Loading…

Έκανε το AI πάρα πολύ δύσκολο να ξεχωρίσεις τους καλούς μηχανικούς από αυτούς που απλώς κάνουν φασαρία;

senior_slacker
Δημόσια 16 συνομιλίες 24 σκέψεις 28 θετικές ψήφοι 7 αρνητικές ψήφους 0 σειρές 87 προβολές

Ακούω συνέχεια τα ίδια σχόλια με άλλα λόγια: «τι velocity», «μ’ αρέσει το throughput», «ωραία αξιοποίηση του AI». Απ’ έξω όντως φαίνεται ότι γίνονται περισσότερα: περισσότερα code review, περισσότερα tickets, περισσότερα updates, περισσότερα email, περισσότερα tasks, περισσότερα design. Το AI κάνει εύκολο να κρατάς αυτόν τον ρυθμό χωρίς τη συνηθισμένη τριβή του να γράφεις, να σκέφτεσαι ή ακόμα και να διστάζεις. Μέσα στη δουλειά όμως υπάρχει ένα δίλημμα που όλο μεγαλώνει.

In groups

Σκέψη

Σκέψη

texniko_xreos

Το «έριξε το κόστος να παράγεις πειστικές αποδείξεις παραγωγικότητας» είναι το σωστό κάδρο. Το AI δεν επιτάχυνε τη δουλειά που μετράει, επιτάχυνε το σήμα. Το βλέπω καθαρά στο on-call. Το αργό κομμάτι είναι ακόμα να κάθεσαι μπροστά σε ένα incident και να κ

Το «έριξε το κόστος να παράγεις πειστικές αποδείξεις παραγωγικότητας» είναι το σωστό κάδρο. Το AI δεν επιτάχυνε τη δουλειά που μετράει, επιτάχυνε το σήμα.

Το βλέπω καθαρά στο on-call. Το αργό κομμάτι είναι ακόμα να κάθεσαι μπροστά σε ένα incident και να καταλαβαίνεις ποια παραδοχή έσπασε. Αυτό δεν το κάνει το prompting. Ο τύπος που έβγαλε δέκα PR την εβδομάδα δεν είναι αυτός που σηκώνεται στις δύο τη νύχτα όταν ο retry storm ρίξει το σύστημα. Απλώς το γράφημα δραστηριότητάς του διαβάζεται ωραιότερα στη review προαγωγής.

Περιεχόμενο συζήτησης

Ακούω συνέχεια τα ίδια σχόλια με άλλα λόγια: «τι velocity», «μ’ αρέσει το throughput», «ωραία αξιοποίηση του AI».

Απ’ έξω όντως φαίνεται ότι γίνονται περισσότερα: περισσότερα code review, περισσότερα tickets, περισσότερα updates, περισσότερα email, περισσότερα tasks, περισσότερα design. Το AI κάνει εύκολο να κρατάς αυτόν τον ρυθμό χωρίς τη συνηθισμένη τριβή του να γράφεις, να σκέφτεσαι ή ακόμα και να διστάζεις. Μέσα στη δουλειά όμως υπάρχει ένα δίλημμα που όλο μεγαλώνει.

Υπάρχει η πραγματική μηχανική: να ψάχνεις ένα race condition που εμφανίζεται μόνο υπό φορτίο, ή να καταλαβαίνεις ότι ένα «απλό» bug είναι στην ουσία μια χαλασμένη παραδοχή στον σχεδιασμό. Ή να αποφασίζεις να μην κάνεις refactor ένα σύστημα μόνο και μόνο επειδή είναι ακατάστατο, γιατί δουλεύει ακόμα και το ρίσκο δεν αξίζει. Αυτό το κομμάτι δεν γίνεται πιο γρήγορο με το AI. Κάνεις τη δουλειά που μπορεί να κάνει το AI και βγάζεις πολύ χαμηλότερα νούμερα από τους άλλους μηχανικούς; Ή απλώς ρίχνεσαι στο prompting όλη μέρα, βγάζοντας κώδικα και design ασταμάτητα; Ψάχνεις τρόπους να μην γράψεις ΚΑΘΟΛΟΥ κώδικα ή χρησιμοποιείς το AI για να ξεφουρνίσεις ένα κάρο features, συστήματα, design; Ναι… ούτε εγώ ξέρω τι να κάνω.

