ในปี 1968 มีการศึกษาอันเป็นรากฐานที่ค้นพบสิ่งหนึ่งซึ่งหล่อหลอมซิลิคอน วัลเลย์มานานหลายทศวรรษ: วิศวกรซอฟต์แวร์ที่ดีที่สุดนั้นมีประสิทธิภาพเหนือกว่าเพื่อนร่วมงานอย่างมหาศาล ตั้งแต่นั้นมา ทุกบริษัทเทคโนโลยี่ต่างก็ตามหาบุคคลหายากเหล่านั้นที่สามารถสร้างผลลัพธ์ที่ยอดเยี่ยมได้
เมื่อกลับมาจากวันหยุดในเดือนมกราคม ทีมวิศวกรรมของเรา ซึ่งถูกปลุกเร้าด้วยความก้าวหน้าของโมเดลระดับแนวหน้า เริ่มรันเอเจนต์แบบขนานกับ git worktrees, Claude Code และ Codex ในบางงาน พวกเขาทำงานได้มากกว่าเดิมถึง 5 เท่า
นั่นทำให้เกิดคำถามที่ใหญ่กว่า: ถ้าเอเจนต์สามารถทำให้วิศวกรมีประสิทธิภาพมากขึ้นขนาดนั้นในหนึ่งเดือน แล้วต้องทำอย่างไรถึงจะทำให้ทุกคนที่ Sierra เป็นแบบนั้น? เราจึงตั้งทีมเร่งรัด AI หกคนขึ้นมาเพื่อหาคำตอบ บล็อกนี้จะอธิบายสิ่งที่เราสร้างขึ้นและสิ่งที่เราเรียนรู้ในกระบวนการนี้
1. เอเจนต์เดี่ยว
เราเริ่มต้นด้วยกลุ่มเอเจนต์เฉพาะบทบาท: เอเจนต์ฝ่ายสนับสนุน (PINE), นักวิเคราะห์ข้อมูล (Pinewood), วิศวกร (Pinecone) และเอเจนต์ฝ่ายขาย (Reggie Jr) เอเจนต์หนึ่งตัวต่อหนึ่งบทบาทอาจดูเหมือนเข้าใจง่าย แต่มันกลับล้มเหลวในทางปฏิบัติ
โดยผิวเผิน ปัญหาคือภาระของพนักงานที่ต้องจำว่าเอเจนต์ตัวไหนทำอะไร ความรักในชื่อธีมต้นสนของเราก็ไม่ได้ช่วยอะไร แต่ปัญหาที่ลึกกว่านั้นคือปัญหาเชิงโครงสร้าง — งานที่สำคัญที่สุดเกิดขึ้นข้ามทีม ไม่ใช่ภายในทีม
โดยแก่นแท้แล้ว บริษัทคือชุดรวมของงานที่ต้องทำให้เสร็จ ลองนึกถึงการส่งมอบผลิตภัณฑ์ มันเกี่ยวข้องกับทีมเทคนิครวมถึงฝ่ายขาย การตลาด กฎหมาย และปฏิบัติการ แผนกต่างๆ มีอยู่เพราะทีมเดียวหรือคนเดียวไม่สามารถทำทุกส่วนของงานได้ AI กำลังเปลี่ยนแปลงสิ่งนั้น เพราะ它可以ทำงานตั้งแต่ต้นจนจบได้มากขึ้นเรื่อยๆ
ดังนั้นเราจึงรวมเอเจนต์เฉพาะบทบาททั้งหมดนี้เข้าเป็น Pinecone: เอเจนต์ตัวเดียวที่มี Slack handle เดียว, URL เดียว และเธรดที่ต่อเนื่องตั้งแต่คำถามจนถึงผลลัพธ์ที่เสร็จสมบูรณ์ Pinecone จะคิดเองว่าระบบใดควรดึงข้อมูลมา และจะทำอย่างไรกับคำขอ เพื่อให้พนักงานไม่ต้องทำ นั่นเป็นเรื่องยากในทางเทคนิค แต่นั่นคือจุดประสงค์ของ AI: เทคโนโลยีดูดซับความซับซ้อน ไม่ใช่พนักงาน
มันเป็นบทเรียนที่เราได้เรียนรู้ไปแล้วจากแพลตฟอร์มของเรา เอเจนต์ที่สร้างบน Sierra เป็นแบบบริการเต็มรูปแบบ: เอเจนต์ตัวเดียวสามารถจัดการทุกอย่างตั้งแต่การค้นหาผลิตภัณฑ์ไปจนถึงการตั้งค่าบัญชี การแก้ไขปัญหา การเรียกเก็บเงิน และอื่นๆ ไม่ใช่ "กด 1 เพื่อติดต่อฝ่ายขาย กด 2 เพื่อติดต่อฝ่ายสนับสนุน" เหมือนระบบ IVR แบบเก่า
