Jak AI-nativní firmy mění pracovní postupy v provozní schopnost

Nejnovější zpráva Enterprise Signals od OpenAI ukazuje, že firmy u používání AI přecházejí od asistence k samotnému provádění práce výrazně odlišným tempem. Průkopnické firmy, tedy 10 % společností s nejvyšším využitím AI, nyní generují na aktivního uživatele 8,3krát více výstupních tokenů než typické firmy. V lednu to bylo 2,6krát více. Rostoucí rozdíl poukazuje na hlubší změnu fungování: přední firmy propojují agenty s firemním kontextem a nástroji, svěřují jim podstatnější práci a usnadňují opakování úspěšných pracovních postupů.

Úkolem vedoucích pracovníků je tuto hloubku využití proměnit v práci, které lidé mohou důvěřovat, měřit ji a zlepšovat. Vedoucí pracovníci by také měli ponechat prostor pro experimentování, včetně případů použití, jejichž přínos není na první pohled zřejmý.

Startupy Basis⁠(otevře se v novém okně), Clay⁠(otevře se v novém okně) a Exa Labs⁠(otevře se v novém okně) začlenily agenty do nástupu zaměstnanců, správy zákaznických účtů a rozvoje vývojářského ekosystému. Jejich pracovní postupy se liší, ale vývoj je poučný: naučte agenta stabilní proces, poskytujte mu trvalý kontext podle toho, jak se práce mění, a poté ho nechte proměňovat příležitosti v ověřené kroky.

Tyto příklady společně ukazují, jak mohou týmy začlenit agenty do běžné práce a postupně celý proces zlepšovat.

Nástup nových zaměstnanců byl dlouho náročný pro zaměstnavatele i zaměstnance. Ve společnosti Basis, která vytváří AI agenty pro účetní firmy, nyní nástupní proces nového zaměstnance v první den trvá 30 minut namísto dvou hodin. Personální oddělení tak má více času na firemní kulturu a podporu.

Hned první den získají zaměstnanci přístup ke Codexu a firemní skill pro nástupní proces, tedy opakovaně použitelné sadě pokynů a zdrojů pro konkrétní pracovní postup. Codex je přivítá, představí jim klíčové firemní principy a na jejich počítači na pozadí dokončí nastavení integrací. Když se objeví opakované otázky nebo výjimky, personální oddělení může skill před nástupem další skupiny upravit.

Basis jednou předvedla nástupní proces a poté jej převedla na opakovaně použitelnou dovednost s jasným spouštěčem, známými kroky, přístupem ke správným nástrojům a jednoznačnou definicí stavu „hotovo“. Proces už nezávisí na dostupnosti jediného člověka, ale tým může zasáhnout při výjimkách nebo složitých otázkách. Nástupní proces je nyní jednotnější, opakovatelný a snáze se zlepšuje. Noví zaměstnanci navíc okamžitě získají vzor práce s AI.

Společnost Clay, která pro týmy strategie uvedení na trh vytváří samoučící se nástroj pro růst tržeb, řeší známý obchodní problém: zásadní kontext obchodních případů je roztříštěný mezi záznamy v CRM, e-maily, Slack, hovory, prezentace, textové zprávy a rozhovory s interními týmy i zastánci zákazníků.

Aby byl tento kontext stále aktuální, jedna z GTM inženýrek společnosti Clay vyzkoušela lepší přístup: trvalý pracovní prostor a vyhrazeného dílčího agenta pro každý zákaznický účet. Každý dílčí agent kontroluje primární zdroje a přes noc aktualizuje složku příslušného obchodního případu. Koordinační agent každé ráno převede aktualizace ze všech jejích účtů na stručný seznam prioritních kroků: odpovědět na nevyřešenou otázku zákazníka, doplnit chybějícího člena nákupní komise nebo dát potenciálnímu zákazníkovi důvod znovu navázat kontakt.

Podle společnosti Clay jí tento pracovní postup každý večer ušetří přibližně hodinu třídění doručené pošty. Denní priority jí pomáhají dotahovat drobné kroky, jejichž přínos se během dlouhého podnikového prodejního cyklu může nasčítat. Podklady zůstávají přímo u jednotlivých doporučení, takže si prodejci mohou před provedením kroku ověřit primární zdroje. Podniky by mohly tento sdílený kontext zpřístupnit také obchodním zástupcům, pracovníkům rozvoje obchodu, technickým konzultantům a vedoucím prodeje, samozřejmě v souladu se stávajícími oprávněními k účtům.

Clay ukazuje, co proměnlivá práce potřebuje ke škálování: jednotnou strukturu, účelnou frekvenci aktualizací, sdílené podklady a lidský úsudek v okamžiku rozhodování.

Společnost Exa Labs, která vytváří infrastrukturu webového vyhledávání pro AI agenty, chce své vyhledávací API zpřístupnit všude, kde by je mohli vývojáři využít. Tým tento cíl nazývá „Exa všude“. Jeho naplňování dříve vyžadovalo, aby týmy pro vztahy s vývojáři a správu účtů sledovaly repozitáře i širší ekosystém, vyhledávaly slibné integrace, shromažďovaly kontext a koordinovaly práci napříč systémy. Přestože se příležitosti lišily, cesta od jejich objevení k realizaci měla vždy stejnou posloupnost. Exa tuto posloupnost převedla na definovaný pracovní postup pro Codex s jasnými prioritami, přístupem k potřebným zdrojům a lidskou kontrolou před nasazením čehokoli do provozu.

