Saya setuju dengan setengah pertama post ni dan saya rasa setengah keduanya tergelincir. Awak sendiri kata 2 daripada 40, jadi awak sebenarnya tahu kerja yang sebenar tu wujud. Tapi lepas tu awak guna 38 yang teruk untuk hapuskan keseluruhan fungsi. Kerja yang model tak boleh buat tu bukan kes pinggir: tanggung salah dalam satu bilik bila pelancaran terlewat, putuskan susunan yang betul dari segi teknikal sebenarnya bunuh diri politik, dapatkan enam pasukan yang saling benci komited pada satu tarikh. Saya buat semua tu tiap minggu dan tiada model yang dekat pun. Masalah awak dengan 38 PM teruk tu sah. Tapi tu masalah pengambilan, bukan bukti peranan tu tamat.
Pengurus yang sangka jurutera akan diganti AI, rupanya merekalah yang kena ganti paling cepat?
Awam
13 perbualan
21 pemikiran
36 undian sokong
1 undi tolak
0 siri
93 tontonan
Tahun lepas feed LinkedIn saya ada satu genre tersendiri. Seorang program manager atau "delivery lead" atau sesiapa yang letak Agile dalam headline akan post screenshot AI menulis sebuah function, tambah satu ayat macam "dan katanya kerja ini selamat, belajar coding sahaja" dan kutip empat ratus like daripada orang yang buat kerja yang sama. Maksud tersiratnya selalu sama: bahagian menaip dalam engineering itulah engineering, dan sekarang sebab model dah boleh menaip, kelas penaip pun tamat riwa
In groups
Fikir
Fikir
Saya setuju dengan setengah pertama post ni dan saya rasa setengah keduanya tergelincir. Awak sendiri kata 2 daripada 40, jadi awak sebenarnya tahu kerja yang sebenar tu wujud. Tapi lepas tu awak guna 38 yang teruk untuk hapuskan keseluruhan fungsi. Kerja
Kandungan perbincangan
Tahun lepas feed LinkedIn saya ada satu genre tersendiri. Seorang program manager atau "delivery lead" atau sesiapa yang letak Agile dalam headline akan post screenshot AI menulis sebuah function, tambah satu ayat macam "dan katanya kerja ini selamat, belajar coding sahaja" dan kutip empat ratus like daripada orang yang buat kerja yang sama. Maksud tersiratnya selalu sama: bahagian menaip dalam engineering itulah engineering, dan sekarang sebab model dah boleh menaip, kelas penaip pun tamat riwayatnya.
Rasanya carta organisasi itu mereka baca terbalik. Dan saya gembira mereka mula sedar
Inilah perkara yang tiada siapa di sebelah feed itu sebut kuat-kuat. AI tidak begitu hebat dalam bahagian yang menanggung beban dalam pembinaan sistem, iaitu menentukan apa yang sistem itu patut buat, tahu kenapa tiga percubaan sebelum ini gagal, dan mampu kesan bila model itu dengan penuh yakin hulurkan sesuatu yang sebenarnya rosak. Tetapi dalam bahagian yang satu lagi, AI memang hebat sampai memalukan. Status rollup. Release notes yang tiada siapa baca. Katalog ciri yang dah basi dalam seminggu. Pelan ujian yang sebenarnya cuma menyusun semula kriteria penerimaan. Laporan mingguan yang merumus standup yang merumus thread Slack. Itu bukan kerja yang AI tercungap-cungap nak buat. Itulah kerja yang AI memang dilahirkan untuk buat.
Jadi tengok siapa duduk di mana. Lapisan sokongan itu memang sengaja diwujudkan untuk buat bahagian yang jurutera tak nak buat. Kemas kini project tracker. Kejar orang minta update. Tukar dua ayat jurutera jadi satu perenggan untuk VP. Tukar satu perenggan jurutera jadi dua ayat untuk VP. Jaga dokumen. Kendali mesyuarat tempat semua orang ulang balik apa yang dah mereka tulis semalam. Saya bukan nak kejam pasal ini. Tugas-tugas ini memang wujud dan memang menjemukan dan ada orang kena buat, itulah sebab jawatan-jawatan ini didanakan. Masalahnya, "hasilkan rumusan kemas daripada input yang orang lain hasilkan" itu betul-betul bentuk kerja yang paling sesuai untuk language model, manakala "hasilkan input itu sendiri" pula bahagian yang ia masih tak mampu buat sendirian.
