Багато хто пробував інструменти штучного інтелекту (ШІ) і залишався байдужим. Я розумію — багато демо-версій обіцяють дива, але на практиці результати можуть здаватися непереконливими.
Саме тому я хочу написати це не як футуристичний прогноз, а як свідчення власного досвіду. Протягом останніх шести місяців я перевів свою інженерну організацію на AI-first. Раніше я вже розповідав про систему, що стоїть за цією трансформацією — як ми розробили робочі процеси, метрики та запобіжники. Сьогодні я хочу відійти від механіки і поговорити про те, що я дізнався з цього досвіду — про те, куди прямує наша професія, коли саме програмна розробка перетворюється на “виворіт навиворіт”.
Перш ніж продовжити, наведу кілька цифр, що ілюструють масштаб змін. Суб’єктивно, здається, ми рухаємося вдвічі швидше. Об’єктивно, ось як розвивалася пропускна здатність. Загальна чисельність нашої інженерної команди коливалася від 36 на початку року до 30. Таким чином, ви отримуєте приблизно 170% пропускної здатності при 80% особового складу, що відповідає суб’єктивному показнику ~2x.
Заглиблюючись у деталі, я обрав кількох наших провідних інженерів, які розпочинали рік у більш традиційному процесі розробки програмного забезпечення, а завершили його в режимі AI-first. [Падіння відповідають відпусткам та виїзним зустрічам]:
Зауважте, що наші запити на злиття (PR) прив’язані до завдань JIRA, і середня складність цих завдань майже не змінилася протягом року, тому це найкращий доступний нам показник.
Якісно, розглядаючи бізнес-цінність, я бачу ще вищий приріст. Однією з причин є те, що на початку минулого року наша команда контролю якості (QA) не встигала за швидкістю роботи наших інженерів. Як керівник компанії, я був незадоволений якістю деяких наших ранніх релізів. Протягом року, коли ми впровадили AI-інструменти для написання модульних та наскрізних тестів, наше покриття покращилося, кількість помилок зменшилася, користувачі стали нашими прихильниками, а бізнес-цінність інженерної роботи помножилася.
Від великого дизайну до швидких експериментів
До появи ШІ ми витрачали тижні на доопрацювання користувацьких потоків перед написанням коду. Це мало сенс, коли зміни були дорогими. Agile допомагав, але навіть тоді тестування різних продуктових ідей було надто затратним.
Після переходу на AI-first цей компроміс зник. Вартість експериментування різко знизилася. Ідея могла пройти шлях від дошки до робочого прототипу за один день: від ідеї до документу з вимогами до продукту (PRD), згенерованого ШІ, до технічної специфікації, згенерованої ШІ, до реалізації за допомогою ШІ.
Це проявилося в деяких дивовижних трансформаціях. Наш вебсайт — центральний для нашого залучення клієнтів та вхідних запитів — тепер є системою продуктового масштабу з сотнями користувацьких компонентів, усі розроблені, створені та підтримувані безпосередньо в коді нашим креативним директором.
Тепер, замість валідації за допомогою презентацій або статичних прототипів, ми валідуємо за допомогою робочих продуктів. Ми тестуємо ідеї в реальному часі, швидше навчаємося та випускаємо великі оновлення кожні два місяці — темп, який я не міг собі уявити три роки тому.
Наприклад, Zen CLI спочатку був написаний на Kotlin, але потім ми передумали і перевели його на TypeScript без втрати швидкості випуску.
Замість того, щоб створювати макети функцій, наші UX-дизайнери та менеджери проектів створюють код. І коли настала криза випуску, вони активізувалися та виправили десятки дрібних деталей з готовими до продакшену PR, щоб допомогти нам випустити чудовий продукт. Це включало зміну макета UI за ніч.
Від кодування до валідації
Наступний зсув стався там, де я найменше цього очікував: валідація.
У традиційній організації більшість людей пише код, а менша група його тестує. Але коли ШІ генерує значну частину реалізації, точка важеля зміщується. Справжня цінність полягає у визначенні того, що означає “добре” — у чіткому формулюванні коректності.
Ми підтримуємо понад 70 мов програмування та незліченну кількість інтеграцій. Наші QA-інженери перетворилися на системних архітекторів. Вони створюють агентів ШІ, які генерують та підтримують прикладні тести безпосередньо з вимог. І ці агенти вбудовані в кодовані AI-робочі процеси, які дозволяють нам досягати передбачуваних інженерних результатів за допомогою системи.
Ось що насправді означає “shift left”. Валідація — це не окрема функція, це невід’ємна частина виробничого процесу. Якщо агент не може підтвердити свою роботу, йому не можна довіряти генерацію продакшен-коду. Для QA-фахівців це момент переосмислення, коли, з належним підвищенням кваліфікації, їхня робота стає критично важливим засобом та прискорювачем впровадження ШІ.
Менеджери продуктів, технічні керівники та інженери даних тепер також поділяють цю відповідальність, оскільки визначення коректності стало міжфункціональною навичкою, а не роллю, обмеженою QA.
Від “діаманта” до подвійного воронки
Десятиліттями розробка програмного забезпечення слідувала формі “діаманта”: невелика продуктова команда передавала роботу великій інженерній команді, яка потім знову звужувалася через QA.
Сьогодні ця геометрія перевертається. Люди глибше залучені на початку — визначають наміри, досліджують варіанти — і знову наприкінці, валідуючи результати. Середина, де працює ШІ, є швидшою та вужчою.
Це не просто новий робочий процес; це структурна інверсія.
Модель більше схожа на центр управління, ніж на складальний конвеєр. Люди встановлюють напрямок та обмеження, ШІ обробляє виконання зі швидкістю, а люди повертаються, щоб перевірити результати перед тим, як рішення потраплять у продакшен.
Інженерія на вищому рівні абстракції
Кожен великий стрибок у програмному забезпеченні підвищував наш рівень абстракції — від перфокарт до мов програмування високого рівня, від апаратного забезпечення до хмари. ШІ — це наступний крок. Наші інженери тепер працюють на мета-рівні: оркеструють AI-робочі процеси, налаштовують інструкції та навички агентів, і визначають запобіжники. Машини будують; люди вирішують, що і чому.
Команди тепер регулярно вирішують, коли вихідні дані ШІ безпечно об’єднувати без перегляду, наскільки тісно обмежувати автономію агентів у продакшен-системах, і які сигнали насправді вказують на коректність у масштабі — рішення, яких просто не існувало раніше.
І це парадокс AI-first інженерії — вона відчувається менше як кодування, і більше як мислення. Ласкаво просимо до нової ери людського інтелекту, що живиться від ШІ.
Ендрю Філев — засновник і генеральний директор Zencoder
Ласкаво просимо до спільноти VentureBeat!
Наша програма гостьових публікацій дозволяє технічним експертам ділитися ідеями та надавати нейтральні, неприв’язані глибокі аналізи ШІ, інфраструктури даних, кібербезпеки та інших передових технологій, що формують майбутнє підприємства.
Читайте більше з нашої програми гостьових публікацій — і ознайомтеся з нашими рекомендаціями, якщо ви зацікавлені у внесенні власної статті!
Прогноз ІТ-Блогу: В найближчі 1-2 роки ми побачимо подальшу спеціалізацію AI-агентів, які братимуть на себе все складніші завдання з розробки, звільняючи людей для стратегічного мислення та валідації. Це призведе до появи нових інструментів для управління цими агентами та інтеграції їх у складніші системи, ще більше розмиваючи межі між людською та машинною працею.
За даними порталу: venturebeat.com