Μετά είναι όλα τα γύρω. Με το AI είναι παιχνιδάκι να γεννήσεις ένα μεγάλο «cleanup» refactor που μετονομάζει αρχεία και ανακατεύει module ώστε ο κώδικας να δείχνει καλύτερος σε ένα PR. Ή να στήσεις ένα πλατύ test suite που δίνει την εντύπωση κάλυψης χωρίς να χτυπάει στ’ αλήθεια τα failure mode που μετράνε. Ή να σπάσεις μία συνεκτική αλλαγή σε δέκα μικρότερα PR, για να φαίνεται πιο υγιές το γράφημα δραστηριότητας. Ακόμα και το documentation μπαίνει σ’ αυτό· γυαλισμένα, εκτενή κείμενα που διαβάζονται ωραία… αλλά κανείς δεν τα διαβάζει πια γιατί παράγεται πολύς θόρυβος. Βάζουμε το AI να φτιάξει τα design και μετά οι reviewers μας βάζουν το AI να τα συνοψίσει και να τα κρίνει. Και το management δείχνει να το λατρεύει.

Η συμπεριφορά των μηχανικών προσαρμόζεται στα KPI που μετράνε. Περισσότερα μικρά commits, περισσότερα κομμάτια PR, περισσότερες σημειώσεις «αυτό με βοήθησε το AI να το βγάλω» που δείχνουν συμμετοχή στο workflow που περιμένουν. Ακόμα κι όταν η πραγματική δουλειά παραμένει το αργό κομμάτι, το debugging, η σκέψη, το να λες όχι σε περιττές αλλαγές, όλο και πιο πολύ πρέπει να τυλίγεται σε τεχνουργήματα που μοιάζουν με ορμή. Όλοι θέλουμε να κρατήσουμε τη δουλειά μας.

Το άβολο είναι ότι το AI δεν αύξησε απλώς την παραγωγικότητα. Έριξε το κόστος του να παράγεις πειστικές αποδείξεις παραγωγικότητας. Και μόλις αυτό γίνει εύκολο, αρχίζει να ανταγωνίζεται το δυσκολότερο ερώτημα: αν τελικά κάτι απ’ όλα αυτά είχε σημασία.

Thoughts

  • evdomada_release

    Συμφωνώ με το μισό. Το θέμα δεν είναι καινούριο, ισχύει το ίδιο όλη μου την καριέρα: η δουλειά που αποτρέπει τη γκάφα δεν γιορτάζεται ποτέ, η δουλειά που φαίνεται γιορτάζεται πάντα.

    Το AI δεν δημιούργησε το theater, του έδωσε φθηνότερα σκηνικά. Το pipeline πάντως θυμάται καλύτερα από το management ποιος έσπασε το build. Όποιος βγάζει δέκα PR την ημέρα κάποια στιγμή βάζει ένα flaky test που τρώω εγώ μετά.

    Permalink
  • pragmatiko_roadmap

    Το πρόβλημα δεν είναι το AI, είναι ότι δεν ξεκαθαρίσαμε ποτέ τι μετράμε. Αν τα KPI είναι velocity, throughput και αριθμός PR, η συμπεριφορά θα προσαρμοστεί σε αυτά. Πάντα προσαρμοζόταν, απλώς τώρα φτηνά.

    Στην πράξη βλέπω τρία πράγματα:

    • ομάδες που ανταμείβουν την ορατότητα και μετά απορούν γιατί κανείς δεν αναλαμβάνει το βαρετό migration

    • managers που θέλουν την αίσθηση της ορμής χωρίς να κοιτάνε αν λύθηκε το πρόβλημα του πελάτη

    • engineers που έμαθαν ότι το «αυτό το έβγαλα με AI» είναι το νέο σήμα ζήλου

    Το δύσκολο κομμάτι, να πεις όχι σε μια περιττή αλλαγή, δεν φαίνεται πουθενά στον πίνακα.

    Permalink
  • eimai_exit_liquidity

    Όλο αυτό το άγχος για το αν μετράς ή όχι το έχουν μόνο όσοι παίρνουν μισθό. Εγώ είχα impact σε έναν payroll που δεν μπορούσα να καλύψω και σου το λέω, η επιτροπή βαθμολόγησης δεν χτυπάει την πόρτα σου στις δύο το βράδυ. Ο λογιστής χτυπάει.

    Permalink
  • panta_online

    δέκα μικρά PR αντί για ένα είναι το αγαπημένο μου κόλπο γιατί το γράφημα γίνεται ΧΡΙΣΤΟΥΓΕΝΝΑ και κανείς δεν διαβάζει τι αλλάζει στ' αλήθεια

    και μετά απορούμε γιατί το review πέρασε σε δύο λεπτά

    Permalink
  • athlitis_prothesmion

    Ρωτάω σαν κάποιος που μόλις μπαίνει στη δουλειά: πώς ξεχωρίζεις τότε ποιο είναι το αργό κομμάτι που μετράει και ποιο είναι ο θόρυβος; Γιατί από μέσα όλα μοιάζουν με δουλειά.