การรวมทุกอย่างเป็นเอเจนต์เดียวทำให้เราเข้าใกล้คุณค่าที่แท้จริงของบริษัทมากขึ้น นั่นคืองานที่ต้องทำให้เสร็จ การปรับปรุงทุกอย่างเป็นประโยชน์ต่อธุรกิจโดยรวม ทุกคนจึงดีขึ้นและเร็วขึ้น
2. เชิงรุก ไม่ใช่เชิงรับ
งานส่วนใหญ่ไม่ได้เสร็จสิ้นในการนั่งทำครั้งเดียว มันคลี่คลายไปหลายวัน หลายสัปดาห์ หรือหลายเดือน เมื่อทีมเรียนรู้ ลำดับความสำคัญเปลี่ยน และข้อมูลใหม่ๆ ปรากฏขึ้น เอเจนต์ที่ปรากฏตัวเมื่อถูกเรียกและหายไปเมื่อเซสชันสิ้นสุดนั้นมีประโยชน์เพียงเท่านั้น Pinecone ดำเนินไปตลอดทั้งกระบวนการ — สืบทอดบริบทไปข้างหน้าและหยิบเธรดขึ้นมาทำต่อ จนกว่างาน ไม่ใช่แค่คำขอเดียว จะเสร็จสมบูรณ์
การคงอยู่ยังทำให้ Pinecone เชิงรุกอีกด้วย แทนที่จะรอให้ถูกถาม มันสามารถดำเนินการเมื่อขั้นตอนถัดไปพร้อม — webhook ทำงานบน artifact, งานปรากฏใน Linear, บทวิจารณ์เข้ามา มันรวบรวมบริบทและดำเนินการในรอบแรก นำผู้คนเข้ามาเมื่อจำเป็นต้องใช้วิจารณญาณของพวกเขา บันทึกการเตรียมตัวรออยู่ก่อนการประชุม สรุปผลการสัมภาษณ์ถูกร่างก่อนที่คุณจะนั่งลงเพื่อเพิ่มคะแนนของคุณ บทวิจารณ์มาพร้อมกับบทสรุป ความเสี่ยงสำคัญ และข้อเสนอแนะ เป้าหมายไม่ใช่การแจ้งเตือนที่มากขึ้น มันคืองานที่น้อยลงซึ่งมาถึงโดยไม่เสร็จ
เรายังทำสิ่งนี้ได้ไม่สมบูรณ์แบบ — เซสชันส่วนใหญ่ยังคงเริ่มต้นด้วยพรอมต์ของมนุษย์ — แต่การพลิกกลับความสัมพันธ์นั้น เพื่อให้เอเจนต์เป็นผู้ส่งพรอมต์ถึงมนุษย์เมื่อจำเป็น คือจุดที่การคงอยู่กำลังพาเราไป
3. บริบททางธุรกิจคือคอขวด ไม่ใช่ความฉลาด
คอขวดของ AI ในอดีตคือความฉลาดดิบ — ว่าโมเดลฉลาดพอหรือไม่ ทุกวันนี้ โมเดลระดับแนวหน้ามีความสามารถเพียงพอสำหรับความต้องการทางธุรกิจส่วนใหญ่ ดังนั้นคอขวดจึงย้ายไปที่บริบท: สิ่งที่เฉพาะเจาะจงกับบริษัทของคุณ เวิร์กโฟลว์ของคุณ ประวัติของคุณ การตัดสินใจที่ต้องใช้ดุลยพินิจซึ่งไม่ปรากฏในชุดข้อมูลฝึกอบรมใดๆ
ในเดือนมกราคม คนสองคนในทีมของเราแฮกรวมนักวิเคราะห์ข้อมูลเอเจนต์โดยใช้ Claude Code และ Opus 4.6 ซึ่งเชื่อมต่อกับระบบของเราผ่าน Model Context Protocol (MCP) และเครื่องมือบรรทัดคำสั่ง โดยไม่มีคำแนะนำเพิ่มเติมมากนัก มันสามารถสืบสวนปัญหาของลูกค้าผ่าน Slack, GitHub, ClickHouse, Salesforce และ PagerDuty ได้ภายในไม่กี่นาที งานที่เคยใช้เวลาทั้งบ่ายกลายเป็นขั้นตอนแรกในการดีบักและการตอบสนองต่อเหตุการณ์
