Method / doktryna operacyjna
AI na produkcji: to kwestia metody.
Właściwy stack to Ludzie → Workflow → Agenci → Infrastruktura, w tej kolejności. Każda zasada poniżej pochodzi z prawdziwego przypadku, opisanego w runach i esejach.
Najmocniejszy model przeznacz na decyzje
Codziennie orkiestruję Claude Code i tańszych agentów. Gdy delegowane zadanie zostawia lukę, worker wypełnia ją decyzją architektoniczną, której nikt nie podjął. Dlatego deleguję tylko pracę, w której wszystkie decyzje już zapadły. Najmocniejszego modelu używam do podejmowania decyzji i końcowego review.
Zacznij od tego, o co eksperci nie proszą
Zarządcy wspólnot mieszkaniowych prosili o księgowość. Gdy stanęli przed konkretnymi problemami, wybrali naprawy, dostawców i komunikację. Kto od lat wykonuje daną pracę, prosi o automatyzację kroków, które widzi. Najdroższe są te, które stały się nawykiem. Na pierwszym spotkaniu zawsze pytam: co zmieniłoby ci życie, a uznajemy to za niemożliwe?
Wiedza staje się prawdą, gdy zatwierdzi ją człowiek
Trzy próby zebrania wiedzy o klientach w ręcznie uzupełnianych prezentacjach utknęły z tego samego powodu: nikt nie odpowiadał za ich aktualizację. W company brain, na którym działa Yempik, agenci, maile i spotkania dostarczają propozycje, a człowiek je zatwierdza. Każdy wpis mówi, jak pewna jest dana informacja i kto o niej zdecydował.
Przeprojektuj pracę wokół jednej osoby i jej narzędzi
Przeniesienie schematu organizacyjnego do oprogramowania daje te same kroki, wykonywane szybciej. Zaczynam od jednej osoby, która zna tę pracę, i dzisiejszych narzędzi AI. Zachowuję jej standard jakości i buduję kroki od zera. To różnica między system of record, który rejestruje, a system of action, który posuwa pracę naprzód.
Standard eksperta żyje w testach
Review po fakcie mówi, czy dzisiejszy wynik był dobry. Testy na rzeczywistych przypadkach, powtarzane kilka razy, mówią, czy jutrzejszy też będzie. Gdy model ocenia ludzi, przygotowuje ocenę i ją uzasadnia. Wynik obliczają reguły znane trenerowi. Dzięki temu każdy wynik da się odtworzyć krok po kroku.
Harness i weryfikacja zostają moje, model można zmienić
Narzędzia, reguły, testy i observability należą do mnie. Reguły, które muszą zawsze obowiązywać, są w kodzie wykonującym każdą akcję. Tam model nie może ich interpretować. W agencie do obsługi zgłoszeń kandydatów przez WhatsApp akcja, która wyglądała na utrzymanie konta, otwierała dostęp do konta. Zmieniam model, gdy moje testy mówią, że to się opłaca.
Zacznij od pracy, która ma znaczenie, i mierz, co wychodzi ze starego systemu
Pierwszy projekt to zadanie, które dziś zajmuje tygodnie i ma jasne kryterium dobrego wykonania. Potem mierzę, ile pracy naprawdę wychodzi ze starego systemu. Mail obsłużony przez agenta, który nadal czeka na przeczytanie w skrzynce biura, to podwójna praca.
AI daje najwięcej przy pracy, której wcześniej nikt nie wykonywał
Koleżanka, która nie pisze kodu, zbudowała małe skille do swoich powtarzalnych zadań. Największą wartość dała anomalia, którą skille jej zgłosiły: zamówienie zwrócone tylko częściowo. Nikt nie szukałby tego ręcznie. AI używane tylko do cięcia kosztów zmniejsza marżę. Używane do nowej pracy, zwiększa ją.