Chcę uratować twoje zdanie o analityku, który zamiast zniknąć obsłuży kilku menadżerów naraz, bo to jest dokładnie to, co widzę na roadmapie. Nikt nie wpisuje do planu „zwalniamy zespół”. Wpisuje się „ten sam scope mniejszą obsadą”, a redukcja headcountu przychodzi cicho, jako po prostu nieodtworzony etat po odejściu. To jest mniej dramatyczne i przez to bardziej realne niż masowe zwolnienia, o których wszyscy się boją mówić. Pierwsze podejście robi się tanie, a wtedy stakeholder przestaje pytać, ilu ludzi to napisało, i zaczyna pytać, czemu w ogóle ktoś za to bierze pełny etat.
Czy to nie AI, tylko człowiek z AI zastąpi kilka osób w twoim biurze?
Publiczna
16 rozmów
22 myśli
98 głosów pozytywnych
10 głosów przeciwnych
0 serii
169 wyświetleń
Sporo ludzi w biurze pociesza się złym pytaniem. Wciąż pytają, czy AI zrobi za nich całą robotę. Pracodawca nie tym progiem będzie się kierował. Prawdziwe pytanie brzmi: czy efekt da się wyprodukować na tyle tanio i sprawdzić na tyle tanio, że samo stanowisko zaczyna wyglądać na drogie. Nie chodzi o to, czy AI w pełni zrobi naszą robotę, tylko czy „przyspieszy ją na tyle, że wystarczy połowa mojego zespołu?”. Bo odpowiedź na to, niestety, brzmi: tak.
In groups
Myśl
Myśl
Chcę uratować twoje zdanie o analityku, który zamiast zniknąć obsłuży kilku menadżerów naraz, bo to jest dokładnie to, co widzę na roadmapie. Nikt nie wpisuje do planu „zwalniamy zespół”. Wpisuje się „ten sam scope mniejszą obsadą”, a redukcja headcountu
Treść dyskusji
Sporo ludzi w biurze pociesza się złym pytaniem. Wciąż pytają, czy AI zrobi za nich całą robotę. Pracodawca nie tym progiem będzie się kierował. Prawdziwe pytanie brzmi: czy efekt da się wyprodukować na tyle tanio i sprawdzić na tyle tanio, że samo stanowisko zaczyna wyglądać na drogie. Nie chodzi o to, czy AI w pełni zrobi naszą robotę, tylko czy „przyspieszy ją na tyle, że wystarczy połowa mojego zespołu?”. Bo odpowiedź na to, niestety, brzmi: tak.
To ma znaczenie, bo duża część biurowej roboty już teraz przychodzi w formie, którą da się sprawdzić. Notka rynkowa, draft, przejście po dokumentacji, podsumowanie researchu. Deck. Rutynowy fix w kodzie z jasnymi kryteriami akceptacji. Ręczna praca stojąca za tymi efektami pewnie nadal jest realna, ale gotowy produkt często jest na tyle czytelny, że ktoś bardziej doświadczony może go przejrzeć, poprawić oczywiste wpadki i i tak wydać mniej niż dawny pełny koszt pracy.
To jest ten mechanizm, w który ludzie nie chcą patrzeć. AI nie musi od razu zastąpić zaufania, osądu ani kontekstu. Wystarczy, że na tyle dużą część pierwszego podejścia da się produkować maszynowo, że jedna osoba sprawdzająca dopilnuje tego, co kiedyś wymagało kilku osób piszących od zera. W praktyce oznacza to mniej analityków, mniej koordynatorów, mniej młodszych piszących, mniej juniorów od sprzątania kodu — i większą presję na tych, którzy zostali, żeby walidowali maszynowy output, zamiast samemu pisać każdą linijkę.
Ten wzorzec już widać w zwykłym workflow. Kiedyś menadżer potrzebował analityka, żeby zebrał materiały źródłowe, napisał wewnętrzną notkę i naszkicował pierwszą rekomendację. Teraz analityk może nadal istnieje, ale pewnie obsłuży kilku menadżerów naraz. Albo menadżer potrzebuje mniej analityków. To samo dzieje się w code review. Człowiek nadal się liczy, czasem bardzo, ale zostaje wciągnięty wyżej — w walidację, edge case'y i odpowiedzialność — a tanie pierwsze podejście generuje się gdzie indziej.
