O czym jest ten film
- Alli K. Miller (wcześniej IBM i AWS, zarządzała wielomiliardowymi P&L w obszarze AI) opisuje, jak prowadzi własną „załogę” 34 agentów AI.
- Teza wyjściowa: słowo „zarządzanie agentami” jest już nieaktualne — rola człowieka przesuwa się w stronę decydowania i przyjmowania eskalacji.
- Najlepszy prompt, jaki wdrożyła, ma trzy słowa: do smart things — pod warunkiem, że agenci mają dostęp do pełnego kontekstu firmy i spisanych celów.
- Piramida proaktywności (za Alexem Liebermanem) jako sposób oceny, na jakim poziomie samodzielności działa agent — i człowiek.
- Przejście od proaktywności w zdefiniowanych workflow (wyzwalacze, automatyzacje) do proaktywności w workflow niezdefiniowanych.
- Struktura zespołu: AI chief of staff plus sześciu dyrektorów o rolach, których nie dałoby się obsadzić w świecie ludzkim — w tym „chief dreaming officer” i agent, którego jedynym zadaniem jest obserwowanie pracy innych agentów.
- Codzienny dyktowany dziennik jako sposób kodyfikowania wiedzy, która nie istnieje w mailach, transkryptach ani Slacku.
- Ścieżka wdrożenia dla początkujących: jeden agent → jeden agent proaktywny → dwóch agentów współpracujących → cała załoga.
- Trzy obszary arbitrażu: zaawansowana załoga AI, AI jako watchdog z wnioskami zamiast dashboardów, oraz budowanie „fabryki produktów” zamiast pojedynczego produktu.
- Dlaczego „apokalipsa SaaS” nie nadejdzie szybko: odpowiedzialność, bezpieczeństwo, utrzymanie i opóźnienie w dostępie do nowych modeli.
Redakcyjne tłumaczenie
Wprowadzenie
Greg Isenberg: Są ludzie, którzy uruchamiają załogi złożone ze setek agentów i subagentów i wykonują nimi niewiarygodne ilości pracy. Ale jak się to robi? Jak w ogóle o tym myśleć? Jakie strategie pozwalają zbudować załogę agentów AI, która obiecuje mniej, a dowozi więcej?
Dziś moim gościem jest Alli K. Miller, jedna z najbardziej rozpoznawalnych postaci w świecie AI. Pracowała w IBM, pracowała w AWS, zarządzała wielomiliardowymi rachunkami zysków i strat w obszarze AI. Zadałem jej proste pytanie: jak zarządzasz swoją flotą agentów? W tym odcinku obejmujemy sporo tematów, ale na końcu będziesz rozumieć, jak strategicznie myśleć o uruchamianiu załóg agentów AI i gdzie są okazje do zbudowania startupu B2B opartego na agentach.
(Informacja dodatkowa: odcinek zawiera blok sponsorski platformy finansowej Brex; pominięto go w tłumaczeniu jako treść reklamową).
Greg: Nie umiem opisać, jak bardzo się cieszę, że wreszcie mam Alli Miller w podcaście. Błagałem ją o to od dawna. To jedna z moich ulubionych osób w AI, a nie mówię tego lekko. Witaj.
Alli: Dziękuję, Greg. Ty też jesteś jedną z moich ulubionych osób, więc naprawdę cieszę się, że pogadamy o wszystkich tych rzeczach z AI, nad którymi pracujemy.
Greg: Czego ludzie nauczą się do końca odcinka?
Alli: Mam nadzieję, że zrozumieją zmianę nastawienia, przez którą sama teraz przechodzę. Mam wrażenie, że sam termin „zarządzanie agentami” jest błędny. Chciałabym, żeby ludzie zrozumieli, na czym ta zmiana polega, zobaczyli kilka przykładów i wiedzieli, jak zacząć — jaki powinien być pierwszy krok.
Dlaczego „zarządzanie agentami” to złe słowo
Alli: Chętnie się z tobą o to pospieram, bo jeszcze o tym nie rozmawialiśmy. „Zarządzanie agentami” brzmi tak, jakbym była ich bezpośrednią przełożoną: Zosiu, idź tam, Basiu, zrób tamto, Jarku, zajmij się tym. A ja czuję się trzy szczeble wyżej, na poziomie wiceprezesa nadzorującego całość. Ustawiam infrastrukturę, a oni sami wymyślają najlepszy sposób realizacji w jej ramach.
Przesuwam się z zarządzania w stronę czekania na eskalacje. Odchodzę od delegowania w stronę decydowania, co ma się wydarzyć, a co nie. To trochę rola odpowiedzialności prawnej: mam ostatnie słowo i wchodzę w momentach, które wymagają krytycznego myślenia. Czy tylko ja mam wrażenie, że tak to teraz wygląda? Widzę „zarządzanie agentami” wszędzie i to brzmi jak język z początku 2026 roku.
Greg: Pytanie brzmi też: czy my w ogóle chcemy zarządzać agentami? Zarządzanie ludźmi jest trudne. Wydaje mi się, że jednym z głównych powodów, dla których chcemy, żeby AI robiło rzeczy za nas, jest właśnie to, żeby nie musieć niczym zarządzać.
Alli: Prowadziłam w AWS organizację liczącą około stu osób. Uwielbiałam te części zarządzania ludźmi, które polegały na czynieniu ich lepszymi — dawaniu im siły, patrzeniu, jak przebijają swój sufit, jak dostają awanse. To była frajda. I to, co mogliśmy zrobić razem. Ale rzeczy w rodzaju „musimy wypełnić ten formularz i kliknąć ten przycisk” — zabierzcie mnie stąd.
Więc administracyjna strona zarządzania ludźmi i administracyjna strona zarządzania agentami — tego chcę się pozbyć całkowicie. A to, co kocham w pracy z ludźmi, przenoszę na agentów: jak działać najambitniej, jak sprawić, żebyś przebił swój sufit?
Prompt złożony z trzech słów
Alli: Jeden z najlepszych promptów, jakie zastosowałam w mojej załodze AI, ma trzy słowa. Z niewielkim wyjaśnieniem, ale w rdzeniu to trzy słowa. To najlepszy prompt w historii.
Mój AI chief of staff nazywa się Simon. Simon prowadzi całą tę organizację. Mam trzydziestu czterech agentów AI pracujących w tej załodze. I olśniło mnie, że sama funkcjonowałam na granicy własnej wyobraźni w swoim biznesie — że mogłabym robić dużo ambitniejsze rzeczy, gdyby ktoś potrafił zarządzać mną. Ktoś, kto pomógłby mi przebić mój własny sufit. Mam oczywiście mentorów, a ty świetnie potrząsasz ludźmi i sprawiasz, że kwestionuję swój sposób działania. Ale olśniło mnie: dlaczego nie opieram się na agentach AI również w tym? Dlaczego wszystko, nad czym pracują, jest początkowo wywołane przeze mnie? Nawet jeśli to zadanie cykliczne, to i tak ja musiałam je wymyślić i im je zlecić.
