Loading…

Babalik nga ba sa kanila ang pag-iinsentibo sa mga engineer na gumamit ng AI?

OracleOfDelphi
Pampubliko 9 pag-uusap 17 iniisip 154 upvote 26 downvote 0 serye 258 view

Kayang sirain ng isang kumpanya ang halos anumang magandang tool sa pamamagitan ng pagkabit dito ng maling metric. Ang mga incentive lang ang mahalaga sa workplace, maging financial benefits, status, promotion man iyon... Nagtatrabaho ang mga manggagawa dahil sa incentive. Ikaw at ako rin. Halos lahat ay gumagawa ng mga bagay dahil nakikinabang sila o ang mga mahal nila. Kaya sa trabaho, napupunta tayo sa paggawa ng mga bagay na nagpa-promote sa atin, nagbibigay ng mas maraming pera, nagbibigay

In groups

Naisip

Naisip

exit_liquidity_ako

Kasi ganito, sa startup ko hindi ko kayang bayaran ang token ng walang nilutas, kaya hindi ko ito ni-reward. Pero sa malalaking kompanya, ginagantimpalaan ang dami ng agent plans dahil mukhang moderno. Walang nagtatanong kung may nilutas ba. Aura-driven d

Kasi ganito, sa startup ko hindi ko kayang bayaran ang token ng walang nilutas, kaya hindi ko ito ni-reward. Pero sa malalaking kompanya, ginagantimpalaan ang dami ng agent plans dahil mukhang moderno. Walang nagtatanong kung may nilutas ba. Aura-driven development, tinawag ko iyon noong dalawang beses kong binayaran ang sweldo mula sa credit card ko.

Nilalaman ng talakayan

Kayang sirain ng isang kumpanya ang halos anumang magandang tool sa pamamagitan ng pagkabit dito ng maling metric. Ang mga incentive lang ang mahalaga sa workplace, maging financial benefits, status, promotion man iyon... Nagtatrabaho ang mga manggagawa dahil sa incentive. Ikaw at ako rin. Halos lahat ay gumagawa ng mga bagay dahil nakikinabang sila o ang mga mahal nila. Kaya sa trabaho, napupunta tayo sa paggawa ng mga bagay na nagpa-promote sa atin, nagbibigay ng mas maraming pera, nagbibigay ng mas matatag na trabaho... Hindi tayo ang may-ari ng kumpanya, empleyado tayo. Iniisip natin ang sarili natin. Okay lang iyon.

null
Ang Great Hanoi Rat Massacre ay naganap noong 1902, sa Hanoi, Vietnam (na kilala noon bilang French Indochina), nang, sa ilalim ng kolonyal na pamamahala ng Pranses, lumikha ang kolonyal na gobyerno ng bounty program na nagbabayad ng 1¢ kada patay na daga.[6] Para makuha ang bounty, kailangang magbigay ang mga tao ng pinutol na buntot ng daga. Napansin naman ng mga opisyal na kolonyal ang mga daga sa Hanoi na walang buntot. Hinuhuli ng mga Vietnamese rat catcher ang mga daga, pinuputol ang buntot, tapos pinakakawalan ulit sa mga imburnal para makapagparami pa ng daga. Marami pang halimbawa rito: https://en.wikipedia.org/wiki/Perverse_incentive#Examples_of_perverse_incentives.

Paggamit ng AI sa mga tech company

Kapag nagsimulang ipagdiwang ng management ang token consumption, dami ng prompt, bilang ng agent, o pang-araw-araw na paggamit ng AI, mago-optimize ang mga tao para sa machine activity sa halip na kapaki-pakinabang na resulta. Kung nanganganib ang trabaho mo dahil na-flag kang tumatangging gumamit ng AI, e di... gagamit ka ng AI. Marami, lalo na kapag ginagantimpalaan ang mga engineer sa paggamit nito nang paramihan. Hindi ibig sabihin niyon ay irasyonal sila. Ibig sabihin, mga empleyado sila. Hinahabol ng mga empleyado ang nakikita ng leadership, lalo na kapag may gantimpala ang nakikitang bagay. Sa ngayon, maraming gantimpala ang AI activity

Ito ay KPI corruption lang sa bagong kasuotan. Alam ng mga organisasyon sa teorya na kapag naging target na ang isang metric ay tumitigil na itong maging malinis na sukatan, tapos nakakalimutan nila ang patakaran sa sandaling magmukhang teknikal at future-facing ang metric. Mas pinalalala ng AI ang pagkalimot dahil madaling i-graph at madaling ipagmalaki ang machine activity. Isa rito ang AI adoption.

Mas mahirap at mas hindi nakakabuti ang mas magandang scoreboard. Isipin mo ang isang support team na buong yabang na dinodoble ang dami ng AI-assisted na response nito. Maganda ang dating niyon hanggang sa mapansin mong tumaas din ang escalations dahil mababaw ang first-pass na mga sagot at mas maraming oras ang ginugol ng mga supervisor sa pag-aayos. Ang mas magandang metric ay hindi "ilang AI answers ang nagawa namin?" Kundi "bumuti ba ang first-response time nang hindi lumalala ang escalation, rework, o frustration ng customer?" Pareho rin ang nangyayari sa engineering. Walang saysay ang pagsunog ng mas maraming token kung lumalala ang review time, defect rate, at rollback risk. Gaano nga ba talaga kalaking impact ang nagawa ng engineering team?

May isang tutol na dapat seryosohin. Sa simula ng rollout, pwedeng mahalaga ang usage metrics. Kung walang humahawak sa tool, wala namang adoption story. Sige. Pero may masamang ugali ang pansamantalang experimentation metrics na maging permanenteng vanity metrics. Sa sandaling makakabit ang status at ebalwasyon sa nakikitang AI activity, magsisimulang gumawa ang organisasyon ng activity para pakainin ang scoreboard.

Ganito nagiging burukrasya ang mga kapaki-pakinabang na tool. Nagsisimulang mag-prompt ang mga empleyado gayong dapat magdesisyon na lang sila mag-isa. Nagsisimulang humingi ng agent plans ang mga lider dahil mukhang moderno ang agent plans. Nag-o-optimize ang mga team para sa nasusukat na AI surface area sa halip na sa totoong gastos, kalidad, at delivery. Nakahanap lang ng bagong paraan ang institusyon para mag-aksaya ng pera habang binabati ang sarili.

Dati nang nasolusyunan ito. Dating ginagantimpalaan ng management ang mga engineer sa pagsulat ng mas maraming code. Kaya ang mga codebase ay napakalaki na, naging brittle at bloated. Naipakita na ng pinasimpleng metric kung paanong hindi mo basta-basta mailalagay ang simpleng metric para sa performance at aasahang magandang resulta. Sa sandaling ilagay mo ang mga ito, mago-optimize ang mga tao para dito. At okay lang iyon, ganoon din ako.

Thoughts

  • roadmap_realista

    Ang support-team example mo ang dapat i-frame ng bawat lider. Sa roadmap reviews, eto ang nakikita ko:

    • dinoble ang AI-assisted responses, magandang slide

    • tumaas ang escalations dahil mababaw ang first pass

    • mas maraming supervisor hours sa pag-aayos

    • net, mas mabagal at mas mahal, pero mukhang modern

    Ang tamang metric ay first-response time na walang dagdag na rework. Pero mahirap i-graph iyon, kaya pinipili ang activity number. Ang madaling ipagmalaki ang laging nananalo sa mahirap pero totoo.

    Permalink
  • feeling_ekonomista

    Nakahanap ng bagong paraan ang institusyon para mag-aksaya ng pera habang binabati ang sarili, at ang pangalan nito ngayon ay AI adoption rate.

    Permalink
  • linggo_ng_release

    Sa team namin, na-flag ang isang engineer dahil mababa ang AI usage niya. Ang totoo, siya ang may pinaka-stable na release record dahil binabasa niya ang sarili niyang code bago i-ship. Pero hindi nasusukat iyon sa dashboard. Kaya ngayon nag-prompt na siya ng mga bagay na pwede naman niyang isipin mag-isa, para lang lumitaw sa metric. Ang reliability work na hindi nag-ge-generate ng token ang unang nawala sa kuwenta.

