Come un team di 8 persone usa playbook di agenti AI per raddoppiare la produttività

Le origini di un approccio basato sui playbook

Rachel Woods ha iniziato la sua carriera nel settore dell’intelligenza artificiale come stagista e poi dipendente di Facebook, dove dal 2018 al 2020 ha lavorato sul sistema di annunci potenziato dall’AI. Nonostante non avesse una laurea in ingegneria, si è distinta grazie a progetti personali di training di modelli AI e analisi dei dati, esperienza che le ha permesso di entrare in un ruolo tecnico.

Dopo Facebook, ha lanciato una startup nel settore vitivinicolo chiamata Vinebase, che offriva una piattaforma “auto magic” basata su AI per aiutare i produttori di vino a vendere online. Il progetto è stato acquisito da Corksy nell’autunno 2022.

Con la nascita di ChatGPT nel novembre 2022, Woods ha fondato, insieme alla sorella, AMP (originariamente The AI Exchange), decidendo di sfruttare la rapida evoluzione dell’AI per creare un modello operativo basato su playbook.

Struttura operativa di AMP

AMP conta attualmente quattro dipendenti a tempo pieno e quattro collaboratori part‑time. Senza l’uso intensivo di AI, il team avrebbe dovuto raddoppiare le proprie risorse, aggiungendo ruoli come manager vendite, specialista supporto clienti, assistente esecutivo e coordinatore operativo.

La chiave del loro successo è la “playbooking”: ogni dipartimento dispone di un sistema di playbook costituito da agenti AI autonomi o integrati, capaci di gestire compiti ricorrenti senza supervisione costante.

Come si costruisce un playbook AI

• Identificare un’attività ripetitiva.
• Documentare l’avvio, le risorse necessarie e l’output desiderato.
• Scrivere i passaggi come se si stesse formando un nuovo assunto, includendo decisioni critiche e criteri di qualità.
• Eseguire il processo con l’AI, confrontare i risultati con quelli umani e perfezionare il playbook finché non è affidabile.

Woods sottolinea l’importanza di possedere la logica sottostante; altrimenti si rischia di delegare a un agente qualcosa di incomprensibile, minando la fiducia nel sistema.

Esempi pratici di agenti AI in AMP

Un agente AI gestisce il playbook di vendita, revisionando le chiamate dei clienti per garantirne la conformità agli standard, eliminando la necessità di un manager dedicato al controllo manuale. Lo stesso agente fornisce risposte alle domande del team, attingendo direttamente dalle guide operative.

Le spese AI dell’azienda si suddividono in due categorie: le sottoscrizioni mensili a Claude e ChatGPT per tutti i membri del team, e i costi di utilizzo di Claude Code per i playbook in esecuzione continua. Nel settembre 2024, AMP ha speso $8.510 per Claude Code, oltre ai costi fissi di abbonamento.

“Possedere il playbook, noleggiare la tecnologia”

Il motto di Woods è “own the playbook, rent the tech”. Il valore risiede nella capacità di creare playbook solidi; la piattaforma specifica è secondaria. Attualmente i playbook girano su Claude Code, ma potrebbero essere migrati a ChatGPT, Grok, Gemini o Microsoft Copilot senza perdita di funzionalità.

Questa flessibilità riduce i rischi di “AI fuori controllo”: i playbook sono dettagliati e supervisionati da persone, garantendo che gli agenti operino su istruzioni precise anziché su intuizioni.

Strategie di adozione e consigli per le piccole imprese

Il team di AMP segue un approccio graduale: i membri più esperti gestiscono i playbook aziendali critici, mentre tutti gli altri creano playbook per i propri flussi di lavoro personali. Questi ultimi fungono da banco di prova, permettendo di perfezionare e, in seguito, integrare le soluzioni nell’infrastruttura aziendale.

Woods consiglia di partire da compiti molto semplici, ottenendo così il primo “win” che dimostra l’efficacia dell’automazione e alimenta una crescita a catena.

In sintesi, il modello di AMP dimostra che un piccolo team può moltiplicare la propria capacità operativa attraverso playbook AI ben progettati, riducendo costi di personale e mantenendo il controllo umano sui processi decisionali.