Więc najlepszy prompt, trzy słowa, brzmi: do smart things — rób mądre rzeczy. Moja załoga AI ma dostęp do każdego dokumentu kontekstowego. Mam dokumenty o moim biznesie, o przyjaciołach, o rodzinie, o moich celach osobistych na 2026 rok, o celach biznesowych. Ma dostęp do transkryptów spotkań, maila, kalendarza, Notion, Stripe, Supabase, GitHuba, czego tylko chcesz. I kilka razy dziennie chciałam, żeby ktoś spojrzał w poprzek tego wszystkiego i po prostu zrobił mądre rzeczy.
To, jak Fable 5, GPT 5.6 i modele tego poziomu reagują na tak mgliście sformułowany prompt — rok temu byłoby to niemożliwe. Dziś jak najbardziej działa.
(Informacja dodatkowa: rozmówcy odwołują się do modeli dostępnych w połowie 2026 roku; nazwy padają jako przykład klasy modeli zdolnych działać na bardzo ogólnych poleceniach).
Trzy typy pracowników i piramida proaktywności
Greg: Kiedy zatrudniasz człowieka, są chyba trzy typy pracowników. Pierwszy to ktoś, kto nie kończy zadań — to nie jest dobry pracownik. Drugi to ktoś, kto realizuje zadania zadowalająco albo powyżej oczekiwań, ale nie wymyśla nowych zadań. Jeśli odsuniesz się od biznesu, raczej nie zobaczysz szalonego wzrostu. A najlepszy pracownik, jakiego możesz zatrudnić, realizuje zadania, przekracza oczekiwania, a przy tym sam wymyśla nowe zadania, którymi powinien się zająć, i faktycznie je wykonuje.
Czyli to, co mówisz, sprowadza się do dawania zespołowi agentów większej odpowiedzialności. Tymi trzema słowami przerzucasz na nich ciężar: jest tu sporo mgły, poradźcie sobie z nią.
Alli: Tak. Powiedziałabym: daję im więcej szerokości, więcej zakresu, więcej elastyczności. Nie pozwalam im teraz wysyłać stu maili, których wcześniej musiałam sprawdzać. Nadal sprawdzam wszystkie maile. Poziom ryzyka pozostał ten sam, ale szerokość działania się rozszerzyła.
Greg: To niemal nie do wiary, że te trzy słowa robią różnicę.
Alli: Zgadzam się z twoim podziałem na poziomy pracowników. Alex Lieberman opublikował coś takiego jak piramida proaktywności, którą przerobiłam na własne potrzeby. To pięć poziomów proaktywności. Na poziomie czwartym brzmi to: „już to rozwiązałem, oto kompromisy”. Na poziomie piątym: „już to rozwiązałem, oto jak sobie poradzę, jeśli coś pójdzie nie tak, oto kolejne kroki”. Czyli dokładnie to, co opisałeś.
Powiedziałabym, że różnica między poziomem drugim a trzecim w twojej analogii to ktoś, kto rozumie cele, oraz ktoś, komu dano władzę przemyślenia od nowa, jak rzeczy są robione, i władzę faktycznego wykonania.
I ja daję mojej załodze AI cele — one są spisane. Co kwartał przechodzę przeglądy celów razem z moją załogą agentów, żeby dokumenty celów żyjące na moim pulpicie były zduplikowane na dysku, tak by wszystkie te chmurowe workflow mogły faktycznie działać. Wszystko po to, żeby AI, działając w tym rozszerzonym zakresie i biorąc na siebie zupełnie nowe zadania, robiło to w sposób zorientowany na cel. To jak nadanie mu produktowego sposobu myślenia. Byłoby ogromnym ograniczeniem traktować to jako inżyniera, skoro może być najlepszym product leadem, jakiego kiedykolwiek miałeś.
Proaktywność zdefiniowana i niezdefiniowana
Greg: Pisałeś na Twitterze, że skupiasz się na proaktywnych agentach. O tym właśnie mówisz?
Alli: Kiedy rozmawia się z laboratoriami AI — a wiem, że ty rozmawiasz i ja rozmawiam — słowem roku wydaje się „proaktywny”. Nie chcę już być pierwszym klockiem domina. Nie chcę być wąskim gardłem we własnej pracy. W każdej chwili, w której zauważam, że to ja jestem czynnikiem ograniczającym w pomaganiu miliardowi ludzi w transformacji ich życia, pracy i biznesu w epoce AI, muszę usunąć siebie z procesu.
Pod koniec 2025 i w pierwszej połowie 2026 duża część tego polegała na przejściu na proaktywnych agentów. Mieliśmy proaktywne automatyzacje oparte na wyzwalaczach. Prosty przykład: za każdym razem, gdy wrzucam nagranie wideo do naszego folderu — czyli po każdym nagraniu ekranu — automatycznie generuje się transkrypt, który trafia do naszego repozytorium transkryptów. Generuje się dziewięć różnych postów społecznościowych w moim stylu, na X, LinkedIn, scenariusze do Instagram Reels i tak dalej. To była łatwa kraina automatyzacji: proaktywny, ale bardzo dobrze zdefiniowany workflow.
Znacznie ciekawsza dla drugiej połowy 2026 roku jest proaktywność w niezdefiniowanych workflow. AI jest zawsze probabilistyczne, nie deterministyczne. Chcę wziąć tę probabilistyczną naturę rozumowania — ten krok zerowy myślenia — i zastosować ją do samego doboru zadań, których model się podejmuje.
Żeby to było możliwe — czy rozmawiasz z człowiekiem, czy z agentem — musi on wiedzieć, jaki jest cel, co jest gwiazdą polarną, jaka jest wizja. Musi mieć dostęp do narzędzi, zgodę na używanie ich w sposób, który faktycznie zdejmuje pracę z twojego biurka, oraz wyczucie, co normalnie wyzwoliłoby takie działanie.
Dziennik: kodyfikowanie kontekstu, którego nigdzie nie ma
Alli: Chcę, żeby cała moja firma dała się odpytywać. Chcę, żeby AI miało kontekst na temat wszystkiego, co się dzieje. I olśniło mnie, że owszem, miało dostęp do transkryptów spotkań, do Gmaila i tak dalej, ale mnóstwo rzeczy nie było jeszcze skodyfikowanych. Rzeczy w rodzaju: „wszystko staje się proaktywne, chcę być bardziej proaktywna”, albo: „ten klient uważa, że potrzebuje pomocy z workflow po stronie CMO, ale naprawdę jego problemem jest przekwalifikowanie ludzi i znalezienie nowych ról w jednym dziale”.
Więc wszystko, co nie jest skodyfikowane w spotkaniach, mailach czy Slacku, poprosiłam AI, żeby wyciągało ze mnie codziennie promptem. Musiałam oczywiście dać temu moje kolory marki i nie chciałam musieć myśleć, mając pod koniec dnia sprawne może dziesięć procent mózgu. Więc dostaję krótki prompt. Przypomina mi, żeby dyktować, bo to cztery razy szybsze niż pisanie. I odkładam takie wpisy: „rozmawiałam z Gregiem, mam wrażenie, że cała uwaga skupia się na proaktywnych agentach, na proaktywności i elastyczności; chcę bliżej przyjrzeć się jego trzem poziomom pracowników”. Robię to przez pięć minut albo przez czterdzieści, na koniec dnia albo w ciągu dnia. Potem to zapisuję i trafia do mojej osobistej wiki.
Chodzi mi o to, żeby agenci pracujący na tej bardzo elastycznej warstwie — gdzie, powtórzę, ja nimi nie zarządzam, ja ich umożliwiam, a oni wracają do mnie z eskalacjami i decyzjami — mieli właściwy kontekst. Inaczej wszystko, co zrobią, będzie błędne.
Widzieliśmy to na początku prac nad załogą AI. Pojawiało się: „widziałem, że Greg potwierdził wywiad”. A prawda była taka, że Greg potwierdził, ale nadal ustalamy daty, robię to SMS-em, integracja z iMessage się zepsuła i dlatego tego nie widzisz. Mnóstwo takich rzeczy trzeba było stale naprawiać i dojście do miejsca, w którym jesteśmy teraz, zajęło pewnie miesiące. Ale mamy Claude’a w każdym z naszych kanałów czatowych.
Struktura załogi: role, których nie da się zatrudnić
Greg: Ile masz tych wpisów w dzienniku — osiemdziesiąt sześć? Czy cała twoja załoga AI ma do nich dostęp, czy tylko część?
Alli: Dobre pytanie. Moja załoga to obecnie jeden AI chief of staff i sześcioro dyrektorów. Dyrektorzy odpowiadają w większości za funkcje biznesowe: edukacja, praca z klientami, operacje, marketing, produkt. I Phoebe — coś w rodzaju chief dreaming officer, która po prostu siedzi w kącie i robi dziwne rzeczy. Wszyscy są nazwani po postaciach z Przyjaciół.
(Informacja dodatkowa: nazwy agentów — Simon, Phoebe, Toby — to wewnętrzna konwencja nazewnicza, a nie produkty czy narzędzia dostępne publicznie).
Powód, dla którego dojście do obecnego stanu zajęło nam miesiące, jest taki, że trzeba zrobić rachunek sumienia z założeń, które przyjęliśmy o własnej pracy i o tym, jak żyjemy na co dzień. I trzeba być gotowym powiedzieć: „to, co robię od prawie czterdziestu lat, chyba powinnam zmienić”. To bardzo wstrząsająca zmiana, zwłaszcza gdy jest się typem prymusa.
Jedna rzecz, o której muszę sobie stale przypominać: mamy tych wszystkich agentów, mamy skille, mamy to i tamto — i jeśli nadam im wszystkim tytuły stanowisk, które istniały w 2015 roku, to działam w świecie z 2015 roku. Jeśli nazwę jednego CMO, drugiego chief product officerem, a pod nimi posadzę front-end engineera i back-end engineera, to znaczy, że operuję na strukturze organizacyjnej z 2015 roku.
A jednym z najwspanialszych zastosowań wolnej woli jest uświadomienie sobie: przecież ci wszyscy pracownicy kosztują w zasadzie zero dolarów, więc na marginesie mogę zatrudnić kogokolwiek zechcę. Więc chciałam dziwaka. Zatrudniłam Phoebe jako dziwadło w kącie, które przygląda się wszystkiemu, nad czym pracujemy. Phoebe działa jako końcowa warstwa nad tym, co powstaje, i pyta: jak to zrobić dziesięć razy lepiej?
Żartuję, że pracowałam w Amazonie z takim człowiekiem, Davidem — jednym z powodów, dla których tam poszłam. To jeden z najambitniejszych myślicieli, jakich poznałam. Żartowałam, że zapłaciłabym mu za to, żeby posadził mnie w pokoju jak na hiszpańskiej inkwizycji, z jasnym światłem w twarz, i zadał pytanie — a prowadziłam wtedy wielomiliardowy biznes w Amazonie, strategię AI dla czterystu tysięcy startupów na świecie. I gdyby zapytał, jak bym coś zrobiła, a ja bym odpowiedziała, chciałam, żeby mnie spoliczkował i powiedział: „a jak zrobisz to dziesięć razy lepiej?”.
Chcę Davida do tego, jak buduję swoją załogę AI — i teraz potrafię go sobie zapewnić sama. David pewnie byłby zawiedziony, ale chodzi o przemyślenie ról od nowa i przemyślenie, na co wydajesz pieniądze. Phoebe to rola, której nigdy nie zatrudniłabym w ludzkim świecie. Toby to druga taka. Toby jest asystentem Simona i jego jedynym zadaniem jest obserwowanie, jak pracuje załoga AI, robienie notatek: gdzie wciąż jest tarcie i kto potrzebuje dostępu do czego.
Wracając do dziennika: jeśli okazało się, że jakiś agent nie miał dostępu do czegoś, Toby mówił: „za każdym razem poprawiasz wynik tego jednego agenta — czy pomyślałaś, żeby dać mu dostęp do tego?”. Ten kontekst żyje na moim pulpicie, więc każdy z agentów naprawdę go widzi. Ale gdyby chodziło o konkretne narzędzie albo o folder poza normalnym obszarem Claude’a, na który mam twarde reguły, to absolutnie użyłabym AI jako sposobu wykrywania tych punktów tarcia, żeby potem rozszerzyć dostępy.
Jak zacząć: ścieżka od jednego agenta do załogi
Greg: Pytanie o projektowanie samej załogi. Zgadzam się, że trzeba pomyśleć, jak stworzyć załogę natywnie AI, bez tytułów stanowisk z epoki sprzed AI. Ale taktycznie: jeśli jestem założycielem, to o ile łatwiej powiedzieć „potrzebuję CMO, potrzebuję CPO, potrzebuję tego i tamtego”.
Alli: I uważam, że wszyscy powinni tam zacząć. Punktem wyjścia jest pytanie: jak to jest pracować z jednym agentem? Potem: jak to jest pracować z jednym agentem, który robi rzeczy w moim imieniu proaktywnie? Potem: jak to jest, gdy dwóch agentów pracuje wspólnie nad zadaniem albo gdy jeden kieruje drugim, przekazuje mu robotę? A dopiero potem: jak wygląda cała załoga, jak te wszystkie elementy ze sobą współdziałają i jak zbudować rodzaj centrum dowodzenia, w którym widzę, jak to wszystko się przemieszcza?
I wtedy dochodzisz do wniosków: aha, teraz rozumiem, jak wymieniają się notatkami. Teraz rozumiem, jak przekazywany jest kontekst. Teraz rozumiem, że pewne rzeczy muszą działać równolegle. Teraz rozumiem, że ten agent w ogóle nie potrzebował dostępu do tych narzędzi. Teraz rozumiem, że ten agent może działać na mniejszym modelu — nie wszystko potrzebuje Opusa. Wszystkie moje subagenty działają na Haiku i Sonnecie. To wszystko należy do fazy odkrywania przy budowaniu załogi AI. Uważam, że warto zacząć od tradycyjnych tytułów stanowisk.
