Narzędzia sztucznej inteligencji faktycznie zwiększają efektywność zarządzania pracami związanymi z tworzeniem oprogramowania, ale zysk wynika z mniejszych oszczędności czasu na wielu zadaniach, a nie z jakiejś magicznej siły. Pomagają zespołom szybciej poruszać się w obszarze przeglądów kodu, triaża zgłoszeń, planowania i pisania rutynowych dokumentów, przy czym menedżer nadal musi sprawdzać jakość i dbać o to, by proces był rozsądny.
Ciągle wracam do jednego prostego wniosku. Najlepsze narzędzia nie zastępują zarządzania. Usuwały one pracę biurową, która blokuje menedżera.
Ma to znaczenie, ponieważ zarządzanie oprogramowaniem jest pełne drobnych opóźnień. Zgłoszenie wymaga czystego podsumowania. Pull request potrzebuje notatek z przeglądu. Raport błędu wymaga pierwszego rzutu oka. Notatki wydania potrzebują tekstu w formacie plain text. Narzędzie AI może pomóc w każdym z tych zadań, przygotowując szkice tekstu, sortując kontekst lub wskazując prawdopodobne kolejne kroki. Oznacza to mniej czasu spędzonego na pracy administracyjnej i więcej czasu na podejmowanie decyzji wymagających sądu.
Przydatna część nie polega na funkcjach wyróżnianych w nagłówkach. Chodzi o redukcję przełączania kontekstu. Gdy członek zespołu może poprosić narzędzie o podsumowanie długiego wątku, przygotowanie szkicu zgłoszenia lub wskazanie ryzyka w przeglądzie kodu, praca nie zwalnia. Dlatego AI tak dobrze pasuje do pracy menedżerskiej. Zarządzanie często sprowadza się do jasnego określenia kolejnego kroku.
Myślę również, że przegląd kodu to jedno z najbardziej wyraźnych miejsc, gdzie te narzędzia pomagają. Narzędzia do przeglądów mogą wyłapywać proste problemy wcześniej, grupować komentarze i dokonywać wstępnego przeglądu zmian. Nie oznacza to, że przegląd staje się ostateczny. Tylko sprawia, że ludzki przegląd jest krótszy i bardziej skoncentrowany. Ta sama zasada dotyczy narzędzi do planowania, które przekształcają luźne notatki w listy zadań. Menedżer nadal decyduje, co ma znaczenie, ale szkic powstaje szybciej.
Istnieje inny użyteczny efekt, który przyciąga mniej uwagi. Narzędzia AI mogą sprawić, że praca ze statusami będzie mniej męcząca. Mogą przekształcać notatki z spotkań w elementy do wykonania. Mogą przekształcać wątki zgłoszeń w krótkie aktualizacje. Mogą pomagać w synchronizacji dokumentów projektu. To nie są widowiskowe sukcesy, ale oszczędzają czas każdego dnia. W rzeczywistych zespołach te małe oszczędności sumują się bardziej niż jedna duża funkcja.
Mimo to należy uznać, że istnieją tu szczere ograniczenia. Narzędzia AI są dobre w pracy wzorcowej, ale mają słabe punkty. Mogą pominąć niuanse projektu, wymyślać szczegóły lub brzmieć pewnie, gdy fakty są chude. To realne ryzyko w zarządzaniu, ponieważ złe podsumowanie może bardzo szybko rozprzestrzenić niewłaściwy plan. Dlatego narzędzie pomaga najbardziej, gdy człowiek sprawdza wynik przed tym, stanie się on podstawą decyzji.
Nie traktowałbym też każdego narzędzia AI jako narzędzia menedżerskiego tylko dlatego, że posiada pole czatu. Niektóre narzędzia to naprawdę pomocniki do kodowania. Inne to pomocniki do przeglądów. Niektóre pomagają w śledzeniu projektu. Znajdują się na różnych warstwach przepływu pracy. Przydatny test jest prosty: czy narzędzie usuwa realne opóźnienie w przepływie pracy zespołu, czy tylko dodaje jedno miejsce więcej do kliknięcia?
To jest ta część, której ufałem najbardziej. Narzędzia AI zwiększają efektywność zarządzania w programowaniu, gdy redukują pracę powtarzalną, skracają pętle przeglądów i ułatwiają pisanie oraz czytanie aktualizacji. Działają najlepiej jako narzędzia wspierające ludzki sąd, a nie jako jego zamiennik. Jeśli ten balans jest jasny, wartość jest rzeczywista. Jeśli nie, narzędzie staje się jedną rzeczą więcej do zarządzania.
The Model Log pasuje do tego samego poglądu: jeden praktyczny koncept AI, jeden działający przykład i jeden szczery взгляд na to, co naprawdę działa.
