Agenci AI: planuj zadania i czas na sprawdzanie wyników

Możliwości ludzkiego review zależą od czasu, który kompetentne osoby mogą poświęcić na zrozumienie, sprawdzenie i przyjęcie pracy. Żeby zarządzać zadaniami agentów AI, wskaż, kto sprawdzi każdy wynik, zarezerwuj czas na decyzje i ograniczaj nowe zadania, gdy przybywa niedokończonych. Szybsze wytwarzanie przynosi korzyści wtedy, gdy zespół może doprowadzić pracę do końca.

Kilku agentów może robić postępy równolegle, a ty i tak kończysz dzień z większą liczbą zaległości. Poprawka wymaga poznania kontekstu, analiza czeka na decyzję, obiecujący eksperyment tworzy kolejny projekt do utrzymania. Każdy wątek łatwo było zacząć. Problemem staje się znalezienie czasu, żeby go zamknąć.

W startupie warto wtedy przyjrzeć się temu, jak zespół przyjmuje nowe zadania. Zanim uruchomisz kolejnego agenta albo zatrudnisz kogoś do pomocy, ustal, na które obowiązki człowieka brakuje czasu.

Dlaczego szybsi agenci mogą zostawiać ci więcej pracy?

AI może ułatwiać rozpoczynanie pracy, a zarazem zwiększać liczbę podejmowanych zobowiązań. Czas zaoszczędzony na jednym zadaniu staje się miejscem na kolejne, zamiast wracać do ciebie.

To praktyczne pytanie dla zespołów korzystających już z agentów pojawia się w dyskusji na Hacker News o większej ilości pracy z AI. Popularność dyskusji nie dowodzi, jak częste jest to doświadczenie. W twoim zespole warto przede wszystkim ustalić, co zobowiązaliście się doprowadzić do końca.

Wyobraź sobie takie popołudnie: prosisz agenta o zbadanie problemu we wdrożeniu użytkowników. Gdy pracuje, uruchamiasz drugiego do zmiany w rozliczeniach i trzeciego do odkładanej migracji. Każda prośba osobno wygląda rozsądnie. Później cała trójka potrzebuje, żeby ktoś zrozumiał wynik, sprawdził założenie lub zgodził się na dalsze działanie.

Agenci mogli szybko wykonać swoją część. W kalendarzu nadal masz jednak tę samą rozmowę z klientem i rozmowę rekrutacyjną. Bez świadomie zarezerwowanego czasu dalsza praca przesuwa się na wieczór albo do kolejki na jutro.

Dzieje się tak również wtedy, gdy wyniki są dobre. Błędy wymagają poprawek, ale użyteczne rezultaty też pochłaniają uwagę. Ktoś musi zdecydować, czy wdrożyć zmianę, odrzucić ją, poprawić, czy zbadać temat dalej. Do odpowiedzialnej decyzji potrzebuje odpowiedniego kontekstu.

Pytanie, czy funkcja zasługuje na wdrożenie, różni się od pytania, czy masz czas zająć się kolejnym wynikiem. Pierwsze opisujemy w artykule o review funkcji tworzonych przez AI pod kątem spójności produktu. Tutaj chodzi o ilość nowej pracy, którą przyjmujesz, zanim zapadną te decyzje.

Co rzeczywiście wynika z badań?

Dostępne źródła opisują możliwe mechanizmy zwiększania ilości pracy przez AI, ale też powody, by sądzić, że AI przyspiesza zadania. Nie dowodzą powszechnego wzrostu obciążenia ani nie wskazują idealnej liczby agentów na osobę.

Wywiad Uniwersytetu Kalifornijskiego z Xingqi Maggie Ye, badaczką z Berkeley Haas opisuje ośmiomiesięczne badanie etnograficzne w jednej firmie technologicznej zatrudniającej około 200 osób. Ye przeprowadziła ponad 40 wywiadów częściowo ustrukturyzowanych. W chwili publikacji rozmowy, w lutym 2026 roku, badanie nadal trwało.

Ye opisuje rozszerzanie zakresu zadań, pracę zajmującą dawne przerwy oraz prowadzenie kilku procesów jednocześnie. To mechanizmy, których można szukać we własnym zespole. Badanie jakościowe w jednej firmie nie pokazuje jednak, jak częste są te zjawiska w startupach, ani nie dowodzi, że AI powoduje wypalenie.