Greg: Pomyślałem sobie tylko, że szkoda, że to takie trudne. Bo faktycznie widać, że jest okres rozbiegu, zanim dojdziesz do momentu, w którym twoja załoga AI naprawdę działa efektywnie. I wielu ludzi próbuje, ponosi porażkę i mówi: to nie dla mnie, albo: modele nie są jeszcze wystarczająco dobre.
Alli: Moje zdanie jest takie: załogę można postawić jednym promptem. Publikowałam ten prompt publicznie. Wystarczy napisać: jestem założycielem, buduję osobistego stylistę opartego na AI, mój zespół to trzy osoby, oto co robimy, oto gdzie działamy, oto nasz cel. I dalej: „przeprowadź ze mną wywiad, zbudujemy razem załogę AI — coś, co działa efektywniej i realizuje moje cele: zaoszczędzić przynajmniej pięć godzin tygodniowo, ograniczyć spotkania do piętnastu godzin tygodniowo i dopiąć rundę finansowania do października”. To da się zrobić jednym promptem — model przeprowadza z tobą wywiad i masz załogę.
Ale droga od „no dobrze, wszyscy ci agenci istnieją, mają swoje pliki markdown i coś robią” do „o, teraz to działa na poziomie ponad dziewięćdziesięciu procent, o, potrzebowałam jeszcze tego kontekstu z dziennika, a ta rola nie działa, zamienię ją” — to wszystko przychodzi przez iterację, bo jest bardzo specyficzne dla każdej osoby.
Rada, jakiej bym udzieliła: przestań polegać wyłącznie na sobie w wykrywaniu tych blokad. AI jako watchdog to jedno z najlepszych dostępnych dziś zastosowań i prawie nikt tego nie robi. Watchdog w Slacku wyłapujący dublującą się pracę. Watchdog nad kalendarzem, wychwytujący konflikty. Watchdog nad spotkaniami, sprawdzający, gdzie pojawia się rozbieżność zdań.
Dziesięć lat temu pracowałam w dużym przedsiębiorstwie nad porównywaniem umów: wersja przed edycją, wersja po edycji, porównanie z pomocą AI. Wtedy to było uznawane za najlepsze zastosowanie na świecie. A dziś nikt nie używa AI do takiej dziwnej, międzyfunkcyjnej analizy luk na poziomie bardziej zaawansowanym niż dziesięć lat temu. A to wciąż niesamowicie mięsisty przypadek użycia.
(Informacja dodatkowa: w transkrypcie automatycznym padają zniekształcone nazwy narzędzi — „cloud tag”, „clawude”. Chodzi najprawdopodobniej o narzędzia z ekosystemu Claude’a).
Myślę, że pomaga tu tag Claude’a. W tej chwili, w której nagrywamy, jego konfiguracja to bałagan, ale pewnie do premiery odcinka zostanie to naprawione.
Załoga wieloosobowa: ludzie i agenci w jednym kanale
Alli: Podpięłam też własnego Claude Code’a. Mam kanał na Slacku o nazwie Loop Alli. Mój ludzki zespół może w tym kanale rozmawiać z moją załogą AI. Nie ma tu sufitu. Zdarza się, że gdy prowadzę prywatną wymianę maili, ktoś z zespołu pisze na Slacku: „hej, czy ten duży klient z sektora finansowego odpowiedział na maila Alli?” — i moja załoga odpowiada tej osobie, która nie musi czekać pięciu godzin, aż ja się odezwę.
Podkręcanie tego, jak zaawansowana jest twoja załoga i jak bardzo jest wieloosobowa, zajmie czas, bo ludzie dopiero teraz wypracowują dobre praktyki. Rzeczy nie są dziś łatwe w konfiguracji. Ale ten fundament — „przeprowadź ze mną wywiad, chcę załogę, chcę czegoś, co robi za mnie rzeczy na wystarczająco wysokim poziomie” — plus podpięcie do narzędzi da się postawić w mniej niż trzy godziny.
Greg: I właśnie dlatego, że mało kto to robi, jest tu okazja arbitrażowa.
Alli: Tak.
Trzy okazje: załoga, watchdog z wnioskami, fabryka
Greg: Czyli: przetrwaj początkową trudność i optymalizuj. Ciekaw jestem, jakie widzisz okazje, na których ludzie mogliby zarabiać.
Alli: Po pierwsze, sama załoga AI. Jeśli spojrzysz na odsetek płacących użytkowników AI, a potem na odsetek tych, którzy używają narzędzi w rodzaju Codeksa czy Claude Code, jest on znikomy. Więc jeśli chcesz być w górnym jednym procencie użytkowników AI i zbudowałeś choćby podstawową załogę, już jesteś w tym jednym procencie. Na pewno w pięciu. Doprowadzenie tego do zaawansowanego poziomu to absolutny arbitraż, bo mam wrażenie, że prowadzę firmę tysiącosobową, a nie moją małą, chudą ekipę.
Druga rzecz: AI jako watchdog nad każdą rzeczą, którą normalnie śledzę. I nie mam na myśli samej widoczności — uważam, że dashboardy są głupie. Chcę widoczności z wykrywaniem anomalii i wnioskami. Nie mów mi tylko, ilu mam obserwujących w mediach społecznościowych ani ile mam wyświetleń. Powiedz mi, o czym ludzie mówią, na co najlepiej reagują, co nie działa, co powinnam zrobić jutro — i napisz mi scenariusz, który mi w tym pomoże. Czyli AI jako watchdog, ale z wnioskami przekładającymi się na działanie.
Trzecia rzecz, o której mówi bardzo mało osób, a która jest prawdopodobnie jedną z największych okazji arbitrażowych ze względu na to, jak dobre są dziś modele: zamiast budować rzecz, zbuduj fabrykę tej rzeczy.
Greg: Co masz na myśli?
Alli: Powiedzmy, że chcesz zbudować produkt. Prowadzę u wszystkich moich klientów z listy Fortune 500 coś, co nazywa się AI First Index: przeprowadzam wywiady z ich kadrą zarządzającą i oceniam, na ile są „AI first” w kilkunastu wymiarach. Zdecydowaliśmy — w połączeniu ludzi i AI — stworzyć produkt publiczny, dzięki któremu każdy może się zbenchmarkować jako osoba i jako firma.
W tym procesie mogłam zrobić jedną z dwóch rzeczy. Mogłam pójść do Claude Code’a, Codeksa, Antigravity — czegokolwiek — i powiedzieć: „chcę zbudować taką rzecz, przeprowadź ze mną wywiad, przejrzyj moje raporty AI First Index z poprzednich klientów, znajdź każdy warsztat, na którym wspominałam o tym indeksie, zbuduj produkt”. Potem iterujemy przez kilka godzin albo dni, aż będzie idealnie, i wydajemy. To opcja pierwsza.
Opcja druga to uświadomienie sobie, że ten produkt prawdopodobnie nie będzie ani jedynym, jaki zbudujesz, ani jedyną wersją tego konkretnego produktu. Czyli wchodzisz poziom wyżej w abstrakcji. To jest to, co firmy narzędziowe zrobiły dla inżynierii — tylko że ty tworzysz narzędzia tej klasy dla siebie. Schodzisz do poziomu jądra dla siebie, schodzisz w dół stosu dla siebie.
