Većina timova nema problem s razumijevanjem umjetne inteligencije. Imaju problem s vlasništvom.

Asistent za programiranje može u nekoliko sekundi izraditi uvjerljivu funkciju, objasniti nepoznatu pogrešku ili predložiti test. To je korisno. Ali korisno nije isto što i razumijevanje. Teži dio razvoja softvera oduvijek je bio znati zašto se sustav ponaša kako se ponaša, koji su kompromisi važni, tko ga može sigurno promijeniti i što mora ostati istinito kada stigne sljedeći rok.

Ako umjetna inteligencija postane brzi sloj između razvojnih inženjera i njihove vlastite baze koda, može neprimjetno oslabiti te odgovore. Ako je oblikovana kao partner unutar zdravog inženjerskog sustava, može olakšati pronalaženje, testiranje i održavanje odgovora. Tehnički lideri trebaju projektirati za drugi ishod.

Kod je samo jedan dio priče

Repozitorij sadrži implementaciju, ali ne nužno i namjeru. Petlja za ponavljanje pokušaja plaćanja može biti oblikovana korisničkim iskustvom, ponašanjem vanjskog pružatelja usluge, zahtjevima usklađenosti i bolnim incidentom od prije nekoliko godina. Zastavica značajke može štititi postupno uvođenje, ugovornu obvezu ili eksperiment čiji su se kriteriji uspjeha promijenili.

Alat umjetne inteligencije koji vidi samo izvorne datoteke često će generirati lokalno razumne promjene. Lokalno razumne promjene ipak mogu prekršiti stvarna ograničenja sustava.

Zato je cilj „neka model poznaje našu bazu koda” premalen. Bolji je cilj učiniti pouzdan inženjerski kontekst dostupnim u trenutku rada. Kontekst bi trebao pomoći osobi i umjetnoj inteligenciji odgovoriti na pitanja kao što su:

• Koji problem rješava ova komponenta?
• Koje nepromjenjive uvjete ova promjena mora očuvati?
• Tko donosi odluku kada su zahtjevi nejasni?
• Koji su testovi, nadzorne ploče, priručnici za rad i kontrole uvođenja relevantni?
• Što je namjerno privremeno, a što je temeljno?

Ovo nije dokumentacija radi dokumentacije. To je operativna memorija. Kada nedostaje, timovi plaćaju sporijim pregledima, ponovljenim raspravama, krhkim uvođenjem novih članova i slučajnim regresijama. Umjetna inteligencija samo čini taj jaz vidljivijim.

Izgradite sustav konteksta, a ne zbirku upita

Višekratno upotrebljivi upiti imaju svoje mjesto, osobito za rutinske zadatke. Ali biblioteka domišljatih uputa nije arhitektura znanja. Ne utvrđuje koje su informacije aktualne, što je mjerodavno ni kako treba provjeriti generirani odgovor.

Započnite tako da granice svake usluge ili područja proizvoda učinite razumljivima. Novi suradnik trebao bi moći pronaći njegovu svrhu, primarne tijekove rada, ovisnosti, vlasnike, operativne rizike i povijest odluka bez tretiranja sučelja za razgovor kao jedinog izvora istine.

Držite važan kontekst blizu rada

Dobar kontekst je specifičan, održavan i lako ga je otkriti. Za uslugu to može uključivati sažet pregled, upute za lokalno postavljanje, kartu ključnih modula, poveznice na arhitektonske odluke i kratko objašnjenje načina na koje može otkazati. Za mogućnost proizvoda to može uključivati kriterije prihvaćanja, važne metrike i ograničenja trenutačnog dizajna.

Dajte prednost referencama pred dupliciranim tekstom. Repozitorij može upućivati na kanonski operativni priručnik umjesto da ga kopira u vodič koji će zastarjeti. Tijek rada potpomognut umjetnom inteligencijom tada može dohvatiti relevantan materijal, dok inženjeri mogu pregledati izvorni izvor kada je odluka važna.

Svaki izvor konteksta također treba jasnog vlasnika. „Svi su vlasnici dokumentacije” često znači da nitko nema vremena ni ovlasti za rješavanje proturječja. Vlasništvo ne znači da jedna osoba piše svaku riječ. Znači da je netko odgovoran za održavanje korisnosti materijala i za odlučivanje kada je zastario.

Zabilježite odluke na pravoj razini

Ne zaslužuje svaki izbor implementacije službeni zapis. Odluke koje vrijedi sačuvati su one koje bi razuman inženjer kasnije mogao poništiti bez poznavanja izvornih ograničenja: pravila zadržavanja podataka, izbori dosljednosti, granice integracije, strategije migracije ili namjerna ograničenja u javnom tijeku rada.

Jednostavan zapis odluke trebao bi odgovoriti što je odlučeno, zašto, koje su alternative razmotrene i zbog čega bi se odluka ponovno razmotrila. To je posljednje pitanje posebno vrijedno za rad podržan umjetnom inteligencijom. Pretvara statično objašnjenje u uvjet koji može usmjeravati buduće promjene.