Codex nyní monitoruje a vyhledává příležitosti k vysoce prioritním integracím, shromažďuje relevantní kontext, vytváří pull requesty, spouští testy a připravuje týdenní aktualizace s využitím zdrojů, jako jsou Slack a Notion. Je-li to vhodné, může také připravit návrh dalšího kroku včetně úvodního oznámení, který pak tým zkontroluje. Pracovní postup dovede příležitost od prvotního signálu až k otestovanému výstupu a současně omezuje předávání práce mezi výzkumem, vývojem a komunikací.

O tom, které příležitosti jsou důležité, jaké závazky by měla Exa přijmout a jak řídit vztahy s externími partnery, stále rozhodují lidé. Díky testům a kontrolním bodům je práce agenta viditelná ještě před nasazením. Výsledky testů a lidská kontrola mohou týmu ukázat, kde má pracovní postup před dalším spuštěním upravit. Čím závažnější je daná práce, tím významnější roli v návrhu pracovního postupu hrají oprávnění, podklady a rozhodovací pravomoci.

Firmy Basis, Clay a Exa převádějí vzorce, které zaznamenáváme všude v Enterprise Signals, do konkrétních provozních postupů. Basis mění osvědčený proces v opakovaně použitelnou dovednost. Clay poskytuje agentovi kontext a kontinuitu, aby mohl průběžně aktualizovat proměnlivou agendu. Exa přidává nástroje, testy a kontrolu, aby agent mohl převést signál do jasně vymezené realizace. Všechny tři společnosti začleňují zlepšování přímo do pracovního postupu: výjimky při nástupu zaměstnance ukazují, kde je třeba dovednost zdokonalit; nové aktivity na zákaznických účtech a ověření prodejci udržují kontext obchodních případů aktuální; testy a lidská kontrola pak zpřesňují hranice budoucí realizace. Každá začíná konkrétním úkolem a dostatečným prostorem k jeho otestování. Dělba práce se používáním vyjasňuje a s tím, jak se pracovní postup osvědčuje, roste i rozsah odpovědnosti.

S rostoucím průkopnickým náskokem musí vedoucí pracovníci podniků dát zaměstnancům prostor testovat důležité pracovní postupy, měřit úspěšnost a měnit nejlepší experimenty v opakovatelnou praxi.

• Vyberte jednu důležitou oblast tvorby hodnoty. Začněte u uceleného pracovního postupu, v němž se setkávají strategická priorita, systémy, předávání práce, kontrolní mechanismy a měřitelné výsledky. Měl by se opakovat dostatečně často, aby z něj bylo možné získávat poznatky, a být natolik důležitý, aby se vyplatilo jej přepracovat.
• Definujte výsledek a způsob jeho měření. Určete odpovědnou osobu, KPI, výchozí stav a mantinely. Hloubku využití sledujte podle dokončených úkolů, propojeného kontextu a nástrojů, výjimek a náročnosti kontrol. Hodnotu sledujte podle délky cyklu, kvality, nákladů, výnosů nebo rizika. Objem výstupů může ukázat, že lidé svěřují AI více práce. Výsledky pracovních postupů ukazují, zda to má význam.
• Sepište popis práce agenta. Definujte, co práci spouští, požadovaný výsledek, potřebný kontext, nástroje a oprávnění i to, jak vytrvale má agent pracovat na jejím dokončení. Určete, co musí doložit a v kterých bodech musí zastavit, aby byla provedena kontrola člověkem.
• Vybudujte kolem agenta lidský systém. Zapojte do navrhování lidi, kteří mají k pracovnímu postupu nejblíže. Určete, kdo odpovídá za obchodní výsledek, oborovou logiku, přístup a kontroly, zavedení i každodenní používání. Ve startupech bývají tyto povinnosti soustředěny u několika lidí. Podniky však se škálováním pracovního postupu potřebují výslovně stanovit rozhodovací pravomoci.
• Zviditelněte experimentování a umožněte opakované využití výsledků. Výzkum OpenAI zjistil, že šest měsíců po zavedení posílali zaměstnanci na začátku kariéry o 13 zpráv týdně více než vedoucí pracovníci. Dejte zaměstnancům prostor testovat nové případy použití, poté zachyťte proces i podklady dokládající, co funguje, a převeďte je na dovednosti, pluginy nebo sdílené pracovní prostory. Chat, Work a Codex⁠(otevře se v novém okně) podporují různé režimy: Chat slouží k otázkám a rychlé spolupráci, Work k vícekrokové znalostní práci a tvorbě hotových výstupů a Codex k technické realizaci.
• Přeneste osvědčený provozní vzorec dál. Zachovejte kontext, oprávnění, hodnocení, kontrolní body, odpovědné osoby, metriky a podporu, které se osvědčily, a poté je použijte v další oblasti tvorby hodnoty. Každý nový experiment by měl dalšímu týmu nabídnout lepší výchozí bod.