Mnogi su ljudi isprobali AI alate i otišli bez impresioniranja. Shvaćam — mnoge demonstracije obećavaju čaroliju, ali u praksi se rezultati mogu činiti nepodnošljivim.
Zato ovo želim napisati ne kao futurističko predviđanje, već iz proživljenog iskustva. Tijekom proteklih šest mjeseci svoju inženjersku organizaciju okrenuo sam prvo AI-ju. Ranije sam govorio o sustavu koji stoji iza te transformacije — kako smo izgradili tijekove rada, metriku i zaštitnu ogradu. Danas se želim udaljiti od mehanike i razgovarati o onome što imam naučio iz tog iskustva — o tome kamo naša struka ide kada se sam razvoj softvera okrene naopačke.
Prije nego što to učinim, nekoliko brojeva za ilustraciju razmjera promjene. Subjektivno, čini se da se krećemo dvostruko brže. Objektivno, evo kako se razvijao protok. Ukupan broj zaposlenih u našem inženjerskom timu porastao je s 36 na početku godine na 30. Dakle, dobivate ~170% propusnosti na ~80% broja zaposlenih, što odgovara subjektivnom ~2x.
Zumirajući, odabrao sam nekoliko naših starijih inženjera koji su godinu započeli tradicionalnijim procesom softverskog inženjeringa, a završili na AI-prvi način. [The dips correspond to vacations and off-sites]:
Imajte na umu da su naši PR-ovi vezani uz JIRA tikete, a prosječni opseg tih tiketa nije se mnogo promijenio tijekom godine, tako da je onoliko dobar proxy koliko nam podaci mogu dati.
Kvalitativno, gledajući poslovnu vrijednost, zapravo vidim još veći porast. Jedan od razloga je taj što, kako smo započeli prošle godine, naš tim za osiguranje kvalitete (QA) nije mogao držati korak s brzinom naših inženjera. Kao čelnik tvrtke, nisam bio zadovoljan kvalitetom nekih naših ranih izdanja. Kako smo napredovali kroz godinu i uređivali naše tijekove rada s umjetnom inteligencijom tako da uključuju pisanje jedinica i end-to-end testove, naša se pokrivenost poboljšala, broj grešaka se smanjio, korisnici su postali obožavatelji, a poslovna vrijednost inženjerskog rada višestruko se povećala.
Sadržaj objave
Od velikog dizajna do brzog eksperimentiranja
Prije umjetne inteligencije provodili smo tjedne usavršavajući korisničke tokove prije pisanja koda. Imalo je smisla kada je promjena bila skupa. Agile je pomogao, ali čak je i tada testiranje više ideja proizvoda bilo preskupo.
Kad smo krenuli s umjetnom inteligencijom, taj kompromis je nestao. Trošak od eksperimentiranje urušio se. Ideja bi mogla prijeći od bijele ploče do prototipa koji radi u jednom danu: od ideje do dokumenta zahtjeva za proizvod generiranog umjetnom inteligencijom (PRD), do tehničkih specifikacija koje je generirala umjetna inteligencija, do implementacije uz pomoć umjetne inteligencije.
To se očitovalo u nekim nevjerojatnim transformacijama. Naša web stranica — središnja za našu akviziciju i dolaznu potražnju — sada je sustav na razini proizvoda sa stotinama prilagođenih komponenti, koje je sve dizajnirao, razvio i održava izravno u kodu naš kreativni direktor.
Sada, umjesto potvrđivanja sa slajdovima ili statičnim prototipovima, provjeravamo s radnim proizvodima. Testiramo ideje uživo, učimo brže i objavljujemo velika ažuriranja svaki drugi mjesec, tempom koji prije tri godine nisam mogao zamisliti.
Na primjer, Zen CLI je prvo bio napisan u Kotlinu, ali smo se onda predomislili i premjestili ga na TypeScript bez gubitka brzine otpuštanja.
jaUmjesto da se rugaju značajkama, naši UX dizajneri i voditelji projekata vibe ih kodiraju. A kada je sve zahvatilo vrijeme objave, skočili su u akciju i popravili desetke malih detalja s PR-ovima spremnim za proizvodnju kako bi nam pomogli da isporučimo sjajan proizvod. To je uključivalo promjenu izgleda korisničkog sučelja preko noći.
Od kodiranja do validacije
Sljedeća smjena došla je tamo gdje sam je najmanje očekivao: Validacija.
U tradicionalnoj organizaciji većina ljudi piše kod, a manja grupa ga testira. Ali kada AI generira veći dio implementacije, točka utjecaja se pomiče. Prava vrijednost leži u definiranju kako “dobro” izgleda – u eksplicitnom izražavanju ispravnosti.
Mi podržava više od 70 programskih jezika i bezbroj integracija. Naši QA inženjeri evoluirali su u sistemske arhitekte. Oni stvaraju AI agente koji generiraju i održavaju testove prihvaćanja izravno iz zahtjeva. A ti su agenti ugrađeni u kodificirane tijekove rada umjetne inteligencije koji nam omogućuju da pomoću sustava postignemo predvidljive inženjerske rezultate.
To je ono što zapravo znači “pomak ulijevo”. Validacija nije samostalna funkcija, ona je sastavni dio proizvodnog procesa. Ako agent ne može potvrditi svoj rad, ne može mu se vjerovati da će generirati proizvodni kod. Za QA profesionalce, ovo je trenutak ponovnog otkrivanja, gdje, uz odgovarajuće usavršavanje, njihov rad postaje ključni pokretač i akcelerator usvajanja AI.
Voditelji proizvoda, tehnički voditelji i podatkovni inženjeri sada također dijele ovu odgovornost jer je definiranje ispravnosti postalo međufunkcionalna vještina, a ne uloga ograničena na osiguranje kvalitete.
Od dijamanta do dvostrukog lijevka
Desetljećima je razvoj softvera slijedio oblik “dijamanta”: mali proizvodni tim predan je velikom inženjerskom timu, a zatim se ponovno suzio kroz QA.
Danas se ta geometrija okreće. Ljudi se dublje angažiraju na početku – definirajući namjeru, istražujući mogućnosti – i ponovno na kraju, potvrđujući ishode. Sredina, gdje AI izvršava, je brža i uža.
To nije samo novi tijek rada; to je strukturna inverzija.
Model manje izgleda kao pokretna traka, a više kao kontrolni toranj. Ljudi određuju smjer i ograničenja, umjetna inteligencija se brzo bavi izvršenjem, a ljudi se povlače kako bi potvrdili rezultate prije nego što odluke dospiju u proizvodnju.
Inženjerstvo na višoj razini apstrakcije
Svaki veliki skok u softveru podigao je našu razinu apstrakcije — od bušenih kartica do programskih jezika visoke razine, od hardvera do oblaka. AI je sljedeći korak. Naši inženjeri sada rade na meta-sloju: orkestriraju tijekove rada umjetne inteligencije, prilagođavaju agentske upute i vještine i definiraju zaštitne ograde. Strojevi grade; ljudi odlučuju što i zašto.
Timovi sada rutinski odlučuju kada je izlaz umjetne inteligencije siguran za spajanje bez pregleda, koliko čvrsto vezati autonomiju agenta u proizvodnim sustavima i koji signali zapravo ukazuju na ispravnost na razini, odluke koje jednostavno nisu postojale prije.
I to je paradoks inženjeringa koji je na prvom mjestu AI — osjeća se manje kao kodiranje, a više kao razmišljanje. Dobro došli u novu eru ljudske inteligencije koju pokreće AI.
Andrew Filev je osnivač i izvršni direktor tvrtke Zencoder
