Beberapa minggu lalu saya melihat satu pull request masuk yang lulus setiap ujian, dibaca dengan kemas, dan tersilap pada satu edge case tanpa disedari. Model menulisnya dalam masa kurang seminit. Orang yang meluluskannya pula mungkin menghabiskan sembilan puluh saat untuk semakan. Pepijat itu muncul empat hari kemudian di tempat yang menelan kos kira-kira $5000 (tidaklah banyak, tetapi tidak sedikit juga). Tiada siapa yang cuai dalam erti kata yang biasa kita maksudkan. Mereka cuma meletakkan perhatian di tempat kerja itu dahulu berada, iaitu pengeluaran, dan bukan di tempat kerja itu sudah berpindah, iaitu memutuskan dan menyemak.
Itulah peralihan yang saya mahu namakan, kerana kebanyakan nasihat kerjaya masih belum mengejar perubahan ini. Sekian lama, bahagian kerja ilmu yang lambat dan mahal ialah membuat sesuatu, dan semakan serta ujian dibuat sambil jalan, kerana sesuatu itu mengambil hari/minggu/bulan untuk siap. Lebih banyak edge case akan ditemui sambil bekerja. Menulis kod, merangka brief, membina model, mengemas kini UI... Jadi kita susun segalanya untuk jadi lebih pantas dan lebih bersih dalam pengeluaran, dan kita memang betul berbuat begitu, kerana itulah halangan utamanya. Buang satu halangan, nilainya tidak lenyap. Ia berpindah. Apabila menjana sepuluh pilihan yang munasabah hanya mengambil beberapa saat, perkara yang berharga bukan lagi penjanaan itu. Yang berharga ialah tahu yang mana satu antara sepuluh itu betul, dan menangkap yang nampak munasabah tetapi sebenarnya salah.
Ini dua kemahiran khusus, dan ia bukan perkara yang sama dengan pandai melakukan tugas itu sendiri. Pertama ialah arah: menyatakan dengan cukup jelas apa yang sebenarnya dikehendaki supaya hasilnya berbaloi dimiliki, dan memandu mesin apabila percubaan pertama tersasar, yang memang pasti berlaku. Kekuatan kemahuan menjadi lebih penting dalam era AI, untuk memegang wawasan yang jelas dan matlamat akhir yang jelas, supaya tidak terpesong oleh cadangan AI. Kedua ialah pengesahan: menyandarkan hasil kepada realiti cukup keras untuk menangkap kegagalan yang menyamar sebagai kejayaan. PR tadi ialah seluruh masalah ini dalam bentuk kecil. Mesin sangat pandai menghasilkan kerja yang nampak siap, dan kosnya sudah berpindah kepada orang yang mampu menilai sama ada ia benar-benar siap. Dalam cerita itu, orang yang menangkap pepijat lebih bernilai daripada orang yang menulis kod.
Nilai wawasan produk dan penetapan keperluan sudah meningkat banyak. Nilai pemikiran strategik dan perancangan projek (memecahkan kepada pencapaian, tugas, dan aliran kerja yang boleh dicapai..) juga naik. Begitu juga nilai pengujian di semua lapisan. Semua perkara ini menjadi semakin penting dalam revolusi AI, kerana inilah halangan baharu, dan bukan lagi menulis kod. Dan semua ini masih paling baik dibuat oleh jurutera yang dahulunya menulis kod.