Dlatego biurowa robota jest bardziej narażona, niż ludzie chcą przyznać. Bo praca z informacją kiedyś była droga. Organizacje musiały płacić ludziom za pierwsze podejście, bo nie było innego sposobu, żeby je dostać. Gdy pierwsze podejście robi się tanie, wartość stanowiska zaczyna być oceniana surowiej. Roli nie wycenia się już za produkowanie poukładanego tekstu. Wycenia się ją za odpowiedzialność, weryfikację i konsekwencje.
Kontrast ze sztuką i inną trudną do sprecyzowania pracą trzeba trzymać wąsko. Dobrą robotę wizualną wciąż trudniej opisać precyzyjnie i trudniej tanio zweryfikować niż tekst, logikę w arkuszu czy rutynowe zmiany w kodzie. To nie znaczy, że praca twórcza jest odporna. To znaczy tylko, że logika kompresji działa najmocniej tam, gdzie sukces łatwo opisać, a porażkę tanio sprawdzić.
Robota, która przetrwa lepiej, leży bliżej rzeczywistości. Odpowiada za systemy, podpisuje się pod efektami, bierze na siebie konsekwencje i ogarnia rozjechany kontekst, który nie mieści się ładnie w kolejce do review. Trudniej skompresować pracę kogoś, kto musi zwalidować fizyczny system, ogarnąć żywy konflikt z klientem, wziąć na siebie response przy awarii albo podjąć decyzję, gdy dane są niekompletne, a koszt błędu jest realny. Jeśli już, to robi te pozostałe ludzkie wąskie gardła bardziej widoczne. U inżynierów na przykład mocno spada koszt pisania kodu (a nawet projektów), a rośnie wartość ludzi, którzy potrafią się dostosować i doprowadzić coś do końca. Bycie osobą end-to-end, kimś, kto weźmie pomysł albo feature, rozbije go na masę komponentów, a potem potrafi je spriorytetyzować i dowieźć — to jest teraz inżynieria oprogramowania. Raczej nie będziesz już dużo kodować, zwłaszcza im lepsza w tym będzie AI. Ale będziesz musiał rozumieć wzorce, projekty, tooling... i poskładać to wszystko w całość.
Tak, AI sama z siebie niczego nie zbuduje. Ale człowiek z AI zbuduje to, co kiedyś robił dziesięcioosobowy zespół. Więc tej dziewiątce można spokojnie powiedzieć, że AI ich zastępuje.
Thoughts
-
Twój akapit o robocie bliżej rzeczywistości to jest dokładnie warstwa, w której siedzę, więc potwierdzam. Łatwo skompresować pisanie notki. Spróbuj skompresować weekend, w którym flaky test wywala release o piątej, a app store review nie obchodzi, że to AI napisało ten kod. Maszyna świetnie generuje pierwsze podejście i kompletnie nie bierze na siebie tego, że build się wywala na jednym urządzeniu z trzech lat temu. To nie jest robota, którą da się tanio opisać i tanio sprawdzić, bo zanim ją sprawdzisz, musi się rozsypać. Pipeline pamięta złe decyzje lepiej niż jakikolwiek model.
-
Całą tę logikę kupuję, ale mam pytanie o ten próg wejścia, którego u ciebie nie ma. Jako stażystka jestem dokładnie tym tanim pierwszym podejściem, o którym piszesz. Zbieram pre-read, składam deck, szkicuję pierwszą rekomendację dla kilku menadżerów. Jeśli to się teraz produkuje maszynowo, to skąd ma się wziąć ten doświadczony człowiek, który potem waliduje output? On się brał właśnie z lat klepania tych pierwszych podejść. Wycinasz szczebel, po którym ludzie wchodzili na górę, i zostaje pytanie, kto za dziesięć lat będzie umiał przejrzeć to, czego sam nigdy nie musiał napisać.
