گفتن اینکه هوش مصنوعی نحوه کار مهندسان نرمافزار را تغییر داده است، کمگویی است. کامرون اعتزادی، مدیر ارشد فناوری LaunchDarkly و معاون سابق مهندسی IBM، به The New Stack میگوید که این تغییر فراتر میرود و هوش مصنوعی همه مهندسان را به مدیر تبدیل کرده است.
«من صادقانه معتقدم که دیگر نقشی به عنوان مشارکتکننده فردی (IC) وجود ندارد. هر مهندس آیسی در حال حاضر یک مدیر خط مقدم است، حتی تازهفارغالتحصیلان.»
از این نظر، او استدلال میکند که مهارتهای لازم برای یک مهندس خوب امروز در واقع همان مهارتهای مورد نیاز برای یک مدیر خوب است: برنامهریزی پروژه و هماهنگی بینتیمی. شرکتها باید کار مهندسان را به همان روشی ارزیابی کنند که مدیران خط مقