Paano ginagawang kakayahang operasyonal ng mga AI-native na kumpanya ang mga workflow

Ipinapakita ng pinakabagong Enterprise Signals ng OpenAI na sa magkakaibang bilis, lumilipat ang enterprise AI mula sa pagtulong tungo sa pagsasagawa. Ang mga frontier firm—yaong nasa nangungunang 10% sa paggamit ng AI—ay lumilikha na ngayon ng 8.3× na mas maraming output token kada aktibong user kaysa sa karaniwang firm, mula sa 2.6× noong Enero. Ipinapahiwatig ng lumalaking agwat ang mas malalim na pagbabago sa operasyon: ikinokonekta ng mga nangungunang firm ang mga agent sa konteksto at mga tool ng kumpanya, ipinagkakatiwala sa mga ito ang mas makabuluhang gawain, at ginagawang mas madaling ulitin ang matagumpay na mga workflow.

Para sa mga lider, ang hamon ay gawing gawaing mapagkakatiwalaan, masusukat, at mapapahusay ng mga tao ang lalim na iyon. Dapat ding maglaan ang mga lider ng puwang para sa pag-eeksperimento, kabilang ang mga use case na hindi agad nakikita ang halaga sa unang pagsubok.

Isinama ng mga startup na Basis⁠(magbubukas sa bagong window), Clay⁠(magbubukas sa bagong window), at Exa Labs⁠(magbubukas sa bagong window) ang mga agent sa onboarding ng empleyado, pamamahala ng account, at pagpapalago ng developer ecosystem. Magkakaiba ang kanilang mga workflow, ngunit kapaki-pakinabang ang pagkakasunod-sunod: turuan ang isang agent ng matatag na proseso, bigyan ito ng nagpapatuloy na konteksto habang nagbabago ang trabaho, at saka hayaang gawin nitong nasubukang aksyon ang mga oportunidad.

Sama-sama, ipinapakita ng mga halimbawang ito kung paano maisasama ng mga team ang mga agent sa pamilyar na gawain at mapapahusay ang proseso sa paglipas ng panahon.

Matagal nang masalimuot ang onboarding para sa mga employer at empleyado. Sa Basis, na gumagawa ng mga AI agent para sa mga accounting firm, 30 minuto na lang ang onboarding sa unang araw sa halip na dalawang oras, kaya mas maraming oras ang HR para sa kultura at suporta.

Sa unang araw, agad na nabibigyan ang mga empleyado ng access sa Codex at isang onboarding skill na partikular sa kumpanya—isang muling magagamit na hanay ng mga tagubilin at resource para sa isang partikular na workflow. Sinasalubong sila ng Codex, ipinakikilala ang mahahalagang konsepto ng kumpanya, at ginagamit ang kanilang computer upang kumpletuhin sa background ang pag-set up ng mga integration. Kapag may paulit-ulit na tanong o eksepsiyon, maa-update ng HR ang skill bago ang susunod na grupo.

Isang beses na ipinakita ng Basis ang proseso ng onboarding, saka ito ginawang muling magagamit na skill na may malinaw na trigger, mga tiyak na hakbang, access sa mga tamang tool, at malinaw na kahulugan ng “tapos.” Hindi na nakadepende ang proseso sa availability ng iisang tao, ngunit maaaring makialam ang team kapag may eksepsiyon o komplikadong tanong. Mas pare-pareho, nauulit, at madaling pahusayin na ngayon ang onboarding, at agad na nagkakaroon ang mga bagong empleyado ng huwaran sa pakikipagtulungan sa AI.

Ang Clay, isang kumpanyang gumagawa ng self-learning revenue engine para sa mga go-to-market team, ay nahaharap sa pamilyar na hamon sa sales: nakakalat ang mahalagang konteksto ng deal sa mga CRM record, email, Slack, tawag, presentasyon, text message, at pakikipag-usap sa mga internal team at tagasuporta sa panig ng customer.

