Så bygger du ett team av AI-agenter – från någon som har gjort det
Definition: AI-kollegor skiljer sig från agenter; de är anpassade GPT-verktyg som kräver mänsklig interaktion och kontext.
Börja: Bygg AI-verktyg där resurserna är knappa och kompetensluckor finns, särskilt genom att börja med innehållsuppgifter.
Tid: Integrera AI-utveckling i små tidsluckor och bygg och förfina AI-ekosystemet stegvis.
Data: Använd verkliga, forskningsbaserade data för AI-personas och undvik att inkludera personligt identifierande information.
Framtid: Automatisera nuvarande arbetsuppgifter för att frigöra tid till strategiskt arbete och kompetensutveckling i AI-miljöer.
Den här intervjun genomfördes ursprungligen i podcasten The Digital Project Manager, där programledaren Galen Low pratade med Megan Ratcliff om vad som faktiskt krävs för att bygga och leda ett team av AI-kollegor — inte någon gång i framtiden, utan just nu, med dagens teknik. Den har omarbetats till en artikel för att bli lättare att läsa.
Megan Ratcliff, go-to-market-konsult och coach på Clarity & Motion Collective, byggde ett team av AI-kollegor under sin tid som marknadschef på Dice, ett SaaS-företag inom karriärteknik — ett ekosystem som till slut utförde hennes jobb tillräckligt bra för att ge henne tid att uppfinna sitt nästa. Hon hade ingen teknisk bakgrund, ingen budget och inga lediga timmar i kalendern. Det som följer är hennes handlingsplan.
Vad är egentligen en AI-kollega? (Och vad det inte är)
Först lite definitionsarbete, eftersom terminologin börjar bli otydlig. "Orden AI-agent används väldigt fritt just nu", säger Ratcliff. "En agent är ett AI-verktyg som agerar autonomt på egen hand. Och jag tror att när människor säger att de skapar agenter på LinkedIn så skapar de egentligen bara en kollega, vilket är en anpassad GPT med en människa i loopen."
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
Den skillnaden spelar roll. En kollega är en specialbyggd assistent — en kampanjtextförfattare, en strateg, en personasimulator — som tränats på din verkliga kontext och används medan du har kontrollen. Och framför allt kräver det inte att du blir ingenjör för att bygga en. Ratcliff är tydlig med sina egna begränsningar: "Jag är inte någon som kommer att bygga något i JSON eller HTML eller React. Det är rena grekiskan för mig."
Alla behöver inte heller samma djupa kunskaper. "Att lära sig AI är som att lära sig ett annat språk", säger hon. "Det kommer kanske att vara 10 till 20 % av befolkningen som blir flytande i AI, och det är de som bygger alla möjliga saker som du aldrig har drömt om. Och sedan, för att fortsätta med liknelsen om språkinlärning, kan alla andra bara beställa ett glas vatten och fråga var toaletten finns." Grundnivån, som hon beskriver den, är enkel: "kan du interagera med en LLM-chattbot. Och kan du använda den effektivt?"
Att lära sig AI är som att lära sig ett annat språk
Steg 1: Börja där det gör mest ont (oftast med innehållet)
Ratcliffs första kollega föddes inte ur en storslagen AI-strategi. Den föddes ur knapphet. "Jag var ansvarig för efterfrågegenerering vid den tiden", minns hon. "Jag hade inte mycket resurser. Jag hade inte mycket pengar. Jag hade inte mycket tid och jag hade inte många teammedlemmar – mänskliga teammedlemmar – som kunde utföra arbetet."
Så hon började med den mest akuta smärtpunkten: "Jag började med att bygga den första kollegan, som var en kampanjtextförfattare. Innehållsskapande är en bra plats för alla som är nya inom AI att börja på. Det är verkligen enkelt eftersom du lätt kan förstå hur ett bra resultat ser ut."
Innehållsskapande är en bra plats för alla som är nya inom AI att börja på. Det är verkligen enkelt eftersom du lätt kan förstå hur ett bra resultat ser ut.
Därifrån utvidgades logiken till hennes egna kompetensluckor. Eftersom hon hade en bakgrund som kundansvarig på byrå snarare än klassisk utbildning inom efterfrågegenerering säger hon: "Jag byggde kollegor för att komplettera de områden där jag hade luckor i min kompetens." Det är mönstret att ta efter: bygg inte AI för AI:s skull — bygg den där du är som mest ansträngd.
Steg 2: Bygg i marginalerna — du behöver inte en ledig eftermiddag
Den vanligaste invändningen mot att bygga något nytt är tidsbrist, och Ratcliff avfärdar den. Hon avsatte inte halva dagar. "Det var mellan möten. Om jag hade 15 minuter gick jag och arbetade med något och skrev sedan en uppsättning instruktioner, gick till mitt möte, kom tillbaka, såg hur resultatet blev, förfinade och uppdaterade."