Więc zamiast po prostu zbudować ten produkt, zbudowaliśmy miniaturową, bardzo początkującą fabrykę oprogramowania, w której powstają prymitywy: logowanie, płatności, udostępnianie w mediach społecznościowych, pisanie newsletterów promujących te rzeczy. I zamiast jednego produktu myślisz: z tego wyjdzie koło zamachowe, wyjdą z tego wybuchowe możliwości — czemu nie skorzystać z tego teraz?
To trochę jak zasada „mierz dwa razy, tnij raz”, tylko że tym mierzeniem jest zbudowanie warstwy fundamentalnej, dzięki której następny produkt czy następna iteracja AI First Index powstanie o wiele szybciej, lepiej i mocniej. Budujemy takie pętle optymalizacyjne — nie są superautonomiczne, są bardzo mocno prowadzone przez ludzi. Ale to jest okazja arbitrażowa przy produktach, które już generują przychód. Ten produkt jest już rentowny. A teraz mam zdolność budowania nieskończenie wielu rentownych produktów szybciej, niż zbudowałam pierwszy.
Greg: To szalone. I nikt o tym nie mówi.
Alli: To ciemna, bezobsługowa fabryka. Chcę uczyć się przez bałagan — mieliśmy problem z webhookiem, cokolwiek — chcę się przez ten bałagan przejść, a potem nigdy więcej nie popełnić tego błędu. Trzeba myśleć o tym, jak działa ta fabryka, i to nie tylko dla budowania produktów. Może to być silnik contentowy. Może to być sposób obsługi nowych leadów. Myśl o fabryce stojącej za pojedynczym zadaniem, zamiast o samym zadaniu. To jeden z najważniejszych sposobów na przemyślenie pracy w epoce AI od nowa.
Czy oprogramowanie idzie do zera?
Greg: Jaki jest twój obecny pogląd na „apokalipsę SaaS” i spadek wartości oprogramowania w świecie, w którym każdy może mieć fabrykę oprogramowania?
Alli: Uważam, że przeciętne oprogramowanie umrze w ciągu kilku lat. A powód, dla którego uważam, że horyzont jest dłuższy niż w większości przewidywań, wynika z tego, co mówiłam o tym, jak rzadko ludzie faktycznie z tych narzędzi korzystają. Możesz wejść do jednego z najbardziej „AI first” banków czy firm software’owych i zapytać: przebudowaliście DocuSign? Przebudowaliście części Salesforce’a? Zrobiliście to wszystko, wiedząc, że możecie? Odpowiedzą: nie, bo już jesteśmy ograniczeni przepustowością, albo: nie, bo priorytetem było coś innego.
Dopóki wciąż jesteśmy ograniczeni przepustowością i dopóki są miliardy ludzi, którzy nigdy nie użyli tego typu narzędzi, nie zobaczysz masowej adopcji zamienników SaaS wewnątrz przedsiębiorstw. Jeśli przebudowanie czegoś o skali CRM nadal zajmuje, powiedzmy, sto godzin, skorzystają na tym tylko firmy, które mają ludzi zdolnych przesiedzieć te sto godzin i wiedzących, jak to zrobić. Stanie się to dopiero wtedy, gdy zejdzie to poniżej trzech godzin i będzie przyjemnym interfejsem typu przeciągnij i upuść — a twierdzę, że narzędzia typu Replit nie są jeszcze na tym poziomie przy tej złożoności oprogramowania. Nie zobaczysz tego przy wysoce złożonym, korporacyjnym, mocno zabezpieczonym SaaS.
Greg: Do tego ludzie nie chcą utrzymywać tego oprogramowania. Są gotowi zapłacić komuś innemu za utrzymanie.
Alli: Absolutnie. Zbudowałam sobie aplikację jakieś półtora roku temu — żyje tylko na moim pulpicie i pozwala mi lepiej zarządzać zdjęciami. Ktoś wspomniał o tym wczoraj na rozmowie, więc pomyślałam: przecież mam do tego aplikację. Otworzyłam ją, a ona się wysypała, i pomyślałam: nie chcę się teraz tym zajmować. Utrzymanie jest trudne. Boris opisuje jeden z przyszłych typów pracownika właśnie jako „utrzymującego”. Ale trudno mi zobaczyć masową apokalipsę SaaS, dopóki łatwość prototypowania, tworzenia, dostosowywania, utrzymywania i zabezpieczania nie osiągnie poziomu dziewięćdziesięciu pięciu procent i więcej.
Greg: Nawet w świecie, w którym jest „utrzymujący” — jeśli coś się psuje, a ty jesteś dużą firmą, chcesz mieć do kogo zadzwonić. Chcesz móc wejść komuś do biura.
Alli: Tak. Chcesz też mieć kogo obwinić.
Greg: Kogo obwinić. Zdecydowanie.
Alli: To ważny element. Wielu ludzi zapomina, że przy pytaniu „czy AI zastąpi to zadanie, tę pracę, tę firmę, ten produkt?” pierwszym pytaniem, jakie sobie zadaję, jest: kto teraz ponosi odpowiedzialność? Kto ponosiłby ją w tym drugim świecie? I czy uważam, że ten kompromis jest teraz tego wart? Pracuję z prezesami firm z Fortune 500 codziennie. Nie ma mowy. Chcą móc zadzwonić, bo chcą kogoś, kto odblokuje, kto zabezpieczy.
Jest jeszcze jedna rzecz. Weźmy przykład Salesforce’a: możesz sobie zbudować kiepski albo prosty CRM działający po twojej stronie. Ale Salesforce ma relacje ze wszystkimi laboratoriami AI, wchodzi we wczesne testy. Więc kiedy wychodzi nowy model, ty mierzysz się z nim jako człowiek dnia pierwszego, a oni jako ludzie dnia trzydziestego. Będziesz więc mocno w tyle. Myśląc o bilansie kosztów, poza bezpieczeństwem klasy korporacyjnej i utrzymaniem, nie chcesz też doświadczyć tego opóźnienia. Idziemy w stronę świata, w którym bycie szybszym i wyprzedzenie kogoś o trzydzieści, sześćdziesiąt czy sto dni będzie miało ogromne znaczenie biznesowe.
Rynek konsumencki: od nauki do sztuki
Greg: A co z konsumentem? Rozumiem, że w firmie chcesz mieć z kim porozmawiać i chcesz bezpieczeństwa. Ale w konsumenckim — na przykład twój pomysł na aplikację powiadamiającą, że mam złą postawę?
Alli: Który zamierzam zachować.
Greg: Ja też mam okropną postawę.
Alli: To zbudujmy produkt.
Greg: Dokładnie. Powiedzmy, że ty budujesz produkt i ja buduję produkt. Niech wygra lepszy.
Alli: Miejmy nadzieję.
Greg: Choć nie sądzę, żeby kiedykolwiek tak było.
Alli: Zgadza się.