Para mapanatiling napapanahon ang kontekstong iyon, nag-eksperimento ang isa sa mga GTM engineer ng Clay sa mas mahusay na paraan—isang permanenteng workspace at nakatalagang subagent para sa bawat account. Sinusuri ng bawat subagent ang mga pangunahing source at ina-update ang folder ng deal nito magdamag. Tuwing umaga, ginagawang maikling listahan ng mga priyoridad na hakbang ng isang tagapag-ugnay na agent ang mga update sa lahat ng account niya: sagutin ang isang matagal nang tanong ng customer, punan ang kakulangan sa buying committee, o bigyan ang isang prospect ng dahilan para makipag-ugnayan muli.

Ayon sa Clay, nakakatipid ang workflow ng humigit-kumulang isang oras bawat gabi sa pagsala niya ng inbox. Tinutulungan siya ng mga pang-araw-araw na priyoridad na maisagawa ang maliliit na hakbang na maaaring magkaroon ng malaking epekto sa mahabang enterprise sales cycle. Nananatiling kasama ng bawat rekomendasyon ang sumusuportang ebidensiya, kaya masusuri ng mga seller ang mga pangunahing source bago kumilos. Maaaring palawakin ng mga enterprise ang nakabahaging kontekstong iyon sa mga account executive, BDR, solutions engineer, at sales leader, alinsunod sa mga kasalukuyang pahintulot sa account.

Ipinapakita ng Clay kung ano ang kailangan upang mapalawak ang umuunlad na gawain: pare-parehong istruktura, kapaki-pakinabang na iskedyul ng pag-update, nakabahaging ebidensiya, at pagpapasya ng tao sa mismong punto ng pagkilos.

Nais ng Exa Labs, na gumagawa ng imprastraktura sa paghahanap sa web para sa mga AI agent, na gawing available ang search API nito saanman ito magagamit ng mga developer. Tinatawag ng team ang layuning ito na “Exa saanman.” Dati, para maisakatuparan ito, kailangang subaybayan ng mga developer relations at account team ang mga repository at ang mas malawak na ecosystem, tukuyin ang magagandang oportunidad sa integration, mangalap ng konteksto, at pag-ugnayin ang gawain sa iba't ibang system. Bagama't magkakaiba ang mga oportunidad, pare-pareho ang pagkakasunod-sunod mula sa pagtuklas hanggang sa pagpapatupad. Ginawa ng Exa ang pagkakasunod-sunod na iyon bilang isang malinaw na workflow para sa Codex, na may tiyak na mga priyoridad, access sa mga kinakailangang source, at pagsusuri ng tao bago ilabas ang anuman.

Sinusubaybayan na ngayon ng Codex ang mga oportunidad sa integration na may mataas na priyoridad, kinakalap ang nauugnay na konteksto, gumagawa ng mga pull request, nagpapatakbo ng mga test, at naghahanda ng lingguhang update gamit ang mga source gaya ng Slack at Notion. Kapag naaangkop, maaari rin nitong i-draft ang susunod na hakbang, kabilang ang paunang anunsiyo, para suriin ng team. Dinadala ng workflow ang isang oportunidad mula sa signal tungo sa nasubukang output habang binabawasan ang pagpapasa-pasa ng gawain sa research, engineering, at komunikasyon.

Mga tao pa rin ang nagpapasya kung aling mga oportunidad ang mahalaga, kung aling mga pangako ang dapat gawin ng Exa, at kung paano dapat pamahalaan ang mga ugnayan sa labas. Ginagawang nakikita ng mga test at yugto ng pagsusuri ang gawain ng agent bago ito ilabas. Maipapakita ng mga resulta ng test at pagsusuri ng tao sa team kung saan dapat baguhin ang workflow bago ito patakbuhin muli. Habang nagiging mas mahalaga ang mga kahihinatnan ng gawain, mas nagiging malaking bahagi ng disenyo ng workflow ang mga pahintulot, ebidensiya, at karapatang magpasya.