Allt överlevde inte. "Jag behöll vissa kollegor, gjorde mig av med andra och började sedan länka ihop dem" — och den där högen med sådant som valts bort är framsteg, inte ett misslyckande. Den kumulativa vinsten kom snabbt: "Med tiden byggde jag på ungefär fyra månader ett ekosystem som började göra mitt jobb riktigt bra åt mig. Och sedan fick jag mer tid att innovera."
Med tiden byggde jag under ungefär fyra månader ett ekosystem som började göra mitt jobb riktigt bra åt mig. Och sedan fick jag mer tid att förnya.
Två påskyndande faktorer hjälpte till. Den första var mentorskap — en deltids-CMO på Dice som granskade hennes första instruktioner för anpassade GPT:er och fick henne att iterera. Som Ratcliff uttrycker det om de personer hon nu utbildar: "När de väl kommer igång blir de ostoppbara. Men först behöver de bara lite hjälp." Den andra var läggningen. "AI belönar verkligen idémänniskor. Så om du är en idémänniska är det här din tid."
Steg 3: Mata den med riktig information — aldrig skräp och aldrig PII
Medarbetare är bara så bra som den information de får, och Ratcliff drar två tydliga gränser. Den första gäller personas: "Du kan inte bygga en AI-persona baserad på AI-information. Du måste ha verklig information. Du måste ha gjort efterforskningen." Intervjuer, kvalitativa data, kvantitativa data — det är det som gör något som Ratcliffs personasimulator värt att rådfråga.
Den andra gränsen är absolut: "Jag lägger aldrig in PII i AI, och det borde inte du heller göra."
Steg 4: Skala från soloverktyg till delad intelligens
När enskilda medarbetare fungerar blir frågan vad man ska bygga härnäst — och svaret börjar med resultat, inte verktyg. "Att förstå vilket resultat du strävar efter och vilka kompetenser du redan har i teamet hjälper dig att identifiera vilka medarbetare du ens behöver. Du behöver inte bygga AI bara för AI:s skull", säger Ratcliff. "Det kommer att finnas luckor. Så hur fyller du de luckorna? Du bygger en medarbetare som fyller dem."
Du behöver inte bygga AI bara för AI:s skull.
Den verkliga förändringen sker när medarbetare slutar vara personliga produktivitetslösningar och blir gemensam infrastruktur. "När du börjar bygga det lagret av delad intelligens, och sedan har ett gemensamt orkestreringslager och gemensamma medarbetare som ni använder", förklarar hon, "är det då ni bryter ner stuprören mellan organisationerna och börjar röra er som en enhet, och AI är er sammanhållande vävnad."
Så här ser det ut i praktiken: två exempel
President-simulatorn. Ratcliff hade en idé som hon ville presentera för Dice president — någon hon inte kände särskilt väl. I stället för att riskera en oannonserad presentation byggde hon en simulator utifrån utskrifter från hans allmöten, en arbetsbeskrivning för hans roll och språk från hans mejl. Simulatorn avskydde hennes idé. Så hon använde den för att omformulera presentationen utifrån det han faktiskt brydde sig om: "Vi ändrade inte känslan, vi ändrade bara hur den presenterades." Den riktiga presentationen föll väl ut. När hon berättade om experimentet älskade han det — och simulatorn fick en ny användning som grund för att bygga innehåll till hans personliga varumärke.
Strategen för marknadsintroduktion. Efter en produktlansering hände något märkligt: "Vi lanserade den och det gick annorlunda än vi alla trodde. Och de personer som vi trodde skulle köpa produkten köpte den inte." Den ideala kundprofilen (ICP) behövde omdefinieras, och ingen var ansvarig för det. "Ingen äger marknadsintroduktionen. Så då tänkte jag: varför inte jag?" Hon byggde en strategisk medarbetare, matade den med konverteringsfrekvenser, den ursprungliga ICP:n och köpdata på kontonivå, och använde den för att bygga en ny köparprofil och utforma valideringstester. Den medarbetaren delades mellan teamen och "började bryta ner stuprören mellan marknadsföring, säljstöd och intäktsverksamhet" — en enda källa till sanning som alla kunde rådfråga.
Vanliga missuppfattningar — vederlagda
"AI kommer att ta ditt jobb." Ratcliffs svar är ett medvetet ja, och dessutom. "Du kommer att kunna bygga ett system av verktyg som stöder det arbete du utför ur ett genomförandeperspektiv, och du kan också använda dessa verktyg för att stärka ditt strategiska inflytande i organisationen. Så det du bör göra är att använda AI för att ersätta ditt nuvarande jobb samtidigt som du bygger ditt nya jobb. Det är så framtiden ser ut." Hon är dock ärlig om tidsramen. För alla som enbart arbetar med repetitiva, uppgiftsorienterade arbetsuppgifter: "Du kommer förmodligen undan med det i ytterligare ungefär två år, och sedan kommer du inte längre att ha något jobb."