รูปแบบเดียวกันนี้ขยายออกไปไกลกว่าแค่การดีบัก เอเจนต์ที่มีบริบทที่สมบูรณ์สามารถเตรียมการประชุมลูกค้า ค้นคว้าบัญชี ทบทวนสัญญาหรือ RFP ติดตามการตัดสินใจเกี่ยวกับผลิตภัณฑ์ และเปลี่ยนงานที่กระจัดกระจายให้เป็น artifact ที่เสร็จสมบูรณ์ แน่นอน การให้เอเจนต์เข้าถึงบริบททั้งหมดนั้นนำมาซึ่งปัญหาใหม่ เอเจนต์ที่ไม่มีข้อจำกัดคือความเสี่ยงด้านความปลอดภัยและความเป็นส่วนตัวครั้งใหญ่ MCP Gateway ของเราแก้ปัญหานี้: Pinecone สืบทอดการเข้าถึงของพนักงานแต่ละคน บังคับใช้นโยบายในการเรียกใช้เครื่องมือทุกครั้ง แยกข้อมูลลูกค้า และทิ้งร่องรอยการตรวจสอบไว้
อ่านคำอธิบายรูปภาพ
ALT
Sierra MCP Gateway เชื่อมต่อเอเจนต์กับ 37 ระบบ
Pinecone สร้างขึ้นบน Claude Code และ Codex การปรับปรุงบ่อยครั้งของพวกมันเป็นแรงหนุน แต่สถานะล่าสุดเปลี่ยนแปลงตลอดเวลา — โมเดลหนึ่งอาจเก่งที่สุดในการวางแผน อีกโมเดลหนึ่งเก่งในการเขียนโค้ด และอีกโมเดลหนึ่งเก่งในการเขียนเรียงความ การเป็นเจ้าของเลเยอร์เหนือโมเดลทำให้เราสามารถกำหนดเส้นทางแต่ละงานไปยังโมเดลที่เหมาะสม ทำการเฟลโอเวอร์ในช่วงที่ระบบหยุดทำงาน และจัดการต้นทุน ในขณะที่หลีกเลี่ยงการตกอยู่ภายใต้ความเมตตาของผู้เล่นรายใดรายหนึ่ง แต่ความได้เปรียบที่ยั่งยืนไม่ใช่การเป็นเจ้าของโมเดลพื้นฐาน มันคือการเป็นเจ้าของบริบท เวิร์กโฟลว์ และเลเยอร์การกำหนดเส้นทางที่ทำให้ทุกโมเดลมีประโยชน์มากขึ้น
เรายังกำลังทดลองให้ Pinecone ฝัน: ไตร่ตรองงานในแต่ละวันและเสนอการปรับปรุงทักษะของตัวเอง เมื่อเวลาผ่านไป นั่นคือความแตกต่างระหว่างเอเจนต์ที่แค่ทำงานให้ Sierra กับเอเจนต์ที่เรียนรู้จาก Sierra
4. เอเจนต์คือ UI ระบบบันทึกคือแบ็กเอนด์
ทุกชิ้นงานสร้างสิ่งที่จับต้องได้ นั่นคือ artifact เอเจนต์เขียนโค้ดค้นพบสิ่งนี้ก่อน: นั่นคือ pull request ทุกแผนกอื่นๆ ก็มีสิ่งที่เทียบเท่ากัน — เรื่องราวของลูกค้า สัญญา แบบสอบถาม RFP สไลด์พิตช์ การประเมินผลการปฏิบัติงาน
Artifact เป็นทั้งอินพุตและเอาต์พุต พวกมันให้บริบทที่เอเจนต์ต้องการเพื่อทำงาน — และมันคือที่ที่งานที่เสร็จแล้วควรอยู่ ขอให้ Pinecone ปรับปรุงสไลด์พิตช์ให้กระชับขึ้น และสไลด์เองก็จะถูกส่งกลับมาแบบอัปเดต ไม่ใช่ข้อความแชทที่บอกคุณว่าต้องเปลี่ยนแปลงอะไร
เราพบว่า วิธีที่ดีที่สุดคือทำงานร่วมกับระบบบันทึกของคุณ ไม่ใช่แทนที่มัน GitHub เก็บ PR, Salesforce เก็บบัญชี และ Linear เก็บ issue — เอเจนต์คือเลเยอร์ที่เชื่อมโยงพวกมัน