    Permalink
  • mia_grammi_ftanei

    Παράγαμε τόσα design doc που τώρα βάζουμε το AI να μας πει τι λέγαμε.

    Permalink
  • texniko_xreos

    Το «έριξε το κόστος να παράγεις πειστικές αποδείξεις παραγωγικότητας» είναι το σωστό κάδρο. Το AI δεν επιτάχυνε τη δουλειά που μετράει, επιτάχυνε το σήμα.

    Το βλέπω καθαρά στο on-call. Το αργό κομμάτι είναι ακόμα να κάθεσαι μπροστά σε ένα incident και να καταλαβαίνεις ποια παραδοχή έσπασε. Αυτό δεν το κάνει το prompting. Ο τύπος που έβγαλε δέκα PR την εβδομάδα δεν είναι αυτός που σηκώνεται στις δύο τη νύχτα όταν ο retry storm ρίξει το σύστημα. Απλώς το γράφημα δραστηριότητάς του διαβάζεται ωραιότερα στη review προαγωγής.

    Permalink
  • aorati_douleia

    Αυτό που περιγράφεις με το πλατύ test suite που δεν χτυπάει κανένα πραγματικό failure mode το ζω καθημερινά στο frontend. Είναι πολύ εύκολο πια να φτιάξεις κάλυψη που δείχνει πράσινη και δεν πιάνει ούτε ένα edge case που θα δει ο χρήστης.

    Η δουλειά που μένει αόρατη είναι ακριβώς αυτή που λες: κάποιος κάθεται και αποφασίζει τι αξίζει να ελεγχθεί. Αυτό δεν παράγεται με prompt.

    Permalink

Related discussions

  • Τα στελέχη που νόμιζαν ότι η ΤΝ θα αντικαταστήσει τους μηχανικούς — μήπως τα αντικαθιστά αυτά πιο γρήγορα απ' όλους;

    Πέρυσι το feed μου στο LinkedIn είχε ένα είδος. Κάποιος program manager ή ένας «delivery lead» ή κάποιος με το Agile στον τίτλο του ανέβαζε ένα screenshot με μια ΤΝ που έγραφε μια συνάρτηση, πρόσθετε μια ατάκα τύπου «και μας έλεγαν ότι αυτή η δουλειά είναι σίγουρη, αρκεί να μάθεις να κωδικοποιείς» και μάζευε τετρακόσια likes από κόσμο που κάνει την ίδια δουλειά. Το υπονοούμενο ήταν πάντα ότι το πληκτρολόγημα ήταν η ουσία της μηχανικής, κι αφού τώρα ένα μοντέλο μπορεί να πληκτρολογεί, η τάξη των

  • Μήπως δεν σε αντικαθιστά η ΤΝ, αλλά ένας άνθρωπος με ΤΝ;

    Πολλοί εργαζόμενοι γραφείου καθησυχάζονται με λάθος ερώτηση. Ρωτάνε συνέχεια αν η ΤΝ μπορεί να κάνει όλη τη δουλειά τους. Δεν είναι αυτό το όριο που θα βάλει ο εργοδότης. Το πραγματικό ερώτημα είναι αν το αποτέλεσμα παράγεται αρκετά φτηνά, και ελέγχεται αρκετά φτηνά, ώστε ο ρόλος να αρχίσει να φαίνεται ακριβός. Το θέμα δεν είναι αν η ΤΝ μπορεί να κάνει εξ ολοκλήρου τη δουλειά μας, είναι «μπορεί να την επιταχύνει τόσο ώστε να χρειάζεται μόνο η μισή ομάδα μου;». Γιατί η απάντηση σε αυτό, δυστυχώς,

  • Αξίζει ένα κινητό τον όρκο σιωπής που δίνει ο υπάλληλος της Apple;

    Η Apple φτιάχνει το καλύτερο κινητό στον πλανήτη. Θέλω να μείνει αυτό καταγεγραμμένο πριν ξεκινήσω, γιατί όλα τα υπόλοιπα που πάω να πω θα τα διαψεύσουν άνθρωποι που νομικά δεν επιτρέπεται να επιβεβαιώσουν ούτε τι χρώμα έχει το κτίριό τους. Το hardware είναι πραγματικά το καλύτερο στον κλάδο, το φινίρισμα εξαιρετικό, και ο τρόπος που το ρολόι, το laptop, το κινητό και τα ακουστικά μιλάνε μεταξύ τους είναι κάτι που καμία άλλη εταιρεία δεν κατάφερε να πετύχει δύο φορές. Τίποτα από αυτά δεν είναι α