Dan inilah ketaksimetrian yang dilangkau oleh penyebar mesej "kau dah usang" itu. Untuk guna AI dengan baik, mesti mampu menyemaknya. Mesti boleh baca diff dan tahu ia salah. Mesti boleh tengok migration yang dijana dan perasan ia tiada rollback. Pembina sistem dah pun ada kebolehan itu. Itu kemahiran yang sama yang menjadikan mereka pembina. Lapisan penyelaras pula diambil bekerja atas faham yang jelas bahawa mereka tak perlu baca kod, dan sekarang alat yang sepatutnya menyelamatkan mereka menghasilkan output yang hanya boleh dipercayai oleh orang yang boleh baca kod. Mereka dihulurkan gergaji rantai, dan manualnya pula dalam bahasa yang mereka diberitahu takkan perlu belajar.
Program manager yang bagus bukan mesin status-update.
Ya, saya tahu. Tapi daripada lebih kurang 40 yang saya jumpa setakat ini sepanjang kerjaya, mungkin 2 sahaja yang begitu. 38 memang mesin status-update. Kerja yang sebenar, yang berbaloi dibayar mahal, ialah pertimbangan tentang apa yang kena potong, perlindungan politik bila pelancaran terlewat, tahu "soalan ringkas" eksekutif yang mana sebenarnya ugutan, dan dapatkan enam pasukan yang saling benci untuk komited pada satu tarikh. AI buat semua itu? Tidak satu pun. Ia tak boleh tanggung salah dalam satu bilik. Ia tak boleh putuskan bahawa susunan yang betul dari segi teknikal itu sebenarnya bunuh diri dari segi politik. Memendekkan keseluruhan fungsi itu jadi sekadar "jaga halaman Confluence supaya kekal aktif" ialah fantasi paling lama dalam kepala pengaturcara, dan ia memang sentiasa silap tentang orang terbaik dalam peranan itu. Saya tahu.
Kerja pertimbangan-dan-perlindungan itu memang tak pernah jadi keseluruhan headcount. Di bawah setiap program manager yang betul-betul bagus itu, ada satu lapisan orang yang harinya sebenar dipenuhi penyelenggaraan artifak, rollup, katalog, dan deck yang mengulang semula deck.
Geng "jurutera dah habis" itu silap arah sebab mereka kelirukan siapa yang menghasilkan nilai dengan siapa yang paling lantang mengaku menghasilkannya. Orang yang boleh bezakan jawapan yang baik daripada jawapan salah yang penuh yakin, itulah orang yang AI jadikan lebih bernilai, bukan kurang. Orang itu biasanya sedang membina. Jarang sekali dia yang sibuk post screenshot.
Thoughts
-
Bahagian "tukar dua ayat jurutera jadi satu perenggan, lepas tu tukar satu perenggan jadi dua ayat" tu buat saya ketawa sebab saya tengok ia berlaku tiap minggu release. Ada satu lapisan kerja yang penuh ialah menyalin semula benda yang dah ditulis dalam format lain untuk orang yang tak nak baca format asal. Standup yang merumus thread Slack, laporan yang merumus standup. Itu memang kerja yang model dilahirkan untuk buat. Tiada nostalgia langsung saya rasa untuk bahagian tu hilang.
-
Post ni agak menyusahkan untuk saya baca, sebab kerja yang awak senaraikan sebagai "persis untuk model" tu sebahagian besarnya kerja saya. Saya jaga runbook, catatan keputusan, dokumen onboarding. Jadi saya patut rasa terancam. Tapi yang saya perasan sepanjang tahun ialah model itu bagus hasilkan dokumen yang nampak betul dan teruk tahu dokumen mana yang patut wujud. Ia boleh ringkaskan keputusan yang dah dibuat. Ia tak tahu keputusan mana yang sengaja tak dicatat sebab seseorang tak nak dipaku padanya. Bahagian tu, membaca bilik dan tahu apa yang sengaja dibiar kabur, tu yang belum berpindah ke mana-mana.
-
Satu soalan ikhlas untuk awak, bukan untuk menangkap. Awak jelas sangat yang penyebar mesej "kau dah usang" tu silap arah, dan saya rasa awak betul tentang tu. Tapi awak mahu apa daripada post ni: menang hujah menentang LinkedIn, atau awak betul-betul nampak satu corak struktur tentang kerja mana yang berpindah ke model? Sebab kalau yang kedua, bingkai "merekalah yang diganti dulu" tu pun satu screenshot kemenangan, cuma untuk pasukan sebelah.
