บริษัทที่ขับเคลื่อนด้วยตัวเอง

เราเริ่มเห็นแล้วว่าอะไรจะเกิดขึ้นเมื่อบริษัทเรียนรู้ที่จะดำเนินงานด้วยตัวเอง

ในช่วงหกเดือนที่ผ่านมา วิศวกรของ Replit เพิ่มผลผลิตโค้ดขึ้นเกือบสามเท่า เวลาตรวจสอบโค้ดคงที่ อัตราการย้อนกลับและเหตุการณ์ขัดข้องในผลิตภัณฑ์ยังคงทรงตัว ตัวชี้วัดคุณภาพดีขึ้น และการปล่อยผลิตภัณฑ์เร็วขึ้น ข้อแลกเปลี่ยนทั่วไปที่คุณคาดว่าจะเกิดขึ้นนั้นไม่ได้เกิดขึ้นเลย

แม้โค้ดจะเป็นส่วนที่มองเห็นได้ แต่สิ่งที่เกิดขึ้นเบื้องล่างนั้นน่าสนใจกว่ามาก

ตอนนี้เอเจนต์ (Agent) ตรวจสอบเหตุการณ์ขัดข้องในการผลิต ทบทวน pull request ตอบคำถาม วิเคราะห์ข้อมูลธุรกิจ จัดการตั๋วสนับสนุน ค้นคว้าบัญชีการขาย และปรับปรุงระบบที่ขับเคลื่อน Replit Agent เอง

มันให้ความรู้สึกเหมือนกับปัญญาประดิษฐ์หลักเพียงตัวเดียวที่เชื่อมโยงผ่านพนักงานทุกคน แม้ว่าจะไม่ใช่ก็ตาม มันเป็นระบบของเอเจนต์ที่ขยายตัวดำเนินงานทั่วทั้งบริษัท: รับเป้าหมายจากผู้คน รวบรวมบริบท ปฏิบัติงาน ตรวจสอบผลลัพธ์ และส่งต่อเมื่อจำเป็นต้องใช้วิจารณญาณของมนุษย์

เราเชื่อว่านี่คือจุดเริ่มต้นขององค์กรรูปแบบใหม่: บริษัทที่ขับเคลื่อนด้วยตัวเอง (self-driving company)

บริษัทที่ขับเคลื่อนด้วยตัวเองไม่ใช่บริษัทที่ไม่มีคน คนยังคงเลือกจุดหมายปลายทาง พวกเขาตัดสินใจว่าปัญหาใดสำคัญ ทำการแลกเปลี่ยนที่ยากลำบาก ใช้รสนิยม และรับผิดชอบต่อผลลัพธ์

แต่เพิ่มมากขึ้นเรื่อยๆ พวกเขาไม่ได้ทำทุกขั้นตอนที่จำเป็นเพื่อไปถึงจุดหมายนั้นอีกต่อไป

การเปลี่ยนแปลงเริ่มขึ้นในช่วงปลายปีที่แล้ว เช่นเดียวกับคนจำนวนมากที่ทำงานด้าน AI เรากลับมาจากช่วงพักคริสต์มาสด้วยความรู้สึกว่ามีบางสิ่งที่เปลี่ยนแปลงไปอย่างพื้นฐาน โมเดลต่างๆ สามารถทำงานได้ในระยะเวลาที่ยาวนานขึ้นมาก

งานที่เคยล้มเหลวซ้ำแล้วซ้ำเล่า เช่น การจัดลำดับความสำคัญของแจ้งเตือนและการตรวจสอบหาสาเหตุที่แท้จริง เริ่มทำงานได้ AI เริ่มแก้ไขบั๊กที่ดื้อรั้นที่สุดบางตัวของเรา ดังนั้นเราจึงหยุดปฏิบัติต่อเอเจนต์เป็นเพียงเครื่องมือที่อยู่ในเอดิเตอร์หรือหน้าต่างแชท เราสานพวกมัน อย่างระมัดระวัง เข้าไปในโครงสร้างของบริษัทเอง

เมื่อฝ่ายวิศวกรรมพิสูจน์คุณค่าได้แล้ว การนำไปใช้ก็ดำเนินไปเอง ทีมแล้วทีมเล่าเริ่มถ่ายงานที่น่าเบื่อที่สุดของพวกเขาให้กับเอเจนต์ เรียกคืนเวลาสำหรับการคิดเชิงกลยุทธ์และสร้างสรรค์ที่ขับเคลื่อนธุรกิจจริงๆ ผู้คนไม่ได้รู้สึกว่าพวกเขาถูกทำให้เป็นระบบอัตโนมัติ พวกเขารู้สึกเหมือนได้เลื่อนตำแหน่ง

นี่คือเรื่องราวว่า AI เปลี่ยนวิธีทำงานของเราที่ Replit ไปอย่างสิ้นเชิงได้อย่างไร

วิศวกรรมเห็นผลกระทบก่อน

ในช่วงปลายเดือนมกราคม เราเพิ่มโครงสร้างพื้นฐานเพื่อทดลองใช้กรณีการใช้งานเอเจนต์ภายในอย่างรวดเร็ว เราใช้ประโยชน์จากโครงสร้างเอเจนต์ (agent harness), microVMs, และระบบไฟล์ระยะไกลของเรา เพื่อให้วิศวกรทุกคนสามารถจัดฝูงเอเจนต์ให้ทำงานแบบขนานได้ จากนั้นเราล็อคทุกอย่างไว้เบื้องหลังนโยบายการเข้าถึง, พร็อกซีโทเค็น, การบันทึกการตรวจสอบ, และเครือข่าย ZeroTrust ของเรา ณ จุดนั้น เรารู้สึกปลอดภัยที่จะให้เอเจนต์เข้าถึงทุกสิ่งที่เราใช้ในการทำงานของเรา: GitHub, GCP, Azure, Linear, Notion, Slack, ZenDesk และอื่นๆ

ด้วยบริบทที่ครอบคลุมระบบต่างๆ เราเห็นการก้าวกระโดดของผลิตภาพ การทดลองที่เคยล้มเหลวกลายเป็นเรื่องง่าย ผลกระทบที่ชัดเจนที่สุดอยู่ในสถิติการเขียนโค้ด

เราอยู่ในช่วงสัปดาห์ Sprint ก่อนการปล่อย Agent 4 ในเดือนมีนาคม ซึ่งโดยปกติแล้วเราจะเห็นการพุ่งขึ้นครั้งใหญ่ การประชุมหายไป ขอบเขตเป็นที่รู้จัก และวิศวกรรมเปลี่ยนเป็นโหมดการดำเนินการล้วนๆ (บ่อยครั้งถึง 16 ชั่วโมงต่อวัน) แต่ครั้งนี้แตกต่างออกไป เส้นโค้งผลิตภาพของเราโค้งขึ้นในแบบที่ไม่มีใครเคยเห็นมาก่อน ซึ่งสามารถสืบย้อนไปถึงการนำระบบเอเจนต์ภายในใหม่ของเรามาใช้ ตั้งแต่ต้นเดือนมกราคมถึงปลายเดือนมิถุนายน มีจำนวนบรรทัดโค้ดที่เพิ่มขึ้นถึง 5.8 เท่า

จำนวนบรรทัดโค้ดที่เปลี่ยนแปลงต่อสัปดาห์ (เวิร์กโฟลว์แบบเดิม เทียบกับแบบใหม่ที่ใช้เอเจนต์)

ส่วนหนึ่งของการเพิ่มขึ้นนี้มาจากการจ้างงานที่ดี เอเจนต์ใหม่ของเราช่วยเพิ่มความเร็วในการผลิต ซึ่งเป็นสิ่งที่ดี แต่เราสามารถลบผลกระทบจากการจ้างงานออกไปเพื่อให้ได้ข้อมูลที่ชัดเจนขึ้น โดยการคงกลุ่มผู้เขียนโค้ดกลุ่มเดิมไว้ เราจะเห็นจำนวนโค้ดเพิ่มขึ้น 2.9 เท่าเมื่อเทียบกับก่อนหน้านี้ โดยปกติแล้ว ถือว่าดีเยี่ยมหากคุณรักษาผลผลิตต่อวิศวกรให้คงที่ในขณะที่ขยายทีม เราเพิ่มอัตราต่อวิศวกรเป็นสามเท่าในขณะที่เพิ่มทีมเป็นสองเท่า