  • Μήπως το να δίνεις κίνητρα στους μηχανικούς να χρησιμοποιούν ΤΝ θα γυρίσει μπούμερανγκ;

    Μια εταιρεία μπορεί να καταστρέψει σχεδόν κάθε καλό εργαλείο, αρκεί να του κολλήσει το λάθος μετρικό. Στη δουλειά μετράνε μόνο τα κίνητρα, είτε λέγονται χρήμα, στάτους, προαγωγή... Ο εργαζόμενος δουλεύει με κίνητρα. Το ίδιο κι εμείς. Σχεδόν όλοι κάνουμε πράγματα επειδή μας συμφέρουν ή ωφελούν τους δικούς μας. Άρα, στη δουλειά καταλήγουμε να κάνουμε ό,τι μας φέρνει προαγωγή, περισσότερα λεφτά, μεγαλύτερη σιγουριά... Δεν είμαστε οι ιδιοκτήτες της εταιρείας, υπάλληλοι είμαστε. Κοιτάμε το συμφέρον μ

  • Πρέπει να χάνεις τους στόχους σου για να πάρεις προαγωγή;

    Πριν τρία χρόνια είδα τη μάνατζέρ μου να πιάνει κάθε τριμηνιαίο στόχο, δυο χρονιές στη σειρά. Καθαρά dashboards. Πράσινο παντού, συνέχεια. Ήταν ο πιο αξιόπιστος άνθρωπος στο κτίριο, και στον επόμενο κύκλο σχεδιασμού η ομάδα της κόπηκε κατά τέσσερις μηχανικούς από τους 35 και μπήκε κάτω από άλλον. Κανείς δεν το παρουσίασε ως τιμωρία, αλλά ως «αποδοτικότητα» και «θέλουμε να επενδύσουμε αλλού». Το μάθημα πέρασε ούτως ή άλλως, κι όχι μόνο σ' εμένα. Δυστυχώς, ποτέ στη μάνατζέρ μου.

  • Μας κάνει χειρότερους και στα δύο ο διαχωρισμός hard και soft skills;

    Οι hard skills είναι μετρήσιμες, συγκεκριμένες και διδάξιμες ικανότητες ή τεχνικές γνώσεις που αποκτιούνται μέσα από σπουδές, κατάρτιση ή εμπειρία, και συχνά συνδέονται άμεσα με ένα συγκεκριμένο επάγγελμα ή κλάδο. Παραδείγματα είναι η ανάλυση δεδομένων, ο προγραμματισμός, το γραφιστικό σχέδιο, η λογιστική, ο χορός, η ζωγραφική… Αποτελούν συνήθως τον πυρήνα ενός επαγγέλματος, ιδίως το κομμάτι του που δεν περιλαμβάνει επαφή με άλλους ανθρώπους. Από την άλλη, οι soft skills ορίζονται κυρίως ως «προ

  • Είναι τα περισσότερα AI startup τίποτα παραπάνω από ένα UI πάνω σε κάτι Agent.md αρχεία;

    Τα περισσότερα AI startup αυτή τη στιγμή μοιάζουν σαν κάποιος να κόλλησε το GPT πάνω σε ένα terminal, να πρόσθεσε ένα UI με dark mode και να άρχισε να μιλάει λες και εφηύρε κάτι. Θα δεις τρελά pitch τύπου «αυτόνομοι, μόνιμοι γνωσιακοί πράκτορες με μακροπρόθεσμη συλλογιστική» και μετά σκύβεις να δεις τι έχει από κάτω και βασικά είναι: δίνεις στο μοντέλο πρόσβαση σε εργαλεία, το αφήνεις να χρησιμοποιεί browser, ίσως προσθέτεις περιλήψεις μνήμης και λογική για retry. Αυτό είναι το «προϊόν». Το ίδιο

  • Γιατί οι managers θέλουν όλοι οι άλλοι να χρησιμοποιούν AI, εκτός από τους ίδιους;

    Αυτό που αρχίζει να με τσαντίζει δεν είναι το ίδιο το σπρώξιμο για AI. Κάποια εργαλεία είναι πραγματικά χρήσιμα. Τα χρησιμοποιώ πια κάθε μέρα. Με τσαντίζει που το management απαιτεί συμπεριφορά «AI-first» κρατώντας ταυτόχρονα κάθε γύρω διαδικασία επιθετικά εχθρική προς τη χρήση του AI. Λένε στον κόσμο να χρησιμοποιεί AI για coding, για σχεδιασμό, για έρευνα, για συγγραφή, για debugging, για ανάκτηση γνώσης, για συντονισμό έργων.. Αλλά μετά οι μισές λειτουργικές γνώσεις της εταιρείας ζουν ακόμα μ