Sama-samang isinasalin ng Basis, Clay, at Exa sa mga praktikal na termino ng operasyon ang mga pattern na nakikita natin sa Enterprise Signals. Ginagawang muling magagamit na skill ng Basis ang isang napatunayang proseso. Binibigyan ng Clay ang isang agent ng konteksto at pagpapatuloy upang mapanatiling napapanahon ang umuunlad na koleksiyon ng gawain. Nagdaragdag ang Exa ng mga tool, test, at pagsusuri upang maisagawa ng isang agent ang isang signal sa loob ng malinaw na mga hangganan. Ginagawang bahagi ng workflow ng tatlo ang pagpapahusay: ipinapakita ng mga eksepsiyon sa onboarding kung saan kailangang pinuhin ang isang skill; pinananatiling napapanahon ng bagong aktibidad sa account at pagpapatunay ng seller ang konteksto ng deal; at nililinaw ng mga test at pagsusuri ng tao ang mga hangganan para sa susunod na pagsasagawa. Nagsisimula ang bawat isa sa isang tiyak na gawain at sapat na puwang para subukan ito. Mas nagiging malinaw ang paghahati ng gawain sa paggamit, at lumalawak ang responsibilidad habang napapatunayan ng workflow ang bisa nito.

Habang lumalaki ang agwat sa frontier AI, kailangang bigyan ng mga enterprise leader ang mga empleyado ng puwang upang subukan ang mga workflow na may malaking epekto, sukatin ang tagumpay, at gawing nauulit na kasanayan ang pinakamahuhusay na eksperimento.

• Pumili ng isang larangan ng halaga na may malaking epekto. Magsimula sa isang end-to-end na workflow kung saan nagsasama-sama ang estratehikong priyoridad, mga system, pagpapasa ng gawain, kontrol, at nasusukat na epekto. Dapat itong maulit nang sapat para may matutuhan dito at maging mahalaga nang sapat upang bigyang-katwiran ang muling pagdisenyo.
• Tukuyin ang resulta at kung paano mo ito susukatin. Tukuyin ang may pananagutan, KPI, baseline, at mga guardrail. Sukatin ang lalim sa pamamagitan ng mga natapos na gawain, nakakonektang konteksto at mga tool, mga eksepsiyon, at dami ng kailangang suriin. Sukatin ang halaga sa pamamagitan ng cycle time, kalidad, gastos, kita, o panganib. Maaaring ipakita ng dami ng output na mas maraming ipinagagawa sa AI ang mga tao; ipinapakita naman ng mga resulta ng workflow kung mahalaga ito.
• Isulat ang paglalarawan ng trabaho ng agent. Tukuyin kung ano ang magsisimula sa gawain, ang inaasahang resulta, kinakailangang konteksto, mga tool, pahintulot, at kung gaano kasigasig dapat kumilos ang agent hanggang makumpleto ito. Tukuyin kung anong ebidensiya ang dapat nitong ilabas at kung saan ito dapat huminto para sa pagsusuri ng tao.
• Bumuo ng sistemang pantao sa paligid ng agent. Isama sa pagdidisenyo ang mga taong pinakamalapit sa workflow. Tukuyin kung sino ang may pananagutan sa resulta ng negosyo, lohika ng domain, access at mga kontrol, paggamit, at pang-araw-araw na operasyon. Pinagsasama-sama ng mga startup ang mga responsibilidad na ito sa iilang tao; kailangan ng mga enterprise ng malinaw na karapatang magpasya habang lumalawak ang workflow.
• Gawing nakikita at muling magagamit ang pag-eeksperimento. Nalaman sa pananaliksik ng OpenAI na anim na buwan matapos gamitin ang teknolohiya, nagpapadala ang mga empleyadong nagsisimula pa lang sa kanilang karera ng 13 mensahe kada linggo na higit sa mga executive. Bigyan ang mga empleyado ng puwang upang sumubok ng mga bagong use case, saka itala ang proseso at ebidensiya sa likod ng gumagana at gawin itong mga skill, Plugin, o nakabahaging workspace. Sinusuportahan ng Chat, Work, at Codex⁠(magbubukas sa bagong window) ang iba't ibang mode: Chat para sa mga tanong at mabilisang pakikipagtulungan, Work para sa maraming hakbang na gawaing pangkaalaman at mga natapos na output, at Codex para sa teknikal na pagsasagawa.
• Dalhin ang paraan ng operasyon sa susunod na gawain. Panatilihin ang konteksto, mga pahintulot, ebalwasyon, yugto ng pagsusuri, mga may pananagutan, panukat, at suportang napatunayang epektibo, saka ilapat ang mga ito sa susunod na larangan ng halaga. Dapat bigyan ng bawat bagong eksperimento ang susunod na team ng mas magandang panimulang punto.