คุณอาจสงสัยว่าใครเป็นผู้ตรวจสอบโค้ดใหม่ทั้งหมดนี้ และเราสร้างคอขวดใหม่ในกระบวนการตรวจสอบหรือไม่ ระยะเวลาแฝงในการตรวจสอบโค้ดของเราคงที่ สาเหตุหลักมาจากการที่เราให้เอเจนต์ของเราทำงานตรวจสอบโค้ด ตอนนี้มันสามารถประเมินระดับความเสี่ยงและเรียกผู้ตรวจสอบมนุษย์คนที่สองเข้ามาเมื่อจำเป็นเท่านั้น ซึ่งหมายความว่าประหยัดเวลาตรวจสอบ PR ของมนุษย์ได้ 30% (และเพิ่มขึ้นเรื่อยๆ)

เมื่อเอเจนต์ของเราเขียนและตรวจสอบโค้ดมากขึ้น เราควรกังวลเกี่ยวกับคุณภาพ หากเราดูอัตราการย้อนกลับ PR (ด้านซ้าย) และเหตุการณ์ที่เปิดขึ้น แนวโน้มยังคงที่ ซึ่งหมายความว่าเรากำลังปรับปรุงในเชิงสัมพันธ์

สาเหตุหนึ่งคือกระบวนการเหล่านี้ยังได้รับความช่วยเหลือจากเอเจนต์อีกด้วย การตรวจสอบโค้ดโดยมนุษย์ได้รับประโยชน์จากผู้ตรวจสอบร่วมที่เป็นเอเจนต์ ทำให้จับบั๊กได้มากขึ้น การสอบสวนเหตุการณ์ (บั๊กที่มีความหมายหรือเหตุการณ์จริง) ได้รับความช่วยเหลือจากเอเจนต์ที่พยายามหาสาเหตุที่แท้จริง ดังนั้นเวลาเฉลี่ยในการบรรเทา (MTTM) จึงลดลง

การทดสอบสุดท้ายคือว่าการป้อนโค้ดเพิ่มเติมนั้นแสดงถึงมูลค่าผลลัพธ์ที่แท้จริงหรือไม่ ในท้ายที่สุด วิศวกรรมก็คือการส่งมอบฟีเจอร์ให้กับผู้ใช้ เราติดตามโปรเจกต์ใน Linear เพื่อให้ทีมขายและการตลาดรู้ว่าเมื่อใดควรสื่อสารกับผู้ใช้เกี่ยวกับฟีเจอร์ใหม่ คุณจะเห็นว่าอัตราการเสร็จสมบูรณ์ของโปรเจกต์เพิ่มขึ้นอย่างรวดเร็วพร้อมกับปริมาณการเขียนโค้ดของเรา

ทีมวิศวกรรมที่ขับเคลื่อนด้วยตัวเองสามารถส่งมอบได้มากขึ้น ในขณะที่เพิ่มคุณภาพไปพร้อมกัน

เอเจนต์ของเอเจนต์ของเรากำลังทำให้วิศวกรรมแบบวนซ้ำ (loop engineering) เกิดขึ้นในระดับใหญ่

การซูมเข้าไปดูทำให้เราเห็นภาพว่าสิ่งนี้เป็นอย่างไร เมื่อวิศวกรพบวิธีสร้างลูป ส่งฝูงเอเจนต์ออกไปทำงานที่ตรวจสอบได้สำเร็จ เราจะเห็นการเปลี่ยนแปลงที่รุนแรงที่สุด พนักงานทุกคนสามารถเข้าถึงเอเจนต์ผู้จัดการที่สามารถสร้างเอเจนต์หลายตัว ทำให้สามารถจัดระเบียบเอเจนต์ที่ทำงานในลูปในนามของคุณได้ ลูปส่งผลให้เกิดกราฟ PR ที่ดูไม่เหมือนใคร เช่นนี้:

วิศวกรคนหนึ่งทำการย้ายระบบ CSS ของเราที่ค้างอยู่เป็นเวลานานสำเร็จและแบ่งปันบทเรียนของเขา วิศวกรอีกคนหนึ่งทำให้การย้ายข้อมูลเป็นอัตโนมัติซึ่งช่วยให้เราสามารถทำการแปลผลิตภัณฑ์ในท้องถิ่นได้ (localize) วิศวกรอีกคนหนึ่งทำให้การบำรุงรักษาการทดสอบที่ไม่เสถียรเป็นระบบอัตโนมัติ CTO ของเราในที่สุดก็แก้ไขบั๊กเครือข่ายที่ยากที่สุดข้อหนึ่งของเราที่เกี่ยวข้องกับ PSC และการปิด fd ด้วยฝูงเอเจนต์ สมมติฐานทั้งหมดของเราเกี่ยวกับสิ่งที่เป็นไปได้ได้เปลี่ยนไปแล้ว

ตัวอย่างการขับเคลื่อนด้วยตัวเองที่น่าตื่นเต้นที่สุดมาจากทีม AI ของเรา พวกเขาสร้าง ระบบการเรียนรู้อย่างต่อเนื่อง (continual learning system) ที่วิเคราะห์ความคิดเห็นของผู้ใช้ เสนอการปรับปรุง และใช้ชุดเกณฑ์มาตรฐานและการทดสอบ A/B เพื่อตรวจสอบชัยชนะ Replit Agent กำลังปรับปรุงตัวเอง!

การสนทนาเรื่องสร้างเทียบกับซื้อ (Build vs. Buy) เปลี่ยนไป

เอเจนต์ภายในใหม่ของเรายังเปลี่ยนการสนทนาเกี่ยวกับว่าเราควรสร้างหรือซื้อซอฟต์แวร์ เราทดลองใช้เครื่องมือ AI ใหม่เป็นประจำ การซื้อโซลูชันช่วยให้เราไปได้เร็วขึ้น และเรายังประเมินตลาดอย่างต่อเนื่องอีกด้วย แต่ยิ่งเราสร้างมากเท่าไหร่ เราก็จะต้องทำสิ่งนี้น้อยลงเท่านั้น ตอนนี้เอเจนต์ภายในของเราทำงานได้ดีกว่าผลิตภัณฑ์ที่เราทดสอบซึ่งถูกมองว่าเป็นผู้นำตลาด เราเพิ่งยกเลิกโซลูชัน SaaS มูลค่าเจ็ดหลักเพราะแอปภายในของเราที่สร้างขึ้นใน Replit ทั้งหมดนั้นเหนือกว่าและพนักงานได้ย้ายไปใช้แล้ว

ทันใดนั้น เครื่องมือต่างๆ รู้สึกเหมือนถูกสร้างขึ้นมาเพื่อเรา การบูรณาการอย่างลึกซึ้งกับฐานความรู้ของเรา และการปรับแต่งที่เราทำ ทำให้โซลูชันอื่นๆ ดูด้อยกว่า

สิ่งที่ทำให้เราประหลาดใจมากกว่าคือเอเจนต์ภายในของเรายังเอาชนะผลิตภัณฑ์เฉพาะทางแนวตั้งที่เราประเมินได้อีกด้วย เครื่องมือที่ช่วยวิศวกรจัดลำดับความสำคัญการแจ้งเตือนและสอบสวนสาเหตุของเหตุการณ์ ให้ผลลัพธ์ที่มีคุณภาพใกล้เคียงกัน แต่มีต้นทุนสูงกว่า 10 เท่าในการรันบนเอเจนต์ของเรา เครื่องมือที่ทำการทดสอบเจาะระบบอัตโนมัติพบช่องโหว่น้อยกว่าเวอร์ชันภายในของเราที่ต้นทุนสูงกว่า 10 เท่า ทั้งสองเวอร์ชันของเราถูกนำไปใช้งานจริงได้อย่างง่ายดาย ลด MTTM ในเหตุการณ์และทำให้ระบบที่สำคัญแข็งแกร่งขึ้นต่อการโจมตี