Warto uwzględnić także przeciwwagę. W aktualizacji badań produktywności programistów z lutego 2026 roku METR ocenia, że nowsze narzędzia AI prawdopodobnie dają większe korzyści, niż sugerowały szacunki z początku 2025 roku. Organizacja wyjaśnia też, dlaczego późniejszy eksperyment dostarcza słabych dowodów na wielkość tych korzyści. Zmieniło się to, kto brał udział i jakie zadania wybierał, zmieniono też wynagrodzenie. Równoległa praca agentów dodatkowo utrudniła pomiar czasu.

W ankiecie METR wśród pracowników technicznych z maja 2026 roku respondenci również deklarowali korzyści z AI. Dobór dogodnościowy próby i oparcie na odczuciach ograniczają jednak wnioski o faktycznych zyskach. Badanie rozróżnia szybkość wykonania zadania i wartość pracy. To kolejny powód, by ustalić, co chcesz mierzyć.

Dawny szacunek szybkości programowania nie pozwala stwierdzić, jak dzisiejsi agenci wpływają na produktywność każdego programisty.

Te źródła odpowiadają na różne pytania:

Zadanie może przyspieszyć, a lista zobowiązań może się wydłużać. To interpretacja dotycząca organizacji pracy, a nie efekt zmierzony wspólnie przez te badania. Żeby sprawdzić, czy opisuje wasz zespół, potrzebujesz własnych obserwacji.

Na co zespół przeznacza czas podczas review?

Review obejmuje pracę potrzebną, by na podstawie wyniku podjąć decyzję i ją zrealizować. Przeczytanie końcowej odpowiedzi to tylko część tego wysiłku.

Wybierz niedawno zamknięty wątek. Poproś osobę, która przyjęła wynik, o opisanie dalszych działań. Czy zajrzała do odpowiedniego kodu, odtworzyła błąd, sprawdziła kontekst klienta albo zapytała kogoś o założenie? Czy przyjęcie wyniku stworzyło pracę dla wsparcia, osób zajmujących się utrzymaniem lub innego programisty?

Przy większej zmianie czas może być potrzebny na kilka różnych rzeczy:

• Zrozumienie: odtworzenie pierwotnego problemu i decyzji podejmowanych w trakcie pracy.
• Sprawdzenie: ocenę dowodów, wykonanie odpowiednich testów i analizę ważnych przypadków błędów.
• Decyzję: przyjęcie wyniku, prośbę o zmiany, zatrzymanie pracy lub zmianę kierunku.
• Dalsze działania: integrację zmiany, przekazanie informacji i obsługę wynikających z niej obowiązków.

To pytania pomocne w analizie, nie zalecenie formalnego spotkania do każdego zadania. Rutynowa, odwracalna poprawka wymaga proporcjonalnego wysiłku. Zmiana rozliczeń lub uprawnień dostępu może potrzebować osoby o konkretnej wiedzy i prawie do podejmowania decyzji.

Przydzielając review, uwzględnij oba warunki: wiedzę i czas. Wolny termin nie wystarczy, jeśli osoba nie zna kontekstu. Samo wpisanie nazwiska eksperta na zadaniu również nie tworzy realnego planu, gdy ekspert nie ma czasu.

Przy każdym większym zadaniu zapisz oczekiwany wynik, osobę odpowiedzialną, recenzenta, najbliższy moment wymagający udziału człowieka oraz dowody potrzebne do przyjęcia pracy. Wystarczy krótka notatka w obecnym narzędziu do zadań. Jeśli odpowiedzialność i review należą do tej samej osoby, zaznacz to, żeby było widać jej zobowiązania.

Przykład: „Zbadać podwójne e-maile wdrożeniowe; Priya odpowiada za wynik; Sam sprawdza proponowaną zmianę; dostarczyć odtworzenie błędu, niewielki diff i wyniki odpowiednich testów”. Sam lepiej rozumie swoje zadanie niż przy opisie „agent pracuje nad wdrożeniem”. Priya ma też powód, żeby sprawdzić jego dostępność, zanim dołoży kolejny wątek.

W rozdziale Shape Up o wyborze projektów Ryan Singer opisuje przydatną praktykę zarządzania: świadomie wybierać zobowiązania i chronić osoby, które nad nimi pracują, przed przerwami. To opis praktyki Basecamp, a nie dowód na uniwersalny harmonogram. W pracy z agentami można zastosować tę zasadę, sprawdzając przed rozpoczęciem każdego wątku, czy ludzie mają czas go dokończyć.

