Så gör AI-nativa företag arbetsflöden till operativ förmåga

OpenAI:s senaste Enterprise Signals visar att företags-AI går från assistans till utförande i mycket olika takt. Banbrytande företag (de 10 procent som använder AI mest) genererar nu 8,3 gånger fler utdatatoken per aktiv användare än typiska företag, jämfört med 2,6 gånger i januari. Det växande gapet pekar på en djupare förändring i verksamheten: ledande företag kopplar agenter till företagets kontext och verktyg, delegerar mer kvalificerat arbete och gör framgångsrika arbetsflöden lättare att upprepa.

För ledare är utmaningen att omvandla detta djup till arbete som människor kan lita på, mäta och förbättra. Ledare bör också ge utrymme för experiment, inklusive användningsfall vars värde inte är uppenbart vid första försöket.

Startupföretagen Basis⁠(öppnas i ett nytt fönster), Clay⁠(öppnas i ett nytt fönster) och Exa Labs⁠(öppnas i ett nytt fönster) har byggt in agenter i introduktionen av nyanställda, kundhanteringen och utvecklingen av utvecklarekosystem. Deras arbetsflöden skiljer sig åt, men utvecklingen är lärorik: lär en agent en stabil process, ge den bestående kontext när arbetet förändras och låt den sedan omsätta möjligheter i testade åtgärder.

Tillsammans visar exemplen hur team kan bygga in agenter i välbekanta arbetsuppgifter och förbättra processen över tid.

Introduktion av nyanställda har länge varit omständlig för både arbetsgivare och anställda. På Basis, som utvecklar AI-agenter för redovisningsbyråer, tar introduktionen under den första dagen nu 30 minuter i stället för två timmar. Det ger HR mer tid för kultur och stöd.

Den första dagen får de anställda omedelbar tillgång till Codex och en företagsspecifik introduktionsfärdighet (en återanvändbar uppsättning instruktioner och resurser för ett visst arbetsflöde). Codex välkomnar dem, presenterar viktiga företagsbegrepp och använder deras dator för att slutföra konfigurationen av integrationer i bakgrunden. När återkommande frågor eller undantag dyker upp kan HR uppdatera färdigheten före nästa grupp.

Basis demonstrerade introduktionsprocessen en gång och gjorde sedan om den till en återanvändbar färdighet med en tydlig utlösare, kända steg, tillgång till rätt verktyg och en tydlig definition av när arbetet är ”klart”. Processen är inte längre beroende av att en viss person är tillgänglig, men teamet kan ändå ingripa vid undantag eller komplexa frågor. Introduktionen är nu mer enhetlig och repeterbar samt lättare att förbättra, och nyanställda får genast ett arbetssätt för att samarbeta med AI.

Clay, som utvecklar en självlärande intäktsmotor för marknadsstrategiska team, står inför en välbekant säljutmaning: viktig affärskontext är utspridd över CRM-poster, e-post, Slack, samtal, presentationer, sms och dialoger med interna team och kundförespråkare.

För att hålla denna kontext aktuell testade en av Clays GTM-ingenjörer en bättre metod – en beständig Arbetsyta och en särskild underagent för varje konto. Varje underagent granskar primärkällor och uppdaterar sin affärsmapp under natten. Varje morgon sammanställer en samordnande agent uppdateringarna för alla hennes konton till en kort lista över prioriterade åtgärder: besvara en obesvarad kundfråga, fylla en lucka i köpkommittén eller ge en potentiell kund anledning att återuppta kontakten.

Enligt Clay sparar arbetsflödet henne omkring en timmes inkorgssortering varje kväll. De dagliga prioriteringarna hjälper henne att genomföra de små åtgärder som tillsammans kan få stor betydelse under en lång försäljningscykel för företagskunder. Underlagen finns nära varje rekommendation, så att säljarna kan granska primärkällorna innan de agerar. Företag skulle kunna utöka denna gemensamma kontext till kundansvariga, mötesbokare, lösningsingenjörer och försäljningschefer, inom ramen för befintliga kontobehörigheter.

Clay visar vad arbete i ständig förändring behöver för att kunna skalas upp: en enhetlig struktur, en lämplig uppdateringsfrekvens, gemensamma underlag och mänskligt omdöme när det är dags att agera.

Exa Labs, som utvecklar infrastruktur för webbsökning åt AI-agenter, vill göra sitt sök-API tillgängligt överallt där utvecklare kan ha nytta av det. Teamet kallar målet ”Exa överallt”. Tidigare krävdes det att teamen för utvecklarrelationer och kundansvar bevakade kodarkiv och det bredare ekosystemet, identifierade lovande integrationer, samlade in kontext och samordnade arbete mellan olika system. Även om möjligheterna varierade följde vägen från upptäckt till implementering en enhetlig sekvens. Exa gjorde om sekvensen till ett definierat arbetsflöde för Codex, med tydliga prioriteringar, tillgång till nödvändiga källor och mänsklig granskning innan något lanseras.