การแทนที่ระบบเหล่านั้นหมายถึงการสร้างซอฟต์แวร์ที่เติบโตเต็มที่มานานหลายทศวรรษขึ้นมาใหม่ ที่แย่กว่านั้น มันแบ่งบริษัทออกเป็นสองส่วน — คนที่ทำงานผ่านเอเจนต์และคนที่ทำงานโดยตรงในเครื่องมือดั้งเดิม ซึ่งแต่ละส่วนมีความจริงในเวอร์ชันของตนเอง ข้อเสนอของเราคือผลิตภัณฑ์เหล่านี้จะกลายเป็นเหมือนแบ็กเอนด์เมื่อเวลาผ่านไป โดยมีเอเจนต์เป็นอินเทอร์เฟซหลัก
5. ผลลัพธ์ ไม่ใช่แค่กิจกรรม
ตั้งแต่คอมมิตแรกของ Pinecone ในเดือนมีนาคม มันรันมากกว่า 75,000 เซสชันสำหรับคนมากกว่า 600 คน วันนี้ 70% ของ PR ของเราเปิดผ่านมัน ในขณะที่ระบบอัตโนมัติหลายร้อยตัวจัดการงานอย่างเงียบๆ โดยไม่มีใครเรียกใช้อย่างชัดเจน
ตัวเลขแบบนั้นน่าดึงดูดที่จะนำเสนอ และในช่วงแรกมันเป็นสิ่งที่ถูกต้องในการติดตาม — มันเป็นหลักฐานว่ามีอะไรบางอย่างถูกใช้งานจริง ไม่ใช่นั่งอยู่บนสไลด์โรดแม็ปสะสมฝุ่น แต่เซสชันที่รันและการเรียกใช้เครื่องมือ คือกิจกรรม ไม่ใช่ผลลัพธ์ ทีมสามารถทุ่มเทโทเค็นเพื่อสร้างแผนภาพการนำเอาซอฟต์แวร์ไปใช้ที่ดูน่าประทับใจ โดยไม่มีอะไรที่ปลายน้ำดีขึ้นจริง — จำนวนข้อผิดพลาดเท่าเดิม รอบเวลาเท่าเดิม แค่มี AI เข้ามาเกี่ยวข้องในการผลิตมันมากขึ้น
ดังนั้น การใช้โทเค็นเป็นจุดเริ่มต้นที่ดี ทีมต้องสร้างนิสัยการใช้เครื่องมือก่อนที่คุณจะวัดว่ามันได้ผลหรือไม่ แต่มันไม่ใช่ที่ที่คุณค่าอยู่ และเราไม่ต้องการให้มันเป็นจุดสิ้นสุดของเรื่อง คำถามที่เรากำลังพยายามถามให้ดีขึ้นไม่ใช่ว่าเอเจนต์ทำไปมากแค่ไหน — แต่คืออะไรที่เปลี่ยนไปจริงๆ เพราะมัน: ข้อตกลงปิดเร็วขึ้นหรือไม่ ปัญหาของลูกค้าได้รับการแก้ไขในครั้งแรกหรือไม่ มีใครได้เวลากลับคืนในตอนเย็นแทนที่จะต้องทำรีวิวจนดึกดื่นหรือไม่
เรายังไม่มีวิธีที่ดีในการวัดสิ่งนั้น เซสชันและการเรียกใช้เครื่องมือแค่นับง่ายกว่า แต่ช่องว่างนั้น — ระหว่างสิ่งที่เราวัดได้วันนี้กับสิ่งที่เราสนใจจริงๆ — คือสิ่งที่เรากำลังสร้างต่อไป
การศึกษาปี 1968 นั้นพบช่องว่างถึง 10 เท่าระหว่างคนที่ดีที่สุดกับคนอื่นๆ และเป็นเวลาห้าสิบปี คำตอบเดียวคือออกล่าหาคนหายากเหล่านั้น ตอนนี้มีคำตอบที่ดีกว่า: ให้เอเจนต์กับทุกคน เพื่อให้พวกเขามีข้อได้เปรียบของคนส่วนน้อย เป้าหมายไม่ใช่แค่ทำงานให้เสร็จมากขึ้น มันคือการให้เวลากับผู้คนมากขึ้นสำหรับงานที่มีแต่คนเท่านั้นที่ทำได้: การใช้ดุลยพินิจ รสนิยม ความคิดสร้างสรรค์ และการสร้างความสัมพันธ์
ต่อไป
เราจะเจาะลึกเกี่ยวกับระบบที่เราสร้างขึ้น:
- Allen Chen เกี่ยวกับ Pinecone, การทำซ้ำหลายครั้ง และสถาปัตยกรรมทางเทคนิคเบื้องหลัง
- Mihai Parparita เกี่ยวกับ MCP Gateway และการรวบรวมบริบทที่สมบูรณ์อย่างปลอดภัย
- Rohith Ravi เกี่ยวกับ Agency, โครงสร้างพื้นฐานที่อยู่เบื้องหลังทั้งหมด