Ile pracy zlecać agentom?

Zacznij od czasu, który recenzenci mogą rzeczywiście wygospodarować po uwzględnieniu obecnych obowiązków. Ten szacunek pomoże ocenić nowe zobowiązania. Koryguj go, gdy zobaczysz, ile review wymaga dana praca.

Źródła opisane wyżej nie uzasadniają uniwersalnego stosunku liczby agentów do recenzentów. Dwie małe analizy mogą być łatwiejsze do obsłużenia niż jedna nieznana migracja. Wynik wymagający natychmiastowej odpowiedzi tworzy inne zobowiązanie niż taki, który bezpiecznie poczeka do jutra.

Prosta tabela pozwala pokazać te różnice:

Szacunki nie muszą być dokładne. Mają ujawnić plan, którego nie da się wykonać, a nie sugerować, że ocena pracy zajmuje zawsze przewidywalną liczbę minut.

W hipotetycznym przykładzie recenzent ma jutro 120 minut po wykonaniu obecnych obowiązków. Cztery planowane wyniki mają wymagać po około 30 minut uwagi. Taki plan zużywa cały dostępny czas, zanim pojawi się poprawka, niespodziewane pytanie czy opóźnienie.

Ten rachunek nie określa bezpiecznego poziomu wykorzystania czasu. Pokazuje, że „czterech agentów może pracować przez noc” to niepełny plan. Trzeba też zdecydować, co zrobić, gdy wyniki będą wymagały więcej uwagi, niż zakładano.

Możesz uruchomić mniej wątków, poprosić o mniejszy, ale spójny wynik albo przekazać jedno review innej kompetentnej osobie, która zgodziła się je wykonać. Można też odłożyć analizę. Wybór powinien wynikać ze znaczenia pracy i jej ryzyka, nie z łatwości uruchomienia agenta.

Co robić, gdy wyniki się piętrzą?

Praca w kolejce to powód, żeby ponownie przyjrzeć się zobowiązaniom. Zanim zaczniesz coś nowego, zakończ, odrzuć albo świadomie odłóż istniejący wynik.

Jeżeli zmiana jest za duża do review, poproś o spójny fragment, który da się zrozumieć i przyjąć. Podział powinien ograniczyć zakres decyzji. Rozbicie jednej nierozdzielnej zmiany na kilka niejasnych kawałków nie pomoże. Gdy recenzentowi brakuje kontekstu, zadbaj o konkretne przekazanie informacji zamiast ciągle pytać, czy już zajrzał.

Grupowanie niepilnych wyników może chronić uwagę, ale nie powinno być sztywną regułą. Incydent, pilny problem klienta i eksperymentalne ulepszenie wymagają różnej obsługi. Ustalcie, co uzasadnia przerwanie pracy, a co może poczekać na zaplanowany czas review.

To zastosowanie świadomych przerw i kolejności pracy opisanych w wywiadzie z Berkeley. Możesz sprawdzić tę praktykę we własnym zespole, bez twierdzenia, że badacze zweryfikowali tę tabelę lub konkretny harmonogram review.

Co zmierzyć przed zatrudnieniem kolejnej osoby?

Sprawdź, na jakim etapie praca czeka na decyzję, czego wymaga od ludzi i czy to zapotrzebowanie się utrzymuje. Sama liczba wyników nie pokaże, które obowiązki wymagają więcej czasu.

Wybierz krótki okres obserwacji obejmujący zwykłą pracę zespołu. Możesz zacząć od dwóch tygodni i przedłużyć obserwację, jeśli dominuje w nich incydent lub nietypowe wdrożenie. To praktyczny punkt wyjścia, nie zweryfikowany naukowo czas eksperymentu.

Korzystaj z obecnego narzędzia do zarządzania zadaniami. Przy większych wątkach zapisuj rozpoczęcie, gotowość do review, decyzję i ewentualny powrót do poprawek. Dodaj przybliżony czas recenzenta i powód czekania. Zachowaj dość kontekstu, żeby odróżnić trudną migrację od rutynowej poprawki.