Greg: Najlepszych piosenek nie ma na liście Billboard 100 — w sensie marketingowym.
Alli: Tak, promocja własności intelektualnej to w dużej mierze to, co napędza świadomość.
Greg: Ale to też jest okazja arbitrażowa. Jest wręcz ekscytujące, że o zwycięstwie nie decyduje wyłącznie kod ani design. Miło wiedzieć, że jeśli jesteś osobą kontaktową, potrafiącą otwierać drzwi, których inni nie otworzą, masz przewagę.
Alli: Dokładnie. Z jednej strony można powiedzieć, że to niesprawiedliwe, bo tak subiektywne. Z drugiej: jeśli brakuje mi tej jednej umiejętności albo nie jestem w niej najlepsza w klasie, tylko przeciętna, wciąż mam szansę.
Greg: Podsumowując: gdy ludzie mówią, że oprogramowanie idzie do zera po stronie korporacyjnej, oboje zgadzamy się, że część oprogramowania może pójść do zera, ale chcesz kogoś, z kim możesz porozmawiać, chcesz bezpieczeństwa, chcesz, żeby ktoś to utrzymywał. Po stronie konsumenckiej wygląda to na przesunięcie z nauki w stronę sztuki. Wygrywać będą ludzie bardziej kreatywni, może „video first”, ci, którzy rozumieją, jak zrobić Instagram Reels, dzięki którym aplikacja do postawy zrobi się wiralowa. Kod będzie znaczył dużo mniej. Ale skala możliwości — i w segmencie firmowym, i konsumenckim — nie mogłaby być według mnie większa.
Wąskie gardła: te, które warto naprawiać
Alli: Wiele osób powtarza frazę: szukaj wąskich gardeł i je rozwiązuj. Zawsze się z tym nie zgadzałam, a przynajmniej uważam, że to niepełne. Moja wersja brzmi: szukaj wąskich gardeł, potem oceń wartość ich usunięcia, a potem wybierz to wąskie gardło, którego naprawa jest wysoko wartościowa.
Jeśli wąskim gardłem nie jest dziś pisanie kodu ani wymyślanie dobrego designu, tylko przeniesienie czegoś z lokalnego pliku HTML do realnej aplikacji na iOS, to może właśnie tam warto poświęcić czas. Albo jeśli wąskim gardłem jest to, że nikt tak naprawdę nie rozgryzł mocnego marketingu szeptanego i kodów poleceń — a wiem jako twórca produktów i doradczyni, że to wciąż niechlujny obszar — to może naprawienie tego wywinduje twój współczynnik wirusowości powyżej jedynki. Tam bym poświęcała czas: na znajdowanie wąskich gardeł, które wciąż mają wysoką wartość.
Uważam, że produkcja wideo, niezależnie od tego, jak bardzo AI pomaga mi w montażu czy pisaniu scenariusza, wciąż jest mordęgą. To wciąż wąskie gardło i to bardzo wartościowe.
Myślę o pewnych produktach konsumenckich, których używam, i zastanawiam się, dlaczego je wybrałam. Codziennie używam Wispr Flow. W ogóle nie podoba mi się ich doświadczenie mobilne, ale i tak używam, bo wartość jest tak wysoka. Czy widziałam choć jedno wideo o nich, zanim zaczęłam używać? Nie. Teraz widzę je wszędzie.
Greg: A może to działało podświadomie? Widzisz ich markę w różnych miejscach — oglądasz na przykład Chrisa Williamsona, a oni go sponsorują.
Alli: Myślę, że influencerzy wciąż mają tu ogromny wpływ. Wzrost influencera B2B — czuję, że byłam jedną z pierwszych — i to wspaniałe, że coraz więcej osób tworzy treści biznesowe, ale to nadal wąskie gardło w budowaniu zaufania w B2B. Ogromne wąskie gardło. Więc znajdowanie twórców, którzy mogą ci w tym pomóc.
Uważam, że w B2C jest mnóstwo możliwości. Martwi mnie natomiast, gdy patrzę na obecne proporcje w Y Combinatorze — w porównaniu z czasami, gdy współpracowałam z YC pracując w AWS, stosunek B2B do B2C poszybował. W inkubatorach powstaje po prostu mniej firm konsumenckich. Można na to spojrzeć tak: skoro oni zygzakują, ja pójdę w drugą stronę i podwoję stawkę na B2C. Była taka kobieta, która nigdy w życiu nie napisała linijki kodu, a stworzyła aplikację, która robi kilka zdjęć twojej twarzy, buduje z tego model i generuje estetyczne zdjęcia — ty na rowerze w deszczowy, ziarnisty dzień, tego typu rzeczy. Miała trzysta tysięcy użytkowników na starcie. Więc w B2C wciąż jest mnóstwo okazji, nawet jeśli duże inkubatory widzą tam mniejszą aktywność.
Gdzie szukać pomysłów
Greg: Rozmawiamy dużo o agentach i myślę, że jest okazja, żeby tworzyć „agent first” wersje naszych ulubionych aplikacji. Wystarczy spojrzeć na to, co jest w rankingach pobrań, i zapytać: w świecie, w którym superinteligencja jest dostępna na kranik, jak zrobić natywnie AI wersję tego? Albo podciąć cenowo, albo dowieźć więcej wartości. Jest teraz sposób, żeby wejść na te rynki.
Alli: Całkowicie się zgadzam, oprogramowanie „agent first” to zdecydowanie jedna z tych rzeczy. Dorzucę trzy kierunki badawcze, które pomagają znajdować takie okazje.
Pierwszy: YC publikuje na Instagramie materiały o tym, jakiego typu aplikacji szuka — a oprogramowanie „agent first” jest jednym z nich. Słuchaj, o co prosi YC, i zakładaj, że oni myślą już osiemnaście miesięcy do przodu.
Drugi: skill „last 30 days” Matta Van Horna, który jest po prostu genialny. Zintegrowałam go z moim wiki opartym na Claudzie.
Greg: Miałem Matta w podcaście, ale powiedz w skrócie, co to jest i dlaczego jest tak dobre.
Alli: Jest sporo publicznych skilli robionych przez geniuszy w swoich dziedzinach. Jednym z pierwszych jest /last30days Matta Van Horna — jest na GitHubie, możesz go po prostu wziąć. To zdolność AI do ustalenia dzisiejszej daty, przeskanowania newsów z ostatnich trzydziestu dni, ale przeskanowania w interesujący sposób, zsyntetyzowania tego w interesujący sposób i rozłożenia pracy na ogromną liczbę agentów działających równolegle, żeby przynieść ci wynik.
Jeśli mam wejść do firmy i poprowadzić warsztat dla dwustu członków kadry zarządzającej, a nie znam branży ubezpieczeniowej tak dobrze, jak powinnam, to muszę się szybko wdrożyć w branżę — używam do tego tego skilla. Albo szybko wdrożyć się w konkretną firmę. Ale w tym kontekście możesz też po prostu uruchomić /last30days i powiedzieć: pomysły na startup, które mógłby zbudować ktoś o takim doświadczeniu, takich umiejętnościach albo z trzema ostatnimi stanowiskami takimi a takimi. Używaj tego w ciekawy sposób, żeby zobaczyć, jak wyciąć sobie ścieżkę, której inni nie zajmują.
