołu, dlatego jej praca związana z zarządzaniem zmianą zawsze zaczyna się tak samo: „Pierwszym krokiem jest rozwianie obaw”. Następnie najważniejszym zadaniem jest pomaganie ludziom w przeprojektowaniu ich ról wokół tego, co rzeczywiście chcą zachować. „Zmiana sposobu myślenia jest tak ważna, ponieważ bez niej, bez ponownego wyobrażenia sobie pracy, nic zasadniczo się nie zmienia. Po prostu wykonujesz tę samą pracę, być może trochę szybciej”.
Zmiana sposobu myślenia jest tak ważna, ponieważ bez niej, bez ponownego wyobrażenia sobie pracy, nic zasadniczo się nie zmienia.
Paradoks podręcznika
Oto niewygodne sedno rady Ratcliff: najbezpieczniejszym dostępnym obecnie posunięciem zawodowym jest celowe zautomatyzowanie swojej obecnej pracy do tego stopnia, by samemu wyeliminować własne stanowisko — ponieważ alternatywą jest czekanie, aż ktoś lub coś zrobi to za ciebie. Nagrodą nie jest bezrobocie, lecz czas i pozycja pozwalające zgłosić się do pracy, za którą nikt jeszcze nie odpowiada — tak jak Ratcliff przejęła obszar wejścia na rynek, gdy nikt inny nie chciał się nim zająć. A w opisywanej przez nią przyszłości, w której schematy organizacyjne ustępują schematom pracy, a zespoły tworzą się wokół rezultatów, a nie stanowisk, jest to trwała pozycja. Jak sama mówi: „Pozbądź się tytułu, zachowaj umiejętności i zajmij się pracą najlepiej dopasowaną do tego, w czym jesteś dobry, i do tego, co cię interesuje”.