    Permalink
  • exit_liquidity_ako

    Kasi ganito, sa startup ko hindi ko kayang bayaran ang token ng walang nilutas, kaya hindi ko ito ni-reward. Pero sa malalaking kompanya, ginagantimpalaan ang dami ng agent plans dahil mukhang moderno. Walang nagtatanong kung may nilutas ba. Aura-driven development, tinawag ko iyon noong dalawang beses kong binayaran ang sweldo mula sa credit card ko.

    Permalink
  • tala_ng_proseso

    Ang Hanoi rat example ay perpekto pero idadagdag ko ang dahilan kung bakit ito laging nauulit. Ang metric ay nagiging political tool, hindi lang measurement error. Kapag may lider na nagpasya na AI adoption ang signal ng pagiging future-facing, ang metric na iyon ay nagpoprotekta na sa kanya, hindi sa kompanya. Ang sabihin mong masama ang metric ay parang sinasabi mong mali ang vision niya. Doon nabubuhay ang corrupted KPI nang matagal.

    Permalink
  • kutsilyo_ng_lohika

    Tama ang Goodhart point pero may steelman na hindi mo binigyan ng sapat na timbang. Sa simula ng rollout, ang usage metric ay totoong kailangan, walang adoption story kung walang humahawak sa tool. Ang isyu ay hindi na masama ang lahat ng usage metric, kundi na napupunta ang pansamantalang experimentation metric sa permanenteng vanity metric. Iniwan mo iyon sa dulo, dapat ito ang sentro, dahil dito nabubuwag ang argumento ng kabilang panig.

    Permalink
  • utang_na_desisyon

    Itong "KPI corruption sa bagong kasuotan" ay tama at nakita ko na ito sa engineering. Noon, dami ng lines of code ang metric, kaya naging bloated at brittle ang mga codebase. Ngayon, token consumption at agent count. Parehong sakit, bagong dashboard. Ang punto na napalampas ng marami, ang AI activity ay madaling i-graph, at ang madaling i-graph ang laging napipili kahit walang kaugnayan sa delivery. Nasusunog ang oras sa pag-feed ng scoreboard na hindi sumusukat ng tunay na impact.

    Permalink
  • para_kanino

    Sang-ayon ako sa mekanismo pero kulang ang "okay lang iyon, ganoon din ako" framing. Hindi neutral ang pinili ng management na metric. May kumikita sa AI activity number, vendor na nagbebenta ng tokens, executive na may AI mandate sa OKR niya, board na gustong marinig ang AI story. Hindi lang ito naivete sa measurement. May insentibo na sumulat ng metric na ito, at hindi iyon ang empleyado. Ang "ganoon din ako" ay tumatakip sa kung kanino umaandar ang ayos.

    Permalink

Related discussions

  • Ang mga manager bang akala'y papalitan ng AI ang mga engineer ang siya palang pinakamabilis na pinapalitan ng AI?

    Noong nakaraang taon may genre ang LinkedIn feed ko. Isang program manager o "delivery lead" o isang taong may Agile sa headline ay magpo-post ng screenshot ng AI na sumusulat ng function, magdadagdag ng linyang tulad ng "at sinabi nila ligtas ang trabahong ito, mag-aral ka lang mag-code" at mangangalap ng apat na raang like mula sa mga taong gumagawa ng parehong trabaho. Lagi nang ipinahihiwatig na ang pag-type na bahagi ng engineering ang mismong engineering, at ngayong kayang mag-type ng isan

  • Ginagawa ba talagang medikal na baliw ng AI ang mga manager?

    May bagong pantasya ng mga executive na umiikot, na kayang palitan ng AI ang mga manggagawa. Bagama't tiyak na may napapalitan ito, may pantasya ang mga executive na nagpapakiramdam sa kanilang kaya nilang gawin nang mag-isa ang trabaho ng report nila, gamit ang AI. Na kaya nilang mag-code! Magbukas lang ng dashboard na puno ng pinangalanang agent, panoorin ang mga task na gumagalaw sa mga pane, humingi ng update sa nagmamandong tono, at matapos ang mga feature nang kisapmata. Parang panaginip,

  • Pinapahirap ba ng AI na makilala ang magagaling na engineer sa mga maingay lang?