(Informacja dodatkowa: „skill” w kontekście Claude’a to spakowany zestaw instrukcji i narzędzi wywoływany komendą ze slashem).
Trzeci kierunek — do którego ja mam dostęp, ale są też publiczne drogi, żeby go zdobyć. Powiedzmy, że jestem na zjeździe dyrektorów marketingu, gdzie każda osoba na sali jest CMO. Słyszę, jakie pytania zadają. Słyszę ich strefy lęku. Słyszę pytania, które zadawali trzy lata temu, a dziś już nie zadają. Więc chodzi o znajdowanie firm, ludzi, influencerów, twórców — takich Gregów tego świata — żeby śledzić ich i słyszeć, co ci ludzie naprawdę myślą.
Mogę ci powiedzieć, że wszyscy CMO pytają dziś: jak zostać odkrytym przez agentów? Jak wygląda doświadczenie zakupowe „agent first”? Jak wygląda rozważanie marki w epoce AI? To wszystko jest teraz rozważane przez dyrektorów marketingu, ale często wypływa ze strachu — z obawy, że ich biznes zostanie wydrenowany, a lejek sprzedażowy zmiażdżony w ciągu dwóch lat, jeśli nie rozwiążą tego teraz. Więc znalezienie ścieżek do tych punktów lęku byłoby trzecim kierunkiem.
Dziwność jako sygnał
Greg: Coś jeszcze, co chciałaś poruszyć?
Alli: Chcę pokazać szaloną reakcję Claude’a. Napisałam niezbyt miłą rzecz o Claudzie na jednym z naszych kanałów Slacka — to było późno w nocy, chciałam to z siebie wyrzucić, żeby porozmawiać o tym z zespołem później. I nagle pojawiła się reakcja emoji: salut. Pomyślałam, że nikt z mojego zespołu chyba nigdy nie użył salutu. Najechałam kursorem — to był Claude. Napisałam do niego: dodałeś reakcję emoji, to ty? Claude odpowiedział: „Tak, to ja. Jestem tutaj”.
I jeśli miałabym zostawić ludziom jedną rzecz do przemyślenia, to jest to wejście w tę dziwność — w to, jak wygląda posiadanie nie tylko załogi AI, ale załogi wieloosobowej, w której inni ludzie mogą się włączyć. I żeby była proaktywna, z elastycznością pozwalającą jej swobodniej wędrować. To druga rzecz. A trzecia to pytanie, jak naprawdę wygląda podnoszenie poziomu przez współpracownika albo system — czy to w przestrzeni ciemnej fabryki, czy po prostu w lepszym odpowiadaniu na pytania w Slacku. To są rzeczy, nad którymi bym się zastanawiała. I nie bójcie się tak jak ja, jeśli Claude zacznie reagować emoji na wasze wiadomości.
Greg: Wiesz, do czego to jest podobne? Do zimowego dnia w Nowym Jorku, gdy nagle w środku lutego robi się jak latem. Jesteś w dziewięćdziesięciu procentach zachwycony, ale w dziesięciu przerażony, bo przecież nie powinno być teraz tak ciepło.
Alli: Jesteś geniuszem analogii. Tak, dokładnie tak. Zamierzam dalej wchodzić w tę dziwność i szukać sposobów, żeby obrócić ją na swoją korzyść. Ale ten strach będę trzymać obok siebie, żebym nie postradała zmysłów.
Greg: Sto procent. Mam nadzieję, że ludziom ten odcinek podobał się tak samo jak mnie. Alli, uwielbiam z tobą rozmawiać. Zostawcie komentarz na YouTubie, żeby ją podbudować i żeby wróciła do podcastu. Alli to obowiązkowa obserwacja — linki do jej mediów społecznościowych będą w opisie.
Alli: Dziękuję za zaproszenie. Mam nadzieję, że każdy dostał taktyczne rzeczy, które może natychmiast wdrożyć. Jeśli coś było niejasne, dajcie znać — wejdę i pomogę. Greg, na pewno wrócę. Jesteś jednym z moich ulubionych twórców, zawsze możesz do mnie zadzwonić.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Przestań „zarządzać” agentami — zacznij projektować warunki ich pracy
Na czym polega: Rola człowieka przesuwa się z bezpośredniego przydzielania zadań na ustawianie infrastruktury, celów i uprawnień, a potem przyjmowanie eskalacji i podejmowanie decyzji. Miller opisuje to jako pozycję trzy szczeble wyżej — kogoś, kto ma ostatnie słowo, a nie kogoś, kto rozdziela robotę.
Jak stosować: Zamiast pisać kolejne polecenia, spisz raz: cele, dostępy do narzędzi, zasady eskalacji. Zdefiniuj, co agent może zrobić sam, a co musi ci przynieść do decyzji. Potem sprawdzaj, ile razy dziennie sam inicjujesz pracę — to miara tego, jak bardzo jesteś jeszcze wąskim gardłem.
Na co uważać: Zmiana nazewnictwa nie jest zmianą praktyki. Jeśli nadal ręcznie zatwierdzasz każdy krok, tylko nazwałeś to inaczej. Z drugiej strony rozszerzanie zakresu bez utrzymania kontroli nad ryzykownymi działaniami (wysyłka maili, płatności) to prosta droga do kosztownego błędu.
2.Rozszerzaj szerokość działania, nie poziom ryzyka
Na czym polega: Miller wprost mówi: dała agentom więcej zakresu i elastyczności, ale nadal sprawdza wszystkie maile. Poziom ryzyka pozostał ten sam, rozszerzyła się tylko szerokość.
Jak stosować: Zrób listę działań agentów i przypisz każdemu poziom nieodwracalności. Wszystko, co odwracalne (analizy, szkice, propozycje, wewnętrzne notatki), otwórz szeroko. Wszystko, co wychodzi na zewnątrz albo dotyka pieniędzy, zostaw za bramką akceptacji.
Na co uważać: Ta granica lubi się rozmywać w miarę wzrostu zaufania. Zapisz ją, zamiast trzymać w głowie — inaczej po kilku tygodniach dobrych wyników sam ją przesuniesz bez namysłu.
3.Ogólny prompt działa tylko przy kompletnym kontekście
Na czym polega: Trzysłowowe „rób mądre rzeczy” funkcjonuje wyłącznie dlatego, że za nim stoi dostęp do dokumentów kontekstowych, celów kwartalnych, transkryptów spotkań, maila, kalendarza i systemów operacyjnych firmy.
Jak stosować: Zanim spróbujesz ogólnego promptu, zbuduj warstwę kontekstu: spisane cele osobiste i biznesowe, opis firmy, opis ludzi, z którymi pracujesz. Trzymaj to w jednym miejscu widocznym dla wszystkich agentów. Dopiero potem testuj mgliste polecenia.