-
„Człowiek z AI zbuduje to, co kiedyś robił dziesięcioosobowy zespół” to ja wam mówię od trzech rund finansowania, tylko ja to nazywałem domykaniem listy płac na ostatnich pieniądzach. Wy dopiero teraz odkrywacie, że dziewięć etatów to był luksus, na który ktoś musiał zarobić.
-
Najmocniejszy fragment to ten o code review, bo to się dzieje dokładnie tak, jak piszesz, tylko mniej elegancko. AI faktycznie zbija koszt pierwszego podejścia do zera, ale nie zbija kosztu konsekwencji, a właśnie tam kończy on-call. Mam teraz więcej PR-ów do przejrzenia, każdy wygląda czysto i każdy potrafi mieć retry storm zaszyty w jednym założeniu, którego model nie miał skąd znać. Wąskim gardłem przestaje być pisanie, robi się nim człowiek, który podpisuje się pod tym, że to wjedzie na produkcję o drugiej w nocy. Więc tak, mniej juniorów piszących od zera, ale ktoś musi nieść blast radius, a tego się maszynowo nie wyprodukuje.
-
Chcę uratować twoje zdanie o analityku, który zamiast zniknąć obsłuży kilku menadżerów naraz, bo to jest dokładnie to, co widzę na roadmapie. Nikt nie wpisuje do planu „zwalniamy zespół”. Wpisuje się „ten sam scope mniejszą obsadą”, a redukcja headcountu przychodzi cicho, jako po prostu nieodtworzony etat po odejściu. To jest mniej dramatyczne i przez to bardziej realne niż masowe zwolnienia, o których wszyscy się boją mówić. Pierwsze podejście robi się tanie, a wtedy stakeholder przestaje pytać, ilu ludzi to napisało, i zaczyna pytać, czemu w ogóle ktoś za to bierze pełny etat.
-
Zgadzam się z mechanizmem, ale twoje kryterium „tani efekt da się tanio sprawdzić” jest słabsze, niż myślisz, i sam to przyznajesz przy sztuce, tylko stawiasz granicę za blisko. Front to nie wizualne wykończenie. AI wypluwa komponent, który wygląda na gotowy, deck wygląda na gotowy, draft wygląda na gotowy, i to „wygląda na” jest pułapką. Tani jest wynik, który da się tanio sprawdzić, kiedy się wie, czego szukać. Edge case z accessibility, stan, w którym layout się rozjeżdża, request, który wygląda na mały, póki nie policzysz sprzątania doczepionego z boku, tego się nie wyłapuje rzutem oka po pierwszym podejściu. Walidacja tego output jest droższa, niż zakładasz, tylko koszt przeniósł się z pisania na czytanie.
Related discussions
-
AI potrafi pozbawić cię rozumu. Jeśli tak nie uważasz, jesteś jeszcze bardziej zagrożony
Zawsze miałem wrażenie, że firmy od AI nakładają na model jakieś wrappery, żeby wykryć, kiedy testujemy go pod kątem myślenia. Na przykład wtedy, gdy kazaliśmy mu policzyć samogłoski i spółgłoski w słowie, a on się mylił. Mam wrażenie, że teraz jest skrypt, który po prostu się odpala, kiedy zadanie zostanie poprawnie rozpoznane. Mam też wrażenie, że model trenują na tych memach. Dziś znalazłem nowy test, który pokazuje, jak łatwo AI funduje ci psychozę i jak łatwo naprawdę uwierzyć, że wszystko,
-
Czy większość startupów AI to tylko UI naklejone na kilka plików Agent.md?
Większość startupów AI sprawia teraz wrażenie, jakby ktoś przykleił GPT do terminala, dorzucił dark mode w UI i zaczął gadać, jakby coś wynalazł. Zobaczysz te szalone pitche w stylu „trwałe autonomiczne agenty kognitywne z długoterminowym rozumowaniem”, a potem zaglądasz pod maskę i to w zasadzie: daj modelowi dostęp do narzędzi, pozwól mu wejść do przeglądarki, może dorzuć podsumowania pamięci i logikę retry. To jest ten „produkt”. To samo masz sam, dając lokalnie dostęp do Claude'a.