Det du bör göra är att använda AI för att ersätta ditt nuvarande jobb samtidigt som du bygger upp ditt nya jobb. Det är så framtiden ser ut.
"Jag kan bara avstå den här gången." Hon jämför det här ögonblicket med en tidigare brytpunkt: "Om du var motståndare till internet, du vet, då gick det inte särskilt bra för dig." Även AI-certifieringar framstår för henne som en tillfällig signal – när någon nämnde att certifiera sitt team var hennes reaktion "coolt, det är som att bli certifierad i internet."
"Att leda AI-kollegor är precis som att leda människor." "Myt. Falskt. AI-kollegor har inga känslor", säger hon – även om de bör få en diagnostisk genomgång "förmodligen med regelbundna kvartalsvisa intervall, antagligen två gånger om året i vissa fall."
"Det här verktyget kan ersätta hela ditt marknadsföringsteam." "Alla verktyg som påstår att de kommer att ersätta ditt marknadsföringsteam ägnar sig åt marknadsföring. Det är åtminstone dålig marknadsföring", säger Ratcliff. Människor står fortfarande för smak, omdöme och nyanser. "Det kommer inte att ersätta ditt marknadsföringsteam. Det kommer att göra dem bättre."
"Att ta med sina AI-agenter i sitt CV är ett knep." "Rimligt. Jag har sett det här förut", säger hon om kandidater som intervjuas tillsammans med sina agentteam – en signal om exakt den kompetens hon skulle anställa för. Hon skulle till och med vända på den klassiska intervjufrågan: "Kanske är den nya frågan inte vilken din svaghet är? Utan vilka kollegor har du byggt för att förstärka dina färdigheter?"
Varningen: varför människan förblir en del av processen
Trots all entusiasm har Ratcliffs handlingsplan en tydlig gräns. "Bara människor har smak, och bara människor kan förstå nyanser samt historiska referenser och information som en AI inte kan uppfatta", säger hon. Hennes regel för placering av automatisering: "Jag automatiserar kanterna av de arbetsflödena, inte kärnan i dem." Rensa data automatiskt, utforma rapporten automatiskt – men bedömningen i mitten förblir mänsklig.
Hoppa över den gränsen och resultatet blir lågkvalitativt. Hon hänvisar till en AI-reklam för McDonald's som producerades i Europa: "Den var dålig, och folk protesterade verkligen, så de tog bort den eftersom den inte var bra. Och det är där den mänskliga aspekten är så oerhört viktig."
Hennes favoritanalogi är tvätt. Tvättmaskiner och torktumlare automatiserar två steg, men en människa bestämmer vad som ska läggas i, ställer in reglagen och tar ut tightsen innan de krymper. "Det kommer att finnas processer som vi gör manuellt just nu som helt enkelt inte är meningsfulla" att fortsätta göra manuellt, konstaterar hon – men också processer som är avgörande för människor att upprätthålla, eftersom "det handlar om omdöme, det handlar om etik."
Den människocentrerade gränsen är också svaret på teamets oro, vilket är anledningen till att hennes arbete med förändringsledning alltid börjar på samma sätt: "Det första steget är att skingra rädslan." Därefter handlar det verkliga arbetet om att hjälpa människor att utforma sina roller på nytt utifrån vad de faktiskt vill behålla. "Att förändra sitt tankesätt är så viktigt, för utan det, utan att föreställa sig arbetet på nytt, förändras ingenting i grunden. Man gör bara samma arbete, kanske lite snabbare."
Att förändra sitt tankesätt är så viktigt, för utan det, utan att föreställa sig arbetet på nytt, förändras ingenting i grunden.
Handlingsplanens paradox
Här är den obekväma kärnan i Ratcliffs råd: det säkraste karriärsteget som finns tillgängligt just nu är att medvetet automatisera bort sig själv från sitt nuvarande jobb – eftersom alternativet är att vänta på att någon, eller något, ska göra det åt en. Belöningen är inte arbetslöshet, utan tiden och möjligheten att räcka upp handen för arbete som ännu ingen äger, på samma sätt som Ratcliff tog ansvar för go-to-market när ingen annan ville. Och i den framtid hon beskriver, där organisationsscheman ersätts av arbetsscheman och team sätts samman kring resultat snarare än titlar, är det den hållbara positionen. Som hon uttrycker det: "Gör dig av med titeln, behåll färdigheterna och gör det arbete som bäst stämmer överens med det du är bra på och det du är intresserad av."