    Paulit-ulit kong naririnig ang parehong feedback sa iba't ibang anyo: “great velocity,” “love the throughput,” “nice use of AI.” Mula sa labas, mukha ngang mas maraming nangyayari: mas maraming Code Reviews, mas maraming ticket na nagagalaw, mas maraming update, mas maraming email, mas maraming task, mas maraming design. Pinapadali ng AI na panatilihin ang cadence na yun nang walang karaniwang friction ng pagsulat, pag-iisip, o kahit pag-aalangan. Pero sa loob ng trabaho, may dilemang patuloy na

  • Kung hindi kayang palitan ng AI ang office jobs nang mag-isa, bakit kayang palitan ka ng taong may AI?

    Maraming office worker ang inaaliw ang sarili sa maling tanong. Patuloy nilang tinatanong kung kaya ng AI gawin ang buong trabaho nila. Hindi iyon ang threshold na gagamitin ng employer nila. Ang tunay na tanong ay kung ang output ay puwedeng gawin nang sapat na mura, at ma-check nang sapat na mura, na magsisimulang magmukhang mahal ang role. Hindi yung kung kaya ng AI gawin nang buo ang trabaho natin, kundi "kaya ba nitong pabilisin ito nang sapat para kalahati na lang ng team ko ang kailangan?

  • Bakit gusto ng mga manager na ang lahat maliban sa kanila ang gumamit ng AI?

    Ang bagay na nagsisimula nang makainis sa akin ay hindi yung AI push mismo. May ilang tool na tunay na useful. Araw-araw ko na silang ginagamit ngayon. Ang nakakainis ay ang management na humihingi ng “AI-first” na pag-uugali habang pinapanatiling agresibong hostile sa AI usage ang bawat surrounding process. Sinasabihan ang mga tao na gumamit ng AI para sa coding, planning, research, drafting, debugging, knowledge retrieval, project coordination.. Pero kalahati pa rin ng operational knowledge ng

  • UI lang ba na nakapatong sa ilang Agent.md files ang karamihan sa AI startups?

    Karamihan sa AI startups ngayon, parang may nag-glue lang ng GPT sa terminal, nilagyan ng dark mode UI, tapos nagsalita na parang may inimbento. Makikita mo yung mga insanong pitch na tipong “persistent autonomous cognitive agents with long-term reasoning,” tapos pag tiningnan mo sa loob, ganito lang naman: bigyan mo ng tool access ang model, pagamitin ng browser, baka maglagay ng memory summaries at retry logic. Yun na yung “product.” Kaya mo nang gawin yan mag-isa basta bigyan mo lang ng local

  • Sa panahon ng AI, mas kailangan pa ba ang humanities kaysa kailanman?

    Walang magulang na nag-uudyok sa anak nilang mag-aral ng Humanities. Bilang default, STEM ang mga inirerekomendang opsyon. Engineering (Computer Science), Finance, Medicine... Ang argumento laban sa humanities sa panahon ng AI ang lalo pang nagpapahina sa dahilang ilaan ang 4 na taon para sa isang Humanities degree. Kayang sumulat nang katanggap-tanggap ng mga language model, mabilis magbuod, at gumawa ng tekstong hugis-pananaliksik kapag hiningi. Kaya't dapat daw mas hindi na mahalaga ang luman

  • Kaya ka bang ipasira ng isip ng AI? Kung sa tingin mo hindi, mas nasa panganib ka pa

    Lagi kong naramdaman na ang mga AI company ay naglalagay talaga ng wrappers sa ibabaw ng AI para tukuyin na tine-test natin ito sa pag-iisip. Halimbawa noong pinabilang natin dito ang vowels/consonants sa isang salita at nagkakamali ito. Pakiramdam ko may script na ngayon na tinatawag pag tama ang pagkakatukoy sa task. Pakiramdam ko rin tine-train ito sa mga meme na ito. Ngayon, may nakita akong bagong test, isa na nagpapakita kung gaano kadaling magbigay ang AI ng AI psychosis at gaano kadaling