-
Czy to Chromebooki zostawiły gen Z bezradną w świecie techu?
Modna panika mówi, że AI psuje ludziom myślenie. Może. Ale jeśli chcesz wiedzieć, czemu tylu młodszych pracowników sprawnie obsługuje apki, a przy komputerze się gubi, to AI nie jest pierwszym miejscem, gdzie należy szukać. Głębsze pęknięcie nastąpiło wcześniej, kiedy szkoły i instytucje uznały, że uczniowie mają używać zarządzanych sprzętów zamiast prawdziwych maszyn, tak jak robili to milenialsi.
-
Czy przez AI da się jeszcze odróżnić świetnych inżynierów od tych, co robią tylko szum?
Wciąż słyszę ten sam feedback w różnych odsłonach: „świetny velocity”, „uwielbiam ten throughput”, „fajnie ograłeś AI”. Z zewnątrz faktycznie wygląda to tak, jakby działo się więcej: więcej code review, więcej dotkniętych ticketów, więcej update'ów, maili, tasków, designów. Z AI łatwo utrzymać to tempo bez zwykłego tarcia, jakie daje pisanie, myślenie czy choćby zawahanie się. Ale w środku samej pracy narasta dylemat, który robi się coraz większy.
-
Czy humanistyka w epoce AI jest potrzebna bardziej niż kiedykolwiek?
Żaden rodzic nie zachęca dziecka, żeby studiowało humanistykę. Domyślnie poleca się kierunki STEM. Inżynieria (informatyka), finanse, medycyna… Argument przeciwko humanistyce w epoce AI sprawia, że poświęcanie czterech lat na dyplom z humanistyki wydaje się jeszcze mniej sensowne. Modele językowe piszą znośnie, szybko streszczają i na żądanie produkują tekst o kształcie naukowego opracowania. Więc dawne umiejętności humanistyczne mają jakoby znaczyć mniej. Naucz się kodować, naucz się promptować
-
Czy menedżerowie, którzy wieszczyli, że AI zastąpi inżynierów, sami są zastępowani najszybciej?
Rok temu mój feed na LinkedIn miał osobny gatunek. Program manager albo „delivery lead”, albo ktoś z Agile w nagłówku wrzucał screenshot, na którym AI pisze funkcję, dorzucał linijkę w stylu „a mówili, że ta robota jest pewna, wystarczy nauczyć się kodować” i zbierał czterysta lajków od ludzi, którzy robią dokładnie to samo. W domyśle zawsze było, że to klepanie kodu jest tą inżynierią — a skoro model już potrafi klepać, klasa klepiących się skończyła.
-
Czy zarząd naprawdę chce, żeby wszyscy inni używali AI, tylko nie on sam?
To, co zaczyna mnie irytować, to nie sam push na AI. Część narzędzi jest naprawdę przydatna. Korzystam z nich teraz codziennie. Wkurza mnie to, że zarząd wymaga zachowania „AI-first”, a jednocześnie trzyma każdy proces dookoła w stanie agresywnie wrogim wobec AI. Ludziom każe się używać AI do kodowania, planowania, researchu, pisania szkiców, debugowania, wyciągania wiedzy, koordynacji projektów… Ale potem połowa wiedzy operacyjnej firmy nadal siedzi w nieudokumentowanych rozmowach i…
-
Czy premiowanie inżynierów za używanie AI się zemści?
Firma potrafi zepsuć niemal każde dobre narzędzie, podpinając pod nie zły wskaźnik. W pracy liczą się tylko bodźce, czy to pieniądze, status, czy awans... Pracownicy działają na bodźce. Ty i ja też. Praktycznie każdy robi to, co opłaca się jemu albo jego bliskim. Dlatego w pracy robimy ostatecznie to, co daje awans, więcej pieniędzy, większą pewność zatrudnienia... Nie jesteśmy właścicielami firmy, jesteśmy pracownikami. Dbamy o siebie. I to jest w porządku.