ด้วยสิ่งที่เรายังคงเรียนรู้อยู่ และวิธีที่โมเดลต่างๆ กำลังปรับปรุง ชัดเจนว่านี่เป็นเพียงจุดเริ่มต้นเท่านั้น

เลยไปไกลกว่าวิศวกรรมและเข้าสู่ทั้งธุรกิจ

บริษัทที่ขับเคลื่อนด้วยตัวเองไม่ได้หยุดอยู่แค่ฝ่ายวิศวกรรม ทุกหน้าที่ใน Replit กำลังเปลี่ยนแปลง

การใช้งานแพร่กระจายออกจากฝ่ายวิศวกรรมอย่างรวดเร็ว สาเหตุหลักมาจากอินเทอร์เฟซ Slack ส่วนที่เหลือของบริษัทสังเกตเห็นวิศวกรแท็กเอเจนต์ของเราด้วยงานต่างๆ และลองใช้ด้วยตัวเอง ในตอนแรก กรณีการใช้งานที่ได้รับความนิยมมากที่สุดคือการถามคำถาม ด้วยการรวมฐานความรู้ของเราเข้ากับสถานะของฐานโค้ด ทุกคนสามารถชี้แจงความคาดหวังเกี่ยวกับผลิตภัณฑ์ได้โดยไม่ต้องรอข้อมูลจากวิศวกรรม พนักงานเหล่านั้นสามารถแก้ไขข้อความหรือเอกสารประกอบตามมาได้ มันเป็นการเพิ่มความสามารถในการตอบสนองต่อผู้ใช้ได้เร็วขึ้นในทันที

แต่นั่นเป็นเพียงจุดเริ่มต้น จากนั้น การมีส่วนร่วมของทักษะและการบูรณาการใหม่ๆ ก็เริ่มเข้ามาจากทุกส่วนของบริษัท

การปลดล็อคครั้งใหญ่ครั้งแรกมาจากทีมข้อมูลของเรา พวกเขาให้ชั้นความหมาย (semantic layer) แก่เอเจนต์เหนือคลังข้อมูลของเรา เพื่อให้มันรู้ว่าตารางใดเป็นแหล่งความจริงและพวกมันสัมพันธ์กันอย่างไร

ตอนนี้ใครก็ได้ที่ Replit สามารถถามคำถามด้านชีวธุรกิจและได้รับคำตอบที่เชื่อถือได้ พวกเขาสามารถสร้างแผนภูมิและการนำเสนอจากข้อมูลสด (รวมถึงทุกแผนภูมิในโพสต์นี้) ทีมข้อมูลใช้เวลาของพวกเขาไปกับปัญหาที่ยากที่สุด แทนที่จะรับมือกับคำขอต่างๆ เมื่อเร็วๆ นี้ PM คนหนึ่งสามารถทำการวิเคราะห์การเปิดตัวที่ซับซ้อนได้ด้วยตนเองเพราะเอเจนต์ของเราเข้าใจเหตุการณ์ต่างๆ ในฐานโค้ด มันปรากฏในแพลตฟอร์มข้อมูลลูกค้าของเราอย่างไร และจะรวมข้อมูลเหล่านั้นกับสถานะการสมัครสมาชิกที่ซับซ้อนได้อย่างไร