Codex bevakar nu högt prioriterade integrationsmöjligheter, samlar in relevant kontext, skapar pull-begäranden, kör tester och förbereder veckovisa uppdateringar med hjälp av källor som Slack och Notion. När det är lämpligt kan Codex också utarbeta nästa steg, inklusive ett första utkast till tillkännagivande, som teamet får granska. Arbetsflödet för en möjlighet från signal till testad leverans samtidigt som det minskar antalet överlämningar mellan research, utveckling och kommunikation.

Människor avgör fortfarande vilka möjligheter som är viktiga, vilka åtaganden Exa bör göra och hur externa relationer ska hanteras. Tester och granskningspunkter synliggör agentens arbete innan det lanseras. Testresultat och mänsklig granskning kan visa teamet var arbetsflödet behöver justeras före nästa körning. När arbetet får större konsekvenser blir behörigheter, underlag och beslutsrätt en allt viktigare del av arbetsflödets utformning.

Tillsammans omsätter Basis, Clay och Exa de mönster vi ser i Enterprise Signals i praktisk verksamhet. Basis gör om en beprövad process till en återanvändbar färdighet. Clay ger en agent den kontext och uthållighet som krävs för att hålla ett föränderligt arbete aktuellt. Exa lägger till verktyg, tester och granskning så att en agent kan omsätta en signal i avgränsat utförande. Alla tre gör förbättring till en del av arbetsflödet: undantag under introduktionen visar var en färdighet behöver finslipas, ny kontoaktivitet och säljarens validering håller affärskontexten aktuell och tester samt mänsklig granskning skärper gränserna för framtida utförande. Varje exempel börjar med en specifik uppgift och tillräckligt med utrymme för att testa den. Arbetsfördelningen blir tydligare genom användning, och ansvaret utökas när arbetsflödet visar vad det klarar.

När gapet till banbrytande företag växer måste företagsledare ge medarbetarna utrymme att testa betydelsefulla arbetsflöden, mäta framgång och omvandla de bästa experimenten till repeterbara arbetssätt.

• Välj ett betydelsefullt värdeområde. Börja med ett heltäckande arbetsflöde där en strategisk prioritering, system, överlämningar, kontroller och mätbara värden möts. Det bör upprepas tillräckligt ofta för att ge lärdomar och vara tillräckligt viktigt för att motivera en omarbetning.
• Definiera resultatet och hur ni ska mäta det. Ange vem som är ansvarig, KPI, utgångsläge och skyddsräcken. Mät djupet genom slutförda uppgifter, ansluten kontext och anslutna verktyg, undantag och granskningsbelastning. Mät värdet genom ledtid, kvalitet, kostnad, intäkter eller risk. Utdatavolymen kan visa att människor ber AI att göra mer. Arbetsflödets resultat visar om det spelar någon roll.
• Skriv agentens arbetsbeskrivning. Definiera vad som utlöser arbetet, önskat resultat, nödvändig kontext, verktyg och behörigheter samt hur ihärdigt agenten ska arbeta för att slutföra uppgiften. Ange vilka underlag agenten måste ta fram och var den måste stanna för mänsklig granskning.
• Bygg det mänskliga systemet runt agenten. Inkludera de personer som arbetar närmast arbetsflödet i utformningen. Ange vem som ansvarar för verksamhetsresultatet, domänlogiken, åtkomst och kontroller, införandet samt den dagliga användningen. Startupföretag samlar dessa ansvarsområden hos ett fåtal personer. Företag behöver uttrycklig beslutsrätt när arbetsflödet skalas upp.
• Gör experiment synliga och återanvändbara. OpenAI:s forskning visar att medarbetare tidigt i karriären sex månader efter införandet skickade 13 fler meddelanden per vecka än chefer. Ge medarbetarna utrymme att testa nya användningsfall. Dokumentera sedan processen och underlagen bakom det som fungerar och paketera det som färdigheter, plugin-program eller delade Arbetsytor. Chat, Work och Codex⁠(öppnas i ett nytt fönster) stöder olika lägen: Chat för frågor och snabbt samarbete, Work för kunskapsarbete i flera steg och färdiga leveranser samt Codex för tekniskt utförande.
• Ta verksamhetsmönstret vidare. Bevara den kontext, de behörigheter, utvärderingar, granskningspunkter, ansvariga, mätvärden och stödinsatser som fungerade och tillämpa dem sedan på nästa värdeområde. Varje nytt experiment bör ge nästa team ett bättre utgångsläge.