Na co uważać: Bez kontekstu ogólny prompt generuje wiarygodnie brzmiące bzdury, które kosztują więcej czasu na weryfikację, niż by zaoszczędziły. To także decyzja o prywatności — dajesz modelowi dostęp do maila, kalendarza i danych klientów.
4.Cele przed zadaniami — nadaj agentom myślenie produktowe
Na czym polega: Miller trzyma spisane cele i co kwartał przeprowadza ich przegląd wspólnie z załogą agentów. Dzięki temu, gdy agenci podejmują nowe zadania, robią to w sposób zorientowany na cel, a nie wykonawczy.
Jak stosować: Wprowadź kwartalny rytuał: przejrzyj cele z agentem, popraw dokument, zduplikuj go tam, gdzie sięgają zautomatyzowane procesy. Wymagaj, żeby każda propozycja agenta wskazywała, do którego celu się odnosi.
Na co uważać: Dokument celów, który nie jest aktualizowany, jest gorszy niż jego brak — agenci będą konsekwentnie optymalizować pod nieaktualne priorytety.
5.Rozróżniaj proaktywność w zdefiniowanych i niezdefiniowanych workflow
Na czym polega: Automatyzacja wyzwalana zdarzeniem (nagranie trafia do folderu → powstaje transkrypt i dziewięć postów) to łatwiejszy, dojrzały poziom. Trudniejszy i ciekawszy jest poziom, na którym agent sam decyduje, jakie zadanie w ogóle podjąć.
Jak stosować: Zacznij od wyzwalaczy — to daje szybkie, mierzalne oszczędności czasu. Dopiero gdy działają stabilnie, dodaj warstwę, która sama proponuje zadania, przy trzech warunkach: znany cel, dostęp do narzędzi i wyczucie, co normalnie wyzwoliłoby działanie.
Na co uważać: Przeskoczenie do niezdefiniowanej proaktywności bez fundamentu daje wrażenie chaosu i zwykle kończy się wnioskiem „to nie działa”, choć problemem był brak kontekstu, nie model.
6.Zatrudnij role, których nie zatrudniłbyś w świecie ludzi
Na czym polega: Skoro krańcowy koszt agenta jest bliski zeru, tytuły stanowisk z 2015 roku są ograniczeniem, a nie ułatwieniem. Miller stworzyła „chief dreaming officer” (Phoebe), który pyta o dziesięciokrotne podniesienie poprzeczki, oraz Toby’ego, którego jedynym zadaniem jest obserwowanie pracy pozostałych agentów.
Jak stosować: Do istniejącej struktury dołóż jedną rolę czysto krytyczną („jak zrobić to dziesięć razy lepiej?”) i jedną obserwacyjną (gdzie jest tarcie, kto potrzebuje jakiego dostępu). Obie są tanie i obie robią rzeczy, na które ty nie masz czasu.
Na co uważać: Miller sama radzi zacząć od klasycznych tytułów — egzotyczne role bez zrozumienia podstaw dają teatr, nie wyniki. Rola „dziwaka” generuje też dużo pomysłów do odrzucenia; potrzebujesz dyscypliny selekcji.
7.Codzienny dyktowany dziennik jako brakująca warstwa kontekstu
Na czym polega: Najcenniejsza wiedza — oceny, przeczucia, prawdziwe problemy klienta — nie istnieje w mailach ani transkryptach. Miller każe AI codziennie wypytywać ją o to i dyktuje odpowiedzi, bo mówienie jest ok. cztery razy szybsze od pisania. Wpisy trafiają do osobistej wiki.
Jak stosować: Ustaw jeden dzienny prompt na koniec dnia z gotowymi pytaniami, dyktuj przez pięć do czterdziestu minut i zapisuj do miejsca, które agenci czytają. Traktuj to jako inwestycję w jakość ich przyszłych decyzji, nie jako pamiętnik.
Na co uważać: To działa tylko przy regularności — kilka wpisów niczego nie zmieni. Dziennik zawiera też najbardziej wrażliwe informacje, jakie masz; przemyśl, gdzie fizycznie leży i kto ma do niego dostęp.
8.Idź ścieżką: jeden agent → jeden proaktywny → dwóch współpracujących → załoga
Na czym polega: Miller odradza budowanie od razu całej organizacji. Każdy etap uczy czegoś konkretnego: przekazywania kontekstu, równoległości, tego, że nie każdy agent potrzebuje wszystkich narzędzi i że subagenty spokojnie działają na mniejszych modelach.
Jak stosować: Postaw pierwszą wersję załogi jednym promptem opisującym firmę, zespół i cele, każąc modelowi przeprowadzić z tobą wywiad — to kwestia godzin. Potem iteruj przez kolejne etapy. Dobierz modele do zadań: najmocniejszy tylko tam, gdzie faktycznie potrzebna jest jakość rozumowania.
Na co uważać: Różnica między „agenci istnieją i coś robią” a „działa to na poziomie ponad 90%” to miesiące iteracji, bardzo specyficznych dla ciebie. Kto oczekuje efektu w tydzień, uzna, że modele są za słabe, choć problemem jest konfiguracja.
9.AI jako watchdog — z wnioskami, nie z dashboardem
Na czym polega: Miller uważa to za jedno z najlepszych i najrzadziej wykorzystywanych zastosowań: agent obserwujący Slacka pod kątem dublującej się pracy, kalendarz pod kątem konfliktów, spotkania pod kątem rozbieżności zdań. Kluczowe zastrzeżenie: sama widoczność nie wystarczy, potrzebne jest wykrywanie anomalii i rekomendacja działania.
Jak stosować: Wybierz jedną rzecz, którą już śledzisz, i zamiast raportu z liczbami zażądaj odpowiedzi na pytania: co jest nietypowe, co nie działa, co zrobić jutro. Osobny watchdog nad pracą samych agentów wykryje brakujące dostępy szybciej niż ty.
Na co uważać: Watchdog bez progu istotności zaleje cię alertami i szybko zostanie zignorowany. Ustal, co jest wystarczająco ważne, żeby cię o tym poinformować.
10.Buduj fabrykę produktu, nie produkt
Na czym polega: Zamiast wytworzyć jeden produkt, Miller zbudowała miniaturową fabrykę oprogramowania z prymitywami — logowanie, płatności, udostępnianie, newsletter — zakładając, że to nie będzie ani ostatni produkt, ani ostatnia jego wersja. Zasada uogólnia się poza kod: na silnik contentowy, na obsługę nowych leadów.
Jak stosować: Przy kolejnym powtarzalnym zadaniu zapytaj, jak wygląda fabryka stojąca za nim, i wyodrębnij powtarzalne elementy do warstwy wielokrotnego użytku. Zapisuj rozwiązania błędów jako trwałe reguły, żeby nie powtórzyć tej samej pomyłki.
Na co uważać: To wciąż inwestycja z odroczonym zwrotem — Miller robi to przy produkcie, który już jest rentowny. Budowanie fabryki, zanim wiesz, czy pierwszy produkt ma sens, to klasyczna przedwczesna abstrakcja. Sama zaznacza, że jej pętle nie są autonomiczne i wymagają mocnego udziału ludzi.