-
Satu soalan untuk geng tech di sini yang setuju habis-habisan. Lapisan penyelaras tu diambil bekerja atas faham yang jelas mereka tak perlu baca kod. Kalau alat baru ni menjadikan kebolehan baca kod sebagai syarat untuk guna alat tu dengan selamat, siapa yang patut tanggung kos melatih semula? Sebab dalam praktik, syarikat takkan latih semula. Mereka akan buang lapisan tu dan harap engineer serap kerja penyelarasan tu di tepi meja. Itu menang untuk siapa sebenarnya?
-
Satu pembetulan kecil pada metafora gergaji rantai tu, sebab ia hampir betul tapi tergelincir sikit. Lapisan penyelaras bukan diberi gergaji rantai dengan manual dalam bahasa asing. Mereka diberi alat yang keluarkan output yang nampak siap, dan dalam kebanyakan kes mereka takkan tahu ia rosak sebab tiada akibat balik pada mereka. Itu lebih bahaya daripada manual yang tak boleh dibaca. Manual yang tak difahami sekurang-kurangnya buat orang berhenti. Output yang nampak betul buat orang hantar terus.
-
Bahagian yang awak betul ialah arah ketaksimetrian itu. Untuk pakai output model dengan selamat, kena boleh baca diff dan tahu ia salah, dan kemahiran itu yang sama betul dengan kemahiran yang menjadikan seseorang pembina. Saya dah lihat ini di tempat kerja: migration yang dijana nampak kemas, lulus semua check linting, dan tiada rollback. Yang perasan bukan orang yang minta status update, tapi orang yang pernah kena bangun pukul dua pagi sebab migration tanpa rollback. Model itu pandai hasilkan benda yang nampak betul. Itu sebenarnya menjadikan orang yang boleh nampak ia tak betul lebih bernilai, bukan kurang.
-
Genre LinkedIn yang awak cerita tu memang sahih. "Delivery lead" post screenshot AI tulis function lepas tu tulis caption "belajar coding je dah tak cukup", padahal benda terakhir dia tulis sendiri ialah jemputan kalendar. Dia ukur impact dalam bilangan mesyuarat yang dia anjur. Aku jual syarikat aku pada angka yang aku panggil "lumayan", dan aku boleh bagitahu, takde sesiapa dalam due diligence tanya berapa banyak status rollup yang aku selaras.
-
Saya setuju dengan setengah pertama post ni dan saya rasa setengah keduanya tergelincir. Awak sendiri kata 2 daripada 40, jadi awak sebenarnya tahu kerja yang sebenar tu wujud. Tapi lepas tu awak guna 38 yang teruk untuk hapuskan keseluruhan fungsi. Kerja yang model tak boleh buat tu bukan kes pinggir: tanggung salah dalam satu bilik bila pelancaran terlewat, putuskan susunan yang betul dari segi teknikal sebenarnya bunuh diri politik, dapatkan enam pasukan yang saling benci komited pada satu tarikh. Saya buat semua tu tiap minggu dan tiada model yang dekat pun. Masalah awak dengan 38 PM teruk tu sah. Tapi tu masalah pengambilan, bukan bukti peranan tu tamat.
Related discussions
-
Kebanyakan startup AI ni sebenarnya cuma UI di atas beberapa fail Agent.md?
Kebanyakan startup AI sekarang macam ada orang cantum GPT dengan terminal, tampal UI dark mode, lepas tu bercakap seolah-olah baru cipta sesuatu. Nampak je pitch gila-gila macam “persistent autonomous cognitive agents with long-term reasoning”, bila ditenung dalamnya, intinya cuma: bagi model akses kepada tool, biar guna pelayar, mungkin tambah ringkasan memori dan logik cuba semula. Itu sajalah “produk” dia. Boleh buat sendiri pun, cuma dengan bagi akses kepada Claude di mesin sendiri.
-
Adakah AI buat para pengurus jadi gila secara klinikal?
Ada satu fantasi eksekutif baharu yang sedang berlegar, bahawa AI boleh ganti pekerja. Memang ia sedang menggantikan sebahagiannya, tetapi para eksekutif menyimpan fantasi yang membuatkan mereka rasa boleh buat sendiri kerja orang bawahan, dengan AI. Yang mereka pun boleh mengekod! Cuma buka satu dashboard penuh ejen bernama, tengok tugasan bergerak antara panel, minta kemas kini dengan nada mengarah, dan siaplah ciri sesuka hati. Rasa macam mimpi, lebih-lebih lagi bila idea "besar-besar" itu di
-
Bila mesin buat semuanya pantas, bahagian yang lambat sekarang cuma memutuskan dan menyemak?
Dulu, bahagian paling lambat dalam kerja ialah pengeluaran, jadi kita bina seluruh kerjaya untuk jadi pantas membuatnya. Sekarang mesin yang pantas, dan bahagian yang lambat ialah memutuskan apa yang hendak dibuat serta menyedari bila ia tersilap secara senyap-senyap — satu kerja yang berbeza daripada yang dilatih oleh kebanyakan kita.
-
Kenapa pengurus mahu semua orang lain guna AI kecuali diri mereka sendiri?
Yang mula menyakitkan hati saya bukan desakan AI itu sendiri. Sebahagian alatnya memang berguna. Saya guna setiap hari sekarang. Yang menyakitkan hati ialah pihak pengurusan menuntut sikap “AI-first” sambil mengekalkan setiap proses di sekelilingnya dalam keadaan yang amat memusuhi penggunaan AI. Orang disuruh guna AI untuk coding, perancangan, kajian, draf, debug, mencari maklumat, penyelarasan projek.. Tetapi separuh daripada pengetahuan operasi syarikat masih tersimpan dalam perbualan yang ta
-
Adakah AI membuatkan hampir mustahil nak bezakan jurutera hebat daripada yang cuma bising?
Maklum balas yang sama asyik datang dalam pelbagai bentuk: “velociti hebat,” “suka throughput dia,” “bagus guna AI.” Dari luar, memang nampak macam lebih banyak yang berlaku: lebih banyak Code Review, lebih banyak tiket disentuh, lebih banyak kemas kini, lebih banyak e-mel, lebih banyak tugas, lebih banyak reka bentuk. AI memudahkan kita kekalkan rentak itu tanpa geseran biasa menulis, berfikir, atau teragak-agak pun. Tetapi di dalam kerja itu sendiri, ada satu dilema yang makin lama makin membe
-
Kalau AI sendirian tak boleh ganti kerja pejabat, boleh atau tidak seorang yang ada AI ganti beberapa orang lain?
Ramai pekerja pejabat menenangkan diri dengan soalan yang salah. Mereka asyik tanya sama ada AI boleh buat kerja mereka sepenuhnya. Bukan itu ukuran yang majikan akan guna. Soalan sebenarnya: boleh atau tidak hasil itu dikeluarkan cukup murah, dan disemak cukup murah, sampai jawatan itu mula nampak mahal. Bukan persoalan AI boleh ambil alih sepenuhnya kerja kita, tetapi "boleh atau tidak ia mempercepatkan kerja itu cukup lama sampai separuh sahaja daripada pasukan saya diperlukan?". Sebab jawapa
-
Berbaloi ke pekerja Apple bersumpah membisu demi sebuah telefon?
Apple buat telefon terbaik di dunia. Saya nak rekod itu dulu sebelum mula, sebab semua benda lain yang nak saya cakap nanti akan dinafikan oleh orang yang dari segi undang-undang pun tak boleh sahkan apa warna bangunan tempat mereka kerja. Perkakasannya memang terbaik dalam industri, kemasannya betul-betul kemas, dan cara jam tangan, komputer riba, telefon dan fon telinga itu berfungsi sehati antara satu sama lain ialah sesuatu yang tiada syarikat lain pernah berjaya buat dua kali. Tak ada satu
-
Kenapa kita masih tiru CEO teknologi secara membuta tuli?
Pada saya, kebanyakan nasihat pengurusan teknologi yang terkenal cuma kelihatan bijak kerana keadaan di sekelilingnya. Harga saham yang menaik, bakat yang terkurung, dan upside ekuiti membuatkan banyak pengurusan yang teruk masih boleh bertahan. Kebanyakan organisasi tidak ada penyerap kejutan begitu, dan sebab itulah saya rasa orang patut berhenti melayan mitologi pengasas sebagai nasihat pengurusan.