Następnie omów kilka konkretnych przykładów z zaangażowanymi osobami:

• Które wyniki zostały przyjęte?
• Które czekały, bo kompetentna osoba nie miała czasu?
• Które czekały, bo nikt nie mógł zdecydować, czy są ważne?
• Które wróciły z powodu brakujących wymagań lub dowodów?
• Które stworzyły nieplanowaną pracę poza zwykłymi godzinami?

Nie wyciągaj wniosków o godzinach pracy z dat w repozytorium. Zapytaj wprost o niespodziewaną pracę po godzinach i skup rozmowę na zobowiązaniach oraz odpowiedzialności. Przydatne omówienie pracy zespołu nie wymaga zbierania prywatnych promptów ani oceniania osób według liczby działań.

Koszty też są istotne, ale odpowiadają na pokrewne pytanie. W artykule o koszcie pilotażu agentów AI w przeliczeniu na przyjęty wynik opisujemy rachunek kosztów użytecznej pracy. Tutaj trzeba przede wszystkim zdecydować, czy zespół może odpowiedzialnie przyjąć kolejne zadanie.

Jak ustalić, jakiej pomocy brakuje?

Spójrz na przyczyny czekania. Jeżeli wyniki stoją z powodu decyzji produktowej, zwiększenie możliwości tworzenia kodu może wydłużyć tę samą kolejkę. Jeśli dobrze określone, wartościowe zmiany regularnie czekają na review techniczne, doświadczony inżynier może zapewnić potrzebne wsparcie. Jeśli przyjęte zmiany zatrzymują się podczas integracji lub kontaktu z klientem, zbadaj te obowiązki.

Możliwych ograniczeń jest więcej niż jedno. Zmniejszenie zakresu może pomóc w tym tygodniu, a trwała luka w odpowiedzialności nadal uzasadniać rekrutację. Chwilowy wzrost liczby wyników agentów to jednak słaba podstawa do utworzenia stałego stanowiska.

Wprowadź konkretną zmianę i obserwuj efekty: rozpoczynaj mniej zadań, wcześniej wyznaczaj kompetentnego recenzenta lub ogranicz kolejny oczekiwany wynik. Sprawdź, czy przyjęta praca postępuje bardziej przewidywalnie i czy ludzie mieszczą się w dostępnym czasie. Opisz wynik uczciwie. Mała próba w jednym zespole nie dowodzi ogólnego wzrostu produktywności.

Zatrudniaj do zadań, na które zespołowi brakuje czasu

Gdy trwała luka uzasadnia rekrutację, opisz pracę człowieka, za którą ktoś ma odpowiadać. „Nadążać za naszymi agentami” jest zbyt ogólne zarówno dla kandydata, jak i zespołu rekrutującego.

Lepszy opis stanowiska wskazuje wynik, decyzje należące do nowej osoby i potrzebne uprawnienia. Na przykład: „Odpowiadać za review techniczne i integrację zmian w procesie rozliczeń, współpracując ze wsparciem przy wyjaśnianiu niejednoznacznych przypadków klientów”. Następnie określ, które decyzje pozostają w obecnym zespole i na jakich dowodach ma opierać się nowa osoba.

Oceniaj właśnie tę odpowiedzialność. Jeśli stanowisko wymaga sprawdzania nieznanej pracy, poproś kandydatów o wyjaśnienie decyzji na podstawie realistycznego, ograniczonego przykładu. Zapewnij potrzebny kontekst i jasne wymagania zadania. Zlecenie napisania kolejnego dużego fragmentu kodu może niewiele powiedzieć o umiejętności review, której szukasz.

Kit pomaga organizować tę rekrutację przez etapy procesu oraz przypisane oceny zespołu, komentarze i punktację. Ustal, co recenzenci mają oceniać, zanim zaczną napływać kandydatury. Proces rekrutacji powinien ułatwiać ocenę umiejętności potrzebnych do przejęcia tych obowiązków, ale to zespół nadal ustala wymagania stanowiska.

Planuj pracę agentów AI z uwzględnieniem osób, które muszą ją zrozumieć i zakończyć. Kiedy przybywa wyników, przeanalizuj oczekujące decyzje, zanim zwiększysz produkcję. To lepsza podstawa do wybrania kolejnego zadania, zmiany procesu lub zatrudnienia osoby, która przejmie te obowiązki.

Jeśli chcesz już rozpocząć rekrutację na to stanowisko, wypróbuj Kit, żeby uporządkować etapy i oceny zespołu.