Automatizacija postaje jeftina. Vlasništvo nad odgovornošću nije.

AI može generirati komponentu, sažeti tiket, predložiti upit za bazu podataka i izraditi početni skup testova u nekoliko sekundi. To su korisne mogućnosti. No softver nije vrijedan zato što je netko brzo proizveo kod. Vrijedan je zato što je tim razumio stvaran problem, donio odgovorne kompromise i nastavio poboljšavati rezultat nakon prvog izdanja.

Ta je razlika važna za razvojne inženjere, voditelje proizvoda i poslovne subjekte koji odlučuju gdje ulagati. Posao najotporniji na zamjenu nije samo „teško programiranje”. To je posao preuzimanja odgovornosti: pretvaranja neizvjesnosti u odluke, odluka u pouzdane sustave, a sustava u ishode kojima ljudi vjeruju.

AI može ubrzati isporuku, ali ne može preuzeti posljedice

AI asistent može predložiti strategiju ponovnog pokušaja za API poziv. Ne može pouzdano odlučiti hoće li ponovni pokušaji duplicirati plaćanje korisnika, preopteretiti ovisnu uslugu ili prikriti problem koji bi trebalo prijaviti osoblju korisničke podrške.

Može sastaviti plan implementacije. Ne može biti odgovoran za trošak odgode lansiranja, dugoročni teret prečaca ili štetu nastalu kada značajka izvrsno rješava pogrešan problem.

Odgovornost počinje ondje gdje završava generirani izlaz. To znači postavljati pitanja poput:

• Koji problem korisnika ili poslovanja zapravo rješavamo?
• Što mora ostati istinito ako ovaj sustav zakaže napola?
• Koji je kompromis reverzibilan, a koji stvara trajni dug?
• Tko će upravljati ovime nakon što se tim za lansiranje posveti nečem drugom?
• Kako ćemo znati je li promjena pomogla?

To nisu apstraktna pitanja vodstva. Ona oblikuju arhitekturu, dizajn sučelja, planove izdanja, nadzor, dokumentaciju i svakodnevnu kvalitetu tehničkih odluka.

Gradite kontekst, a ne samo kod

Najkorisniji inženjeri razvijaju detaljnu sliku okruženja svojeg rada. Razumiju put korisnika, poslovni model, susjedne sustave, operativna ograničenja i ljude koji će naslijediti rješenje.

Razmotrite zahtjev za „dodavanje gumba za izvoz”. Uska implementacija može biti tehnički ispravna: prikupiti prikazane retke i izraditi datoteku. Osoba koja preuzima odgovornost gleda dalje. Izvoze li korisnici filtrirani prikaz ili cijeli skup podataka? Postoje li granice dozvola? Hoće li izvoz sadržavati osjetljive podatke? Što se događa s velikim skupom rezultata? Je li stvarna potreba jednokratno preuzimanje, zakazano izvješće ili integracija s drugim alatom?

AI može pomoći nabrojiti ova pitanja, ali netko mora odlučiti koji su odgovori važni i uključiti prave ljude u razgovor. Kontekst se stječe znatiželjom, jasnom komunikacijom i ponavljanim dodirom s problemom.

Učinite odluku vidljivom

Preuzimanje odgovornosti ne znači donositi svaku odluku samostalno. Znači učiniti odluke razumljivima. Sažeta bilješka o dizajnu može objasniti cilj, ograničenja, razmotrene alternative, odabrani pristup, rizike i plan povratka na prethodno stanje. Taj zapis pomaže udaljenim timovima da se kreću brže jer ljudi ne moraju rekonstruirati namjeru iz raspršenih poruka i commitova.

Za promjene s važnim posljedicama zapišite operativni put, kao i idealni put. Na primjer:

Zahtjev primljen
  - provjeri ulaz i autorizaciju
  - stvori radnu stavku s ključem idempotentnosti
  - obradi asinkrono
  - zabilježi ishod i obavijesti podnositelja zahtjeva

Ako obrada ne uspije
  - zadrži dovoljno stanja za istragu
  - pokušaj ponovno samo kada je operaciju sigurno ponoviti
  - prikaži jasno stanje neuspjeha
  - upozori odgovorni tim kada je potrebna intervencija

Vrijednost ovog pregleda nije u njegovu formatu. Ona je u disciplini propitivanja što se događa kada je sustav spor, djelomično dovršen ili pogrešan.