ทีมขายก็พบเลเวอเรจเดียวกัน ทีมพัฒนาการขายใช้เอเจนต์เพื่อค้นหาและเพิ่มคุณค่าให้กับลีดที่มีคุณสมบัติตามผลิตภัณฑ์ โดยใช้ความรู้ภายในที่เครื่องมือทั่วไปไม่สามารถมองเห็นได้ ดังนั้นการเข้าถึงลูกค้าจึงมีบริบทมากขึ้น ผู้จัดการบัญชีใช้มันเพื่อเตรียมตัวสำหรับการสนทนากับลูกค้า เพื่อทำความเข้าใจว่าใครได้รับมูลค่ามากที่สุด โปรเจกต์ใดที่กำลังดำเนินการอยู่ และการใช้เครดิตสอดคล้องกับสัญญาของพวกเขาอย่างไร ทั้งหมดนี้ถูกบรรจุลงในสไลด์ที่มีแบรนด์ซึ่งปรับแต่งตามบัญชีนั้นๆ ทีมขายที่ขับเคลื่อนด้วยตัวเองมีจุดสัมผัสกับลูกค้าที่มีคุณภาพสูงขึ้นและมากขึ้น

ทีมการตลาดของเราสามารถใช้เอเจนต์เพื่อร่างข้อกำหนดผลิตภัณฑ์จากศูนย์ด้วยพรอมต์เดียว โดยอิงจากการสนทนาและเอกสารผลิตภัณฑ์ต่างๆ ทั่วทั้งวิศวกรรมและผลิตภัณฑ์ สิ่งนี้ทำให้พวกเขามีความสามารถในการเริ่มต้นดำเนินการเปิดตัวเร็วขึ้นและทันสมัยอยู่เสมอ โดยไม่จำเป็นต้องเข้าร่วมทุกการประชุม พวกเขามีเวลามากขึ้นในการวางแผนและสร้างสรรค์ ซึ่งจะทำให้การเปิดตัวของเรามีผลกระทบมากขึ้นเมื่อออกสู่โลก

ทีมสนับสนุนของเราให้ทักษะแก่เอเจนต์ในการตรวจสอบปัญหาและปฏิบัติตามคู่มือมาตรฐาน มันสามารถเลือกที่จะเสนอการตอบกลับด้วยน้ำเสียงบริการลูกค้ามาตรฐานของเรา หรือส่งต่อไปยังวิศวกรรมพร้อมกับสรุปตั๋วและการสอบสวน ทีมสนับสนุนที่ขับเคลื่อนด้วยตัวเองปิดตั๋วที่ยากที่สุด (ตั๋วที่ส่งต่อไปยังมนุษย์) เร็วขึ้น 60% ผู้ใช้กลับไปสร้างได้เร็วขึ้น

ในทุกตัวอย่าง มนุษย์ไม่ได้ถูกทำให้เป็นระบบอัตโนมัติออกไป พวกเขาได้รับการเลื่อนตำแหน่ง การขับเคลื่อนด้วยตัวเองเปลี่ยนผู้ลงมือทำเป็นผู้กำกับ และคนที่กำลังเติบโตคือคนที่คิดในแง่ของผลลัพธ์และกำหนดทิศทาง นั่นคืองานที่มีค่าที่สุดเท่าที่มีอยู่ในตอนนี้

—

ต่อไปที่ไหน?

การทำให้ตัวเองมีประสิทธิผลมากขึ้นนั้นน่าตื่นเต้น แต่สิ่งที่กระตุ้นผู้คนที่ Replit อย่างแท้จริงคือการทำให้เทคโนโลยีเป็นประชาธิปไตย

เราต้องการนำวิธีการทำงานแบบใหม่นี้ไปสู่ผู้ใช้ทั้งหมดของเรา เรากำลังทำงานอย่างหนักเพื่อให้แน่ใจว่าเราสามารถทำสิ่งนี้ได้ด้วยนโยบาย สิทธิ์ ความปลอดภัย และการควบคุมต้นทุนที่จำเป็นในการปรับใช้ในระดับใหญ่ ผู้ใช้ที่กระตือรือร้นที่สุดของ Replit คือผู้ประกอบการและผู้ใช้ระดับองค์กรที่สร้างธุรกิจจริง การขับเคลื่อนด้วยตัวเองต้องการมาตรการความปลอดภัยที่สามารถปรับขนาดเพื่อรองรับผู้ใช้เหล่านั้น

เรากำลังทำงานอย่างหนักเพื่อสร้างสิ่งนั้นในตอนนี้

จากกราฟทั้งหมดข้างต้น คุณไม่ต้องรอนาน