Namjerno oblikujte krug ljudskog pregleda

Umjetna inteligencija može izraditi nacrt koda, testova, bilješki o izdanju, sažetaka incidenata i planova migracije. Ne može preuzeti odgovornost za njihove učinke. Tim mora jasno odrediti gdje generiranje završava, a inženjerska prosudba počinje.

Praktičan krug pregleda ima tri faze:

1. Uokvirite zadatak. Navedite namjeravani ishod, ograničenja, pogođena sučelja i ono što se ne smije promijeniti.
2. Pregledajte prijedlog. Pregledajte generirani kod kao da je došao od novog člana tima: pratite ulaze i izlaze, pregledajte putanje pogrešaka, propitujte pretpostavke i usporedite ga s okolnim konvencijama.
3. Provjerite ponašanje. Pokrenite relevantne testove, dodajte testove za promijenjeno ponašanje i primijenite odgovarajuće zaštitne mjere pri uvođenju prije nego što rad smatrate dovršenim.

Faza uokvirivanja često se preskače jer se čini sporijom od trenutačnog traženja koda. U praksi je to mjesto na kojem tehničko vodstvo stvara prednost. Jasna definicija zadatka smanjuje nejasnoću za alat i ubrzava pregled za ljude.

Na primjer, „dodaj ponovne pokušaje klijentu” nije dovoljno precizno. Sigurniji zahtjev navodi koji se kvarovi mogu ponovno pokušati, najveći broj pokušaja, jesu li operacije idempotentne, kako je odgoda ograničena, što treba zapisivati u dnevnik i kako pozivatelji saznaju da su ponovni pokušaji iscrpljeni. To su odluke o proizvodu i pouzdanosti, a ne odluke o sintaksi.

Učinite generirane promjene lakima za preispitivanje

Udaljeni timovi trebaju tijekove rada koji ostavljaju razumljiv trag. Član tima koji pregledava rad kroz vremenske zone ne bi trebao rekonstruirati cijeli razgovor koji je doveo do promjene. Zahtjev za povlačenje, problem ili bilješka o dizajnu trebaju biti samodostatni.

Zahtijevajte sažeta objašnjenja promjena ponašanja, pretpostavki, pokrenutih testova i razmatranja uvođenja. Ako je umjetna inteligencija pomogla izraditi implementaciju, standard ne bi trebao biti niži. Autor i dalje mora objasniti rezultat vlastitim riječima.

To štiti razvoj inženjera jednako kao i kvalitetu koda. Inženjeri razvijaju prosudbu oblikovanjem modela, predviđanjem, primanjem povratnih informacija i revidiranjem svojeg razumijevanja. Kopiranje odgovora preskače taj krug. Pregledavanje, testiranje i objašnjavanje odgovora ga jača.

Koristite umjetnu inteligenciju da skratite udaljenost između pitanja i dobro testiranog razumijevanja, a ne između zadatka i neispitane promjene.

Mjerite održivu isporuku, a ne volumen rezultata

Primamljivo je procjenjivati usvajanje umjetne inteligencije prema količini koda koja se pojavljuje ili broju zatvorenih zadataka. Te mjere mogu nagraditi pogrešno ponašanje: veće razlike, površno pouzdanje i rastući zaostatak odluka koje je teško razumjeti.

Umjesto toga, tražite znakove da tim postaje sposobniji. Je li promjene lakše pregledati? Pronalaže li novi inženjeri pravi kontekst ranije? Rješavaju li se incidenti uz jasnije priručnike za rad? Pretvaraju li se ponavljajuća pitanja u održavano znanje? Mogu li timovi objavljivati manja, sigurnija izdanja bez stvaranja skrivenog operativnog rada?

Te je ishode teže sažeti na nadzornu ploču, ali su bliži trajnoj isporuci proizvoda. Također otkrivaju gdje umjetna inteligencija izlaže dug: nejasno vlasništvo, zastarjelu dokumentaciju, netestirano ponašanje ili odluke o proizvodu koje nikada nisu izričito donesene.

Vlasništvo je konkurentska prednost

Najvrjedniji timovi neće biti oni koji generiraju najviše koda. Bit će to timovi koji mogu s pouzdanjem promijeniti pravi kod jer razumiju sustav, potrebu korisnika i posljedice neuspjeha.

Umjetna inteligencija može ubrzati tu sposobnost kada su njezini rezultati utemeljeni na održavanom kontekstu, ograničeni jasnim odgovornostima i provjereni discipliniranim praksama isporuke. Alat može pomoći napisati sljedeći redak. Vlasništvo je ono što timu omogućuje objasniti zašto taj redak pripada tamo, dokazati da radi i održavati ga dugo nakon što upit nestane.