Korisni softver živi i nakon postavljanja

Značajka nije dovršena kada se spoji. Dovršena je kada radi za predviđene korisnike u realnim uvjetima i kada je tim može podržavati bez nagađanja.

Tu tehnička odgovornost postaje vidljiva. Promišljena isporuka uključuje odgovarajuće testove, sigurne kontrole uvođenja, korisne zapise, smislene metrike, dokumentaciju za podršku ili operacije te put povratka na prethodno stanje. Točni se alati razlikuju, ali standard ostaje isti: ne predajte neizvjesnost sljedećoj osobi bez da je učinite vidljivom.

Za udaljeni tim ova je praksa osobito važna. Kolege mogu biti razdvojeni vremenskim zonama, prioritetima i radnim vremenom. Nejasna primopredaja stvara kašnjenje. Dobra primopredaja objašnjava što se promijenilo, zašto se promijenilo, kako to provjeriti, na što paziti i tko treba biti uključen ako nešto pođe po zlu.

Dajte prednost povratnim petljama pred velikom sigurnošću

Rad na proizvodu rijetko počinje savršenim informacijama. Odgovor nije pretvarati se da postoji sigurnost; odgovor je osmisliti brze, odgovorne petlje učenja. Kada je moguće, objavite malu verziju. Prije isporuke definirajte kako bi uspjeh izgledao. Pratite stvarno ponašanje. Razgovarajte s pogođenim ljudima. Zatim revidirajte.

Ovaj način razmišljanja također poboljšava upotrebu AI-ja. Generirani kod tretirajte kao hipotezu, a ne kao autoritet. Pregledajte njegove pretpostavke. Pokrenite testove. Provjerite rukovanje pogreškama. Pregledajte granice podataka. Provjerite odgovara li rezultat konvencijama i operativnim potrebama postojećeg sustava.

Brz nacrt može biti prednost. Neprovjeren nacrt može biti skupa distrakcija.

Pretvorite AI u polugu, a ne zamjenu za prosudbu

Najjača upotreba AI-ja često je uklanjanje trenja niske vrijednosti kako bi ljudi mogli više vremena provesti na poslu koji zahtijeva prosudbu. Može pomoći izraditi polazište za dokumentaciju, identificirati prilike za ponavljajuće refaktoriranje, objasniti nepoznat kod ili generirati testne slučajeve vrijedne pregleda.

No timovi bi trebali jasno odrediti gdje ljudska odgovornost ostaje neupitna:

• Razjašnjavanje problema i prepoznavanje pogođenih korisnika.
• Odobravanje promjena koje utječu na sigurnost, novac, privatnost ili pouzdanost.
• Odabir arhitekture na temelju stvarnih ograničenja organizacije.
• Pregled generiranog koda i provjera ponašanja u stvarnom sustavu.
• Preuzimanje odgovornosti za komunikaciju kada se promijene izdanje, incident ili prioritet.

Ovo nije argument za sporiji rad. Ovo je argument za pažljivo korištenje brzine. Tim koji automatizira rutinski trud uz zaštitu promišljenog pregleda može isporučivati održivije od tima koji brzi izlaz zamjenjuje za napredak.

Razvijajte navike koje automatizacija ne može oponašati

Otpornost karijere manje se odnosi na obranu uskog zadatka, a više na proširivanje opsega vrijednosti koju možete odgovorno nositi. Naučite jasno oblikovati probleme. Postanite pouzdani u dvosmislenim situacijama. Objašnjavajte kompromise bez dramatiziranja. Poboljšavajte sustave za ljude koji ih koriste i održavaju.

Te se navike umnožavaju. Razvojni inženjer koji razumije rizik postavljanja postaje korisniji u raspravama o dizajnu. Tehnički voditelj koji razumije bol korisnika donosi bolje odluke o određivanju prioriteta. Inženjer usmjeren na proizvod koji dobro komunicira čini distribuirani tim mirnijim i bržim.

AI će nastaviti mijenjati način na koji se softver izrađuje. To bi trebalo podići standard našeg rada, a ne smanjiti ga. Trajna prednost nije tipkati brže od stroja. Ona je biti osoba koja može odlučiti što zaslužuje biti izgrađeno, učiniti to dovoljno sigurnim da mu se može vjerovati i ostati odgovorna za ono što slijedi.

To je odgovornost. A u automatiziranom svijetu to je jedan od najvrjednijih oblika umijeća.