Wie ein BDR von Anthropic in Japan seinen Arbeitstag mit Claude Managed Agents gestaltet

Als Vertreter für Geschäftsentwicklung im Japan-Team von Anthropic ist es meine Aufgabe, japanischen Unternehmen zu zeigen, wie Claude ihre Workflows vereinfachen und automatisieren kann, aber bis Anfang dieses Jahres erfolgten die meisten meiner Arbeitsabläufe noch manuell. Ich habe jeden Morgen ein paar Stunden damit verbracht, Leads weiterzuleiten und zu qualifizieren und dann E-Mails auf Japanisch oder Englisch zu schreiben. In der verbleibenden Zeit habe ich unser CRM aktualisiert – oft mit einem Tag oder mehr Verzug. Jetzt bereiten meine Agenten den Großteil davon vor, bevor mein Tag beginnt, und ich überprüfe es dann.

Der erste Claude-basierte Workflow, den ich entwickelt habe, war ziemlich improvisiert, hat aber seinen Zweck erfüllt. Ich habe Claude jeweils einen Teil meiner Arbeit übergeben, die Fehler korrigiert und diese Korrekturen gespeichert. Im Laufe der Zeit ist daraus eine Handvoll Agenten geworden, die jeweils eine andere Routine abdecken.

Das sprach sich schnell herum, und meine Teamkollegen baten mich um meine Prompts und Skills, damit sie ihre eigenen entwickeln konnten. Alles, was ich ihnen senden konnte, war eine Zip-Datei mit meinen Skills und ein paar Markdown-Dateien aus der Wissensdatenbank, die sie in Claude hochladen mussten; danach mussten sie noch eine Reihe von Einrichtungsfragen beantworten, bevor etwas funktionierte. Auch bei meinem eigenen Setup wurde es immer schwieriger, den Überblick zu behalten. Jeder Agent war ein Skill, eine geplante Aufgabe und ein gemeinsamer Ordner, und ich habe sie geändert, indem ich Claude in dem Chat, den ich gerade geöffnet hatte, darum gebeten habe – so wurde derselbe Skill in vielen verschiedenen Konversationen überarbeitet.

Ich wollte jeden Agenten einmal an einer Stelle definieren und in der Lage sein, jede Änderung, die ich daran vorgenommen hatte, zu sehen. Also habe ich mich entschieden, Claude Managed Agents (opens in new tab) (Beta), unsere Infrastruktur für verwaltete Agenten auf der Claude Platform, auszuprobieren.

Anfangs habe ich gezögert, es auszuprobieren. In der Dokumentation wird über Zeitpläne, Tools und Tresore für Anmeldeinformationen gesprochen. Da ich im Vertrieb tätig bin, bin ich davon ausgegangen, dass Managed Agents etwas für Entwickler ist, die die erforderliche Infrastruktur aufbauen und pflegen können. Ich habe es trotzdem ausprobiert, da meine Agenten bereits existierten und ich sie nur noch übertragen musste.

Es hat sich herausgestellt, dass ich kein Entwickler sein muss. Ich habe die Arbeit jedes Agenten in einfacher Sprache beschrieben, Claude hat ein paar kurze Einrichtungsskripte geschrieben und ich habe sie über das Terminal auf meinem Laptop ausgeführt. (Wenn Sie bei null anfangen, bietet die Konsole auch einen Schnellstart mit vorgefertigten Agentenvorlagen.) Seitdem muss ich mich um keine Infrastruktur mehr kümmern.

In diesem Beitrag erkläre ich, wie ich die Flotte entworfen und einen Prototyp davon erstellt habe, warum ich sie auf Managed Agents umgestellt habe, wie Claude Tag alles aufgreift, was außerhalb der Routine liegt, wie es meine Woche verändert hat und was ich Verkäufern sagen würde, die ihre eigenen Agenten zur Automatisierung manueller, sich wiederholender Workflows entwickeln möchten.

Gestaltung meiner Agentenflotte

Ich habe meinen Workflow auf mehrere Agenten aufgeteilt und jedem Agenten eine klare Aufgabe gegeben. Durch eine einzige Zuständigkeit bleibt jeder Agent leicht nachvollziehbar und leicht zu überwachen – besonders dann, wenn etwas nicht stimmt. Außerdem habe ich jedem Agenten einen japanischen Namen gegeben, da sie hauptsächlich auf Japanisch arbeiten. Zusammen heißen sie Nakama, „die Crew“, oder wörtlicher: die Gefährten, mit denen man zusammenarbeitet:

• Furiwake („Sortierung“) legt als Erstes los: Es liest die tägliche Warteschlange eingehender Leads und leitet jeden Lead an den passenden Vertriebsmitarbeiter im Team weiter. Dabei gleicht es die Anzahl und Priorität der Leads ab und prüft, wer an diesem Tag anwesend ist, sodass jeder Lead einen Zuständigen hat, bevor einer von uns in den Tag startet. Am Ende jedes Durchlaufs veröffentlicht es einen Bericht in einem speziellen Slack-Kanal (jeder Lead eingegangen, jeder Lead zugewiesen), damit ich die Übergabe verfolgen kann.
• Sabaki („Bearbeitung“) sichtet die mir zugewiesenen Leads: Es qualifiziert jeden Lead, kategorisiert ihn anhand vorab festgelegter Kriterien, unternimmt den definierten nächsten Schritt für diese Kategorie (Erarbeitung einer Antwort, die den Lead auf das Self-Service-Angebot verweist, Erstellung einer maßgeschneiderten ersten E-Mail), aktualisiert den Lead-Datensatz in Salesforce und entwirft die First-Touch-E-Mail. Es bezieht die Inhalte des Entwurfs aus der gemeinsamen Wissensdatenbank von Nakama – einem Speicher (opens in new tab), den jeder Agent liest und beschreibt (mehr dazu weiter unten).
• Henji („Antwort“) durchsucht meinen Posteingang stündlich nach Kunden-E-Mails, die eine Antwort benötigen, und bereitet je nach Thread einen Antwortentwurf auf Japanisch oder Englisch vor – wobei es auf dieselbe Wissensdatenbank wie Sabaki zurückgreift. Ich kann den Entwurf überprüfen, bearbeiten und absenden.
• Shoudan („Opportunity“) liest die jüngsten Kundeninteraktionen und überträgt Aktualisierungen in Salesforce, sodass die Opportunity-Datensätze ohne manuelle Dateneingabe auf dem neuesten Stand bleiben.
• Nokori („was noch übrig ist“) wird am Ende des Tages ausgeführt: Es scannt meinen Kalender, liest die angehängten Meeting-Transkripte, fasst jedes Meeting zusammen und entwirft die Follow-up-Nachrichten – wiederum aus derselben Wissensdatenbank.

Jeder Agent wird nach einem Zeitplan ausgeführt. Ein sechster Agent, der Koordinator von Nakama, ist der Betriebsmanager der Flotte. Er aktualisiert die Anweisungen der Agenten und die gemeinsame Wissensbasis zwischen den Durchläufen. Wenn ich die Arbeitsweise eines Agenten ändern möchte, schreibe ich meine Wünsche in einfacher Sprache in den Slack-Kanal von Nakama. Nur ich kann Anfragen zu Änderungen an den Anweisungen und Systemprompts von Agenten stellen. Der Koordinator überprüft diesen Kanal etwa alle 15 Minuten, nimmt die Anfrage entgegen und nimmt die Aktualisierung vor.

Erstellung von Prototypen für die Flotte in Claude

Sie benötigen keine Managed Agents, um loszulegen. Ich habe zuerst Prototypen für die gesamte Flotte in Claude entwickelt und dabei die folgenden Elemente verwendet:

• Ein Skill pro Agent: die Anweisungen für eine Aufgabe.
• Eine geplante Aufgabe für jeden Skill, damit ich sie nicht manuell ausführen muss.
• Ein gemeinsamer Ordner auf meinem Laptop als Wissensdatenbank, in die jeder Skill seine Erkenntnisse zurückschreibt: der Unterschied zwischen dem, was er entworfen hat, und dem, was ich gesendet habe, sowie alles Neue, das er dabei herausgefunden hat.

Bei Managed Agents wurde der Skill zum Systemprompt des Agenten, die geplante Aufgabe zu einem Zeitplan für die Bereitstellung des Agenten (opens in new tab) und der gemeinsame Ordner zu einem Speicher. Ich bitte um Änderungen immer noch in einfacher Sprache, erledige aber jetzt alles in einem einzigen Slack-Kanal, und jede Änderung der Anweisungen eines Agenten wird als neue Version gespeichert, sodass jeder Agent eine nummerierte Historie seiner Anweisungen führt. Ich würde vorschlagen, mit Claude zu beginnen und Ihre Agenten auf Managed Agents zu verlagern, sobald Sie mehr haben, als Sie bequem überblicken können.

Die Flotte auf Claude Managed Agents betreiben

Drei Dinge, die ich mit Managed Agents bekommen habe und die für meinen Workflow am wichtigsten waren:

Die Agenten können im Hintergrund ausgeführt werden

Die Agenten arbeiten nach ihrem Zeitplan, unabhängig davon, ob mein Laptop geöffnet ist oder nicht – selbst dann, wenn er offline ist. Der Zeitplan ist Bestandteil der Bereitstellung jedes Agenten. Ich konnte auch in Claude Skills planen, aber jeder dieser Zeitpläne war eine Aufgabe, die in meiner eigenen App eingerichtet war. Bei Managed Agents lege ich Rhythmus und Zeitzone in der Konsole fest, direkt neben den Anweisungen und Tools des bereitgestellten Agenten, und muss nebenbei keine Cron-Jobs pflegen. Wenn ein Durchlauf schiefläuft, kann ich ihn in der Konsole öffnen und jeden Schritt sehen, den der Agent ausgeführt hat. Und während ich eine Änderung an einem Agenten ausprobiere, nutzen die geplanten Durchläufe weiterhin die bereitgestellte Version, sodass eine halbfertige Bearbeitung nicht im morgigen Durchlauf landet.

Das Nakama teilt sich ein gemeinsames Gedächtnis und lernt aus meinen Änderungen

Jeder Agent liest aus demselben Gedächtnisspeicher (opens in new tab) und schreibt in ihn, sodass jeder Agent die Erkenntnisse der anderen nutzen kann. Die Agenten vergleichen die Entwürfe, die sie verfasst haben, mit den E-Mails, die ich gesendet habe, und speichern jeden Unterschied als Notiz darüber, wie ich es formulieren würde. Sie behalten auch alle neuen Informationen, die sie bei der Suche nach einer Antwort herausfinden – aus unseren internen Dokumenten und unseren offiziellen Websites. Ich korrigiere eine Formulierung einmal in Henjis Entwürfen, und Sabaki und Nokori machen nicht mehr denselben Fehler.

Anmeldeinformationen werden in einem verwalteten Tresor mit eingeschränkten Berechtigungen gespeichert

Meine Agenten haben Zugriff auf meine E-Mails und unsere Salesforce-Datensätze, da es sich jedoch um Kundengespräche und Unternehmensdatensätze handelt, wollte ich diesen Zugriff unter Kontrolle haben. Die Anmeldeinformationen befinden sich in verwalteten Tresoren (opens in new tab), die die Anmeldeinformationen schützen, die Agenten zur Anmeldung bei externen Diensten nutzen, wie z. B. OAuth-Zugriffs- und -Aktualisierungstokens, API-Schlüssel und persönliche Zugriffstokens. Die Bereitstellung jedes Agenten nutzt nur die Tresore, die für seine Aufgabe nötig sind; der Agent sieht die Anmeldeinformationen nie, und ich kann den Zugriff in einem Schritt widerrufen.

Übergabe der nächsten Schritte an Claude Tag

Für die meisten Dinge, die das Nakama erstellt, muss ich nur einen Entwurf in meinem Posteingang lesen und absenden oder einen kurzen Blick auf einen aktualisierten Salesforce-Datensatz werfen. Einige Aufgaben erfordern jedoch einen Folgeschritt, z. B. die Ermittlung eines Upgrade-Pfads oder Beschaffungswegs oder die Eskalation eines Problems an ein anderes Team.

In diesen Fällen halten die Agenten nicht an, um auf mich zu warten. Sie übergeben die Aufgabe an Claude Tag (opens in new tab) (Beta). Claude Tag ist Claude, eingerichtet als Mitglied unseres Slack-Workspaces: Jede Person oder jeder meiner Agenten in einem Kanal, dem Claude beigetreten ist, kann @Claude mit einer Anfrage taggen, und Claude nimmt die Anfrage auf und bearbeitet sie im Thread. Sobald es in Ihrem Workspace konfiguriert ist, müssen Sie nichts Neues mehr lernen. Sie taggen Claude so, wie Sie es mit einem Kollegen tun würden.

In meinem Setup funktioniert das so. Ein Agent postet die Aufgabe im Slack-Kanal von Nakama und markiert Claude. Claude liest den Thread, prüft unsere Regeln und die geltenden Bedingungen, stellt die Optionen dar und entwirft, was benötigt wird. Es markiert mich, wenn ein Schritt meine Überprüfung oder Genehmigung erfordert. Wenn ein Kunde oder ein anderes Team zuerst antworten muss, stellt sich Claude eine Erinnerung, um an einem bestimmten Tag erneut nachzusehen. Im folgenden Thread hat es eine Erinnerung für Dienstag gesetzt, um zu prüfen, ob der Kunde geantwortet hat und ob der Deal-Desk das Ticket beantwortet hat. Wenn die Erinnerung fällig ist, überprüft Claude beides und berichtet im selben Thread über den aktuellen Stand der Dinge. Wenn jemand einen Anstoß braucht, entwirft es die Nachricht und markiert mich, damit ich sie versenden kann.

Claude veröffentlicht auch eine morgendliche Zusammenfassung mit Produkt- und Preisaktualisierungen. Der Nakama-Koordinator greift diese Zusammenfassung auf und schreibt die erforderlichen Änderungen in die gemeinsame Wissensdatenbank.

Was sich in meiner Woche geändert hat

Jetzt, da Claude eingehende Antworten vorbereitet und CRM-Datensätze (größtenteils) ohne meine manuelle Eingabe auf dem neuesten Stand hält, ist es meine Aufgabe, alles zu überprüfen, was menschliches Urteilsvermögen erfordert. Ein schriftliches Regelwerk legt den Zuständigkeitsbereich jedes Agenten fest, und Themen wie Preisfragen, sensible Accounts oder unklare Anfragen werden an mich weitergeleitet. Jeder E-Mail-Entwurf von Henji, Sabaki oder Nokori enthält oben eine kurze Zusammenfassung des Sachverhalts, sodass ich nicht den gesamten Thread durchforsten muss, um den Kontext zu verstehen: Ich lese die Zusammenfassung, bestätige, nehme Änderungen vor und sende die E-Mail ab.

Wenn ich mir das wöchentliche Protokoll darüber ansehe, was Nakama erledigt, und jede Aufgabe mit der Zeit veranschlage, die ich manuell dafür gebraucht hätte, erspart mir die Flotte rund 60 Stunden Arbeit. Die frei werdende Zeit nutze ich für Aufgaben, die Agenten (noch) nicht effektiv erledigen können: Gespräche mit Kunden, Outbound-Strategie, funktionsübergreifende Projekte und die Unterstützung von Teamkollegen beim Aufbau ihrer eigenen Flotten.

Agenten so gestalten, dass sie effizienter sind

Zeitgesteuerte Agenten laufen jeden Tag, ob ich zusehe oder nicht, sodass sich Verschwendung in Bezug auf Kosten und Zuverlässigkeit summieren kann. Zu den häufigsten Fehlern gehört es, bestehende Anweisungen zu ergänzen, anstatt sie zu aktualisieren, Agenten mehr Kontext zu geben, als sie für ihre Aufgaben benötigen, und jeden Auftrag auf dem größten Modell mit der höchsten Aufwandsstufe auszuführen.

Die Effizienz der Agenten beruht vor allem darauf, wie ich die Flotte gestaltet habe: Jeder Agent hat genau eine Aufgabe, sodass seine Anweisungen auf diese Aufgabe fokussiert bleiben; jeder arbeitende Agent läuft nach einem Zeitplan, sodass er startet, seinen Durchlauf erledigt und stoppt; und die Agenten teilen sich einen gemeinsamen Speicher, sodass eine einmal vorgenommene Korrektur überall wiederverwendet wird.

Der andere wichtige Faktor ist, auf welchem Modell jeder Agent läuft. Sobald die Aufgabe eines Agenten klar definiert ist, benötigt er möglicherweise nicht unser leistungsfähigstes Modell. Furiwake und Shoudan folgen einem schriftlichen Regelwerk, daher laufen sie auf Sonnet, unserem kleineren Modell. Sabaki, Nokori und der Koordinator arbeiten mit Opus, unserem größeren Modell, da ihre Arbeit mehr Urteilsvermögen erfordert. Der Koordinator braucht es am dringendsten, da er die Anweisungen der anderen Agenten bearbeitet und eine schlechte Änderung jeden Agenten erreichen würde. Henji benötigt genauso viel Urteilsvermögen wie Sabaki, denn jede Kunden-E-Mail ist anders. Gleichzeitig wird Henji den ganzen Arbeitstag über häufiger ausgeführt als jeder andere Agent. Henji jedes Mal auf Opus auszuführen, wäre die teuerste Option, daher nutze ich die Beraterstrategie (opens in new tab) in Managed Agents: Henji läuft auf Sonnet, und wenn es zu einer Entscheidung kommt, die es nicht alleine treffen kann, bittet es Opus um Rat. Der Berater liest die bisherigen Tätigkeiten von Henji und sendet einen Plan, eine Korrektur oder ein Stoppsignal, und Henji stellt dann den Entwurf zur Überprüfung durch mich fertig. Außerdem lege ich die Aufwandsstufe jedes Agenten (wie lange das Modell nachdenkt, bevor es antwortet) unabhängig von seinem Modell fest und erhöhe sie nur dort, wo das Schlussfolgern anspruchsvoll ist, wie bei Henjis Antworten.

Was ich gelernt habe

Drei Dinge, die ich an alle weitergeben würde, die ihre eigene Flotte aufbauen.

1. Sie benötigen nicht jedes Mal einen detaillierten Prompt. Beschreiben Sie die Aufgabe einmal, lassen Sie Claude einen Entwurf erstellen, korrigieren Sie den Entwurf und lassen Sie Claude die Korrektur übernehmen.
2. Die Wissensdatenbank ist wichtiger als der Prompt. Jede Korrektur und jede frühere Interaktion wird an einem Ort gespeichert, an dem alle Agenten sie lesen und bearbeiten können, sodass Claude den Kontext von dort bezieht und nicht aus einem längeren Prompt. Es brauchte einige hundert kostengünstige Runden aus Entwerfen, Korrigieren und Speichern, bis die Entwürfe nach mir klangen.
3. Geben Sie Claude früher mehr Spielraum. Anfangs habe ich weiterhin die Aufgaben erledigt, von denen ich annahm, dass ich dafür nötig sei: die Aktualisierung der Wissensdatenbank oder die manuelle Bearbeitung der Anweisungen jedes Agenten. Beides hat einwandfrei funktioniert, sobald ich es abgegeben hatte. Die Agenten tragen das, was sie lernen, jetzt selbst in die Wissensdatenbank ein, und der Koordinator aktualisiert die Anweisungen der anderen Agenten, wenn ich ihn in einfachem Englisch darum bitte. Ich war bei der Arbeit, die ich den Agenten anvertrauen konnte, zu vorsichtig gewesen.

Erste Schritte mit Claude Managed Agents (opens in new tab)