Notes from - YouTube - How Every’s Head of Consulting Uses Codex Every Day (IiGt2_-NmbI)
Typ: Literature Note · Engine: PARA Resources (S01) · Progressive Summarization: Layer 4 → 3 → 2; Roh-Transkript = Layer 1 (separate Datei).
Layer 4 — Remix / Executive Summary (eigene Worte)
Natalia (Head of Consulting bei Every) zeigt, wie ein nicht-technischer Power-User mit OpenAI Codex operative Systeme baut: von E-Mail-Triage über CRM-Anreicherung bis zu einem Familien-Pflege-Portal für ihren Vater. Ihr zentraler Shift: Weg vom Einzel-Task-Sculpting hin zum Gardening — Bedingungen schaffen, unter denen KI-Loops wachsen, mit menschlichem Sandwich (Intent am Anfang, Qualitätskontrolle am Ende).
Drei Leitlinien für Führungskräfte: (1) Bestehende Team-Systeme (OKRs, KPIs, SOPs) als Shared Context für KI nutzen, nicht bei null anfangen. (2) Klein standardisieren — eine Aufgabe exzellent dokumentieren, dann die nächste; nicht „AI-first alles neu“. (3) Build vs. Buy ehrlich prüfen: KI kann alles bauen, aber Wartung und Datenqualität sind teuer — deshalb Attio/Asana statt DIY-CRM.
Codex ersetzt für sie nicht Claude Code, sondern senkt die Architektur-Last: Terminal, Browser und starke Modelle in einer Oberfläche; weniger Finder/File-System-Mental Load. Claudie (Everys interner Agent) bleibt stark bei SOP-Ausführung, braucht aber Oversight und ergänzt — ersetzt nicht — Menschen für Beziehung und Signal-Interpretation.
Layer 3 — Highlights (Kern aus Layer 2)
- KI ist exzellent bei der Ausführung gegen Standard Operating Procedures — aber braucht Management, Geschmack und menschliche Schnittstelle.
- In der AI-Ära kann man alles bauen; die Frage ist, ob man es bauen und **maintainen** soll.
- Software = Knochen (deterministische Regeln); LLM = Gehirn/Ligamente. Ohne Knochen kein Struktur; ohne Gehirn nur ein Stapel Sticks.
- Knowledge Work wird Gardening: Bedingungen schaffen, damit Wachstum passiert — nicht jede E-Mail mit den Händen formen.
- Starte mit den Systemen, die du schon hast (OKRs, KPIs); definiere kleine Tasks exzellent — nicht „remake the whole thing“.
- Meine E-Mail weiß mehr als ich — der Entwurf ist oft genauer als das, was ich selbst formulieren würde.
- Codex half mir, ein Operating System für die Pflege meines Vaters zu bauen — damit wir präsent und liebevoll sein können, statt in WhatsApp-Threads zu versinken.
Layer 2 — Key Passages (fett — später hervorheben oder verdichten)
Claudie, Agenten & Menschen im Team
- Claudie (Everys interner KI-Mitarbeiter) ist kein Novum mehr: LinkedIn, Dashboards, Trust Battery, Self-Evaluation-Loop.
- KI ist wirklich gut darin, gegen eine SOP auszuführen — Claudie ist darin exzellent.
- Claudie braucht zwei Dinge: (1) ständiges Oversight/Management für Geschmack und Excellence; (2) Menschen für Beziehung, Signale aus Daten und Gesprächsführung.
- Die Daten, die Claudie befüllt, brauchen jemanden, der interessante Signale surfaced und Gespräche führt — deshalb wird das Team eher wachsen als schrumpfen.
Build vs. Buy: CRM (Attio) & Asana
- Vorher: Claudie + Google Sheets als CRM-Glue (E-Mail, Meeting Notes, Inbound Leads).
- Entscheidung: Wechsel zu Attio (CRM) und Asana (PM) — trotz interner Vibe-Coding-Kapazität.
- In der AI-Ära kann man alles bauen; die Frage ist, ob man es bauen und maintainen soll.
- Sales-Pipeline braucht robuste Logik über Monate — Attio trackt Deal-Bewegung und flaggt; Claudie könnte es nur mit viel Training/Supervision.
- Echtes Software ist eine Kompilation tausender logischer Regeln — LLMs schreiben deterministische Systeme gut, one-shoten aber nicht alle Regeln.
- PRDs und frühe Build-vs-Buy-Entscheidung werden wichtiger.
Metapher: Knochen vs. Gehirn
- Software = Knochen (Struktur, deterministische Regeln); LLM = Gehirn, Nervensystem, Ligamente.
- Ohne Knochen: flappernde Qualle; ohne Gehirn: Stapel Sticks.
- LLMs können „Knochen wachsen lassen“ — aber ein ganzer Body Plan ist komplex.
Codex vs. Claude Code — Step Change
- Codex = größter Produktivitätssprung: Terminal + Browser direkt im Chat, starkes Modell („man spürt die Compute“).
- Weniger Fokus auf File-System-Architektur; mehr Vertrauen, dass Codex gute Entscheidungen trifft.
- Projekte in Codex nach Arbeits-Prioritäten organisiert; nur E-Mail-Triage ist gepinnt.
- Codex zeigt visuell, was entsteht — weniger Finder-Mental-Load als Claude Code.
Learning Skill & Visual Artifacts
- Lieblings-Skill: Lern-Guide mit Historie → First Principles → Marktplatz-Variablen → heutiger Stand.
- Beispiel: Physical Education — Cartoon/Zine via Codex-Visual-Models (scrollbar in der U-Bahn).
- Erkenntnis: Muskeln stärken sich schneller als Bänder, Bänder schneller als Knochen — Progression über den ganzen Körper.
E-Mail-Triage als Custom App (Loop)
- Basiert auf Dans Inbox Sweep/Tend; Natalia baute eigene Buttons: Delegieren, Asana-Task, Archiv, Client-Markdown.
- Ghostwriter-Skill: trainiert auf ~150 eigene E-Mails; entwirft in ihrer Stimme mit Kontext aller Clients.
- Jeder Client hat eine Markdown-Datei — E-Mail-Kontext fließt dorthin, auch ohne Antwort.
- Meine E-Mail weiß mehr als ich — Entwürfe oft genauer als eigene Formulierung.
- Sales-Pipeline-Flowchart (PDF an Codex): gleiche Logik für Attio und E-Mail-Triage.
- Knowledge Work: Sculpting → Gardening — Loop bauen, der E-Mails erledigt; Human Sandwich (Intent + Draft-Review); Learnings zurück ins System compounden.
- Evolution des Model Manager: vom IC, der einzelne Tasks macht, zum System-Builder wie ein guter Manager.
CRM-Enrichment Loop (Attio)
- Ziel an Codex: CRM soll hunderte Gespräche aus Calls + Inbox korrekt abbilden.
- ~6 Stunden overnight — wachte auf zu voll eingerichtetem CRM; Wochen manueller Arbeit erspart.
- Nur möglich durch geteilte Logik/Kontext (Attio + Flowchart).
Rat an Executives
- Starte mit Systemen, die du schon hast — OKRs, KPIs, Team-Architektur → Shared Context für KI (wenn erlaubt).
- Kläre: Was soll nur Menschen tun? (z. B. Kundengespräche)
- Größter Fehler: „AI-first alles neu“ statt eine Sache exzellent standardisieren.
- Baseline-Arbeit ist unspektakulär: Markdown lesen, simple Instructions — daraus wachsen komplexe Systeme.
Dad Care OS (persönlich)
- 13-Stunden-Codex-Projekt: Portal für Pflege des 81-jährigen Vaters.
- Aggregiert: Google-Form-Reports der Nurses, WhatsApp-Threads, Termine, Dosierungen.
- Password-protected Website für Familie + Nurses; Spanisch/English-Toggle.
- Tracker: Wer ist für welches Follow-up verantwortlich? — unresolved vs. erledigt.
- Ziel: Präsent und liebevoll sein, nicht in Threads graben.
- Nurses merken es nicht als „Tool“, sondern als proaktivere Partnerschaft.
Rich Information Transfer (Artifacts)
- New Orleans / French Quarter Fest: Claude Artifacts on the go — Pump-System-Erklärung, Guides auf Spanisch für die Mutter.
- Codex las Spotify-Playlists + Festival-Lineup → empfahl Timba/Salsa-Bands passend zum Geschmack.
Kurzfassung (eigene Worte)
Everys Head of Consulting Natalia demonstriert den Reifegrad von agentic Operations bei einem KI-Medien-/Consulting-Unternehmen: Der interne Agent Claudie läuft produktiv (CRM-Pflege, Dashboards, Self-Improvement), ersetzt Menschen aber nicht — Oversight, Geschmack und Kundenbeziehung bleiben human. Parallel wechselte sie vom DIY-CRM (Sheets + Agent) zu Attio und Asana, weil Datenqualität und Pipeline-Logik professionelle „Knochen“ brauchen.
Ihr persönlicher Stack shifted zu OpenAI Codex: custom E-Mail-Triage-App (Ghostwriter + Client-Kontext-Markdown + Asana-Integration), overnight CRM-Setup, Lern-Zines und ein Familien-Pflegeportal. Das Muster überall: Loops statt Einzeltasks, Flowcharts als Shared Logic, menschliches Sandwich. Für Enterprise-Zuhörer: nicht revolutionieren, sondern bestehende Führungs-Infrastruktur an KI geben und eine SOP nach der anderen exzellent machen.
Verknüpfung zum Roh-Transkript (Layer 1)
Vollständiges Transkript (gleicher Ordner im Vault): IiGt2_-NmbI_transcript
Verdichtet in S99 (Permanent Notes)
- kb_wissensarbeit_gardening_statt_sculpting — Loops statt Einzeltasks
- kb_build_vs_buy_heuristik_ai_aera — Maintainen statt nur Bauen
- kb_software_knochen_llm_gehirn_metapher — SaaS + LLM als Schichten
- kb_human_sandwich_ki_loops — Intent + QC an den Loop-Enden