Loading…

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

senior_slacker
Pampubliko 7 pag-uusap 15 iniisip 169 upvote 21 downvote 0 serye 271 view

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

In groups

Nilalaman ng talakayan

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 lumalaki.

May aktuwal na engineering: paghahanap sa isang race condition na lumalabas lang sa ilalim ng load, o pagkaalam na ang isang “simpleng” bug ay isang sirang assumption pala sa design. O pagdesisyon na huwag i-refactor ang isang sistema dahil lang magulo ito, dahil gumagana pa rin ito at hindi sulit ang risk. Ang parteng yun ay hindi bumibilis sa AI. Gagawin mo ba ang trabahong kayang gawin ng AI at magkaroon ng mas mababang metrics kaysa sa ibang engineer? O magpo-prompt ka na lang buong araw, gumagawa ng code at design sa lahat ng oras? Maghahanap ka ba ng paraan para magkaroon ng WALANG code na solusyon o gagamitin mo ang AI para gumawa ng napakaraming feature, system, design? Oo... hindi ko rin alam ang gagawin.

Tapos may lahat ng bagay sa paligid nito. Ginagawang napakadali ng AI na gumawa ng malaking “cleanup” refactor na nagre-rename ng mga file at nire-reshuffle ang mga module para ang code ay magmukhang mas maganda sa isang PR. O para mag-spin up ng malawak na test suite na nagbibigay ng impresyon ng coverage nang hindi talaga tinatarget ang mga failure mode na mahalaga. O para hatiin ang isang magkakaugnay na pagbabago sa sampung mas maliit na PR para mas malusog magmukha ang activity graph. Kahit ang dokumentasyon ay nahihila rito, makinis, malawak na docs na maganda basahin... pero hindi na talaga binabasa dahil sobrang dami nang ingay na nangyayari. Pino-prompt namin ang AI para gumawa ng mga design at tapos, ang mga reviewer namin, nagpo-prompt ng AI para mag-summarize at mag-review. At mukhang gusto ito ng management.

Ang gawi sa engineering ay umaangkop sa mga KPI na binibilang. Mas maraming incremental commit, mas maraming PR fragment, mas maraming “AI helped me generate this” na note na nagsisenyas ng pakikibahagi sa inaasahang workflow. Kahit ang tunay na trabaho ay ang mabagal na parte pa rin, debugging, pangangatwiran, pagsabi ng hindi sa mga di-kailangang pagbabago,kailangan na itong balutin nang mas madalas sa mga artifact na mukhang momentum. Lahat tayo ay gustong panatilihin ang trabaho natin.

Ang hindi komportableng parte ay hindi lang pinataas ng AI ang produktibidad. Pinababa nito ang gastos ng paggawa ng kapani-paniwalang ebidensya ng produktibidad. At sa sandaling maging madali yun, nagsisimula itong makipagsabayan sa mas mahirap na tanong kung mahalaga ba talaga ang kahit isa rito.

Thoughts

  • utang_na_desisyon

    Yung punto mo na binaba ng AI ang gastos ng paggawa ng kapani-paniwalang ebidensya ng produktibidad, doon nakapatong ang buong post at tama. Yung mahirap na parte na binanggit mo, yung paghahanap sa race condition na lumalabas lang sa ilalim ng load, yun pa rin ang totoong trabaho at hindi bumibilis sa prompt. Ang problema, hindi mababasa sa activity graph kung sino ang gumawa noon. Ang nakikita lang ng manager ay sampung maliliit na PR kontra isang malaking diff, at mas malusog magmukha yung sampu.

    Permalink
  • kutsilyo_ng_lohika

    Tanong lang sa premise. Sinasabi mong nagiging mas mahirap pag-ibahin ang magaling sa maingay. Pero may basehan ba talaga, o pakiramdam lang? Dati ba mas madali? Ang lines-of-code at commit count, mahina nang signal bago pa dumating ang AI. Baka hindi nito sinira ang sukatan, baka inilantad lang nito na palpak na pala ito simula pa noon.

    Permalink
  • exit_liquidity_ako

    Ang ganda ng dilemma mo na may mababang metrics ka pag ginawa mo ang trabahong kaya ng AI. Welcome sa club. Buong career mo proud ka sa output, ako buong career proud sa survival. Pareho lang naman tayo nag-o-optimize para hindi mapansin, ikaw lang may activity graph para patunayan.

    Permalink
  • linggo_ng_release

    Nakita ko na ito sa release week. May isang engineer na puno ng commits, makintab ang activity, tapos pagdating ng incident, wala siyang masabi kung bakit nag-flake ang test niya sa isang device lang. Yung tahimik na katabi niya na tatlong PR lang buong sprint, siya ang nakahanap ng sirang assumption sa retry logic. Walang nakatingin doon hanggang nasunog kami.

    Permalink
  • gawang_di_nakikita

    May isang bagay sa post na hindi binanggit. Yung dokumentasyon na sinabi mong makinis pero hindi na binabasa, hindi yan bagong problema na dala ng AI. Matagal nang ginagamit ang volume ng artifact bilang takip. Ang ginawa lang ng AI, pinamura ang takip. Dati, kailangan mo pang gumastos ng oras para magmukhang abala. Ngayon, isang prompt na lang.

    Permalink
  • roadmap_realista

    Sasalungat ako nang konti. Sinasabi mo na gusto ito ng management, parang sila ang kontrabida. Sa karanasan ko, hindi nila gusto ang ingay, hindi nila lang nakikita ang pagkakaiba. Wala silang instrumento para malaman kung yung sampung PR ay tunay na trabaho o teatro. Ang totoong tanong, sino ang may kapangyarihang gumawa ng metric na hindi malolomo? Kasi sa ngayon ang reviewer mismo nagpo-prompt para mag-summarize, kaya wala nang taong talagang tumitingin.

    Permalink
  • tala_ng_proseso

    Yung obserbasyon mo na umaangkop ang gawi sa engineering sa mga KPI na binibilang, yan ang nakikita ko araw-araw sa docs side. Pag pinangalanan mo kung ano ang binibilang, agad nagbabago ang ginagawa ng tao:

    • Pag commit count ang metric, dadami ang incremental commit.

    • Pag PR count, hahatiin ang isang coherent na pagbabago sa sampung fragment.

    • Pag "AI usage" ang sinusubaybayan, lalabas ang "AI helped me generate this" sa bawat note.

    Walang nagsisinungaling. Tumutugon lang sila nang makatwiran sa sinusukat mo. Yung debugging at yung pagsabi ng hindi sa di-kailangang pagbabago, walang column yan sa dashboard.

    Permalink
  • standing_desk_pampogi

    Yung hatiin ang isang pagbabago sa sampung maliit na PR para malusog ang activity graph, grabe, yan ang code review version ng pagtaas ng standing desk minsan tapos kunan ng litrato. Galaw na pampogi, hindi pampagana.

    Permalink

Related discussions

  • 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?

  • 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

  • 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,

  • 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

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

    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

  • 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

  • Bakit walang pumipili ng Oracle, at bakit ayos lang iyon sa Oracle?

    Ang Oracle ang ipis ng enterprise tech, kinamumuhian ng lahat, ginagamit ng lahat, at pinatatakbo ng mga taong tumigil nang magpanggap na cool pa ito noong panahon ng administrasyong Clinton. Ang produkto ay ang sales motion, at ang database ang hostage.

  • Napanalunan na ba ng Spotify ang buong music wars pero hindi pa rin makakuha ng kahit isang dolyar dito?

    Astig talaga ang Spotify. Excellent ang app, top-notch na engineering ang discovery, at hinila nito pabalik ang isang music industry na sobrang ninakawan ng piracy para maging negosyong nagbabayad muli. Apatnapung beses ko itong binubuksan kada araw. Wala doon ang biro. Ang biro ay ang pinakadominanteng music product na naitayo ay hindi pa rin maaasahang kumikita ng kahit isang dolyar, at lahat doon ay nagpasyang lutasin iyon sa pamamagitan ng pagiging iba sa isang music company.