Kahit ang pinakamagandang proyekto ng AI ay nabibigo kung wala ang tamang mga tao sa likod nito. Kadalasang natitigil ang mga unang inisyatibo ng AI agent dahil walang nakakaalam kung sino ang may pananagutan sa bawat bahagi.
Ang kakulangan sa malinaw na pagmamay-ari ay nagdudulot ng pagkaantala, paulit-ulit na pag-apruba, at kalituhan kapag nagsimula nang gumalaw ang proyekto.
Ang AI agent ay hindi lang basta software. Nasa gitna ito ng mga layunin ng negosyo, access sa datos, at karanasan ng gumagamit. Ibig sabihin, maraming team ang sangkot dito, bawat isa may sariling prayoridad. Kung walang koordinasyon, kahit simpleng pagbabago ay maaaring maging hadlang.
Bago ka magsimulang bumuo, tukuyin muna ang team na magbubuo at magpapatakbo ng agent. Sa pinakamababa, kailangan mo ng apat na pangunahing papel:
- Eksperto sa paksa: ang taong nakakaalam ng totoong gawain na hahawakan ng agent.
- Tagapamahala ng proyekto: ang magbabantay sa progreso, mga deadline, at pagkakahanay ng mga team.
- Teknikal na tagapagpatupad: kadalasang front-end o full-stack developer na kayang i-integrate ang agent sa iyong mga sistema.
- AI specialist: ang marunong mag-ayos ng prompts, mag-manage ng mga modelo, at mag-troubleshoot ng kilos ng LLM.
Hindi mo kailangan ng PhD sa machine learning o malaking research team. Ang kailangan mo ay mga taong alam kung paano gumagana ang bahagi nila ng sistema at marunong makipagtulungan.
Sa Terminal Roast, si Taryn ang namumuno sa pag-oorganisa ng team. Alam niyang maraming bahagi ng negosyo ang maaapektuhan ng agent, kaya nagdaos siya ng maikling planning session kasama ang lahat ng kasali.
Si Adrian, ang lead barista, ang naging eksperto sa paksa. Siya ang nagbibigay ng totoong halimbawa kung paano pinag-uusapan ng mga customer ang lasa ng kape at anong uri ng feedback ang pinaka-kapaki-pakinabang.
Si Gideon, ang tech lead, ang nag-aasikaso ng teknikal na setup sa website at integration.
Si Ross, ang accountant, ang susubaybay kung gaano kalaki ang halaga ng proyekto kumpara sa gastos nito.
Si Taryn ang nagtitiyak na lahat ay magkakahanay at na ang proyekto ay patuloy na may malinaw na layunin sa negosyo.
Sa pamamagitan ng maagang pagtitipon ng lahat, naiiwasan ng team ang mga problema sa paglipat ng gawain na kadalasang sumisira sa mga proyekto. Mukhang basic na project management lang ito, pero mas mahalaga ito sa AI kaysa sa ibang software project. Hindi tulad ng tradisyonal na sistema, maaaring magbago ang kilos ng agent habang nagbabago ang datos o prompts. Mahalaga ang flexibility na ito, pero may kaakibat din itong bagong panganib. Kung walang may pananagutan, ang mga panganib na ito ay nagiging magastos na sorpresa.
Ang pagtatakda ng malinaw na pagmamay-ari bago magsimula ay nagsisiguro na bawat bahagi ng lifecycle ay may responsable: sino ang magtuturo sa modelo, sino ang magbabantay ng performance, at sino ang mag-aapruba ng mga update sa tono, patakaran, o pinagmumulan ng datos.
Ang kalinawang ito ang nagpapatuloy sa proyekto at pumipigil sa pagkaantala kapag handa nang ilunsad ang agent.
Sa pagbuo ng iyong team, ituon ang pansin sa dalawang tanong:
- Sino ang tunay na nakakaunawa sa problemang nilulutas ng agent?
- Sino ang may teknikal na access at awtoridad para ipatupad ito?
Maaaring dagdagan ang mga papel na ito ng consultant, ahensya, o vendor kung kinakailangan, pero ang dalawang responsibilidad na ito ay dapat laging nasa loob ng iyong organisasyon. Ang balanse na ito ang nagsisiguro na may kontrol ka pa rin habang nakikinabang sa panlabas na eksperto kung kailangan. Ang mga team na maagang nagtatakda nito ay mas malamang na makarating sa produksyon dahil alam nila kung sino ang tatawagan kapag may kailangang desisyon.
Nagtagumpay ang proyekto ng Terminal Roast dahil bawat bahagi ng workflow ay may malinaw na may-ari.
Ang eksperto sa paksa ang nagtatakda kung ano ang pamantayan ng maganda o mahusay.
Ang teknikal na lead ang nagsisiguro na kayang ibigay ito ng agent.
Ang project manager ang nag-uugnay ng mga pagsisikap na ito sa tunay na resulta ng negosyo. Karamihan sa mga nabigong pilot ay hindi natutukoy ang estrukturang ito. Maraming team ang nagmamadali at umaasang malulutas ito kalaunan, pero hindi ito uubra sa AI projects. Ang maliit at magkakahanay na team ay laging mas mahusay kaysa sa malaki pero magulo.
Gawain: Isulat ang mga pangunahing tao na kailangang kasali sa iyong proyekto ng AI agent.
Italaga ang malinaw na responsibilidad para sa layunin ng negosyo, teknikal na pagpapatupad, at patuloy na pangangasiwa bago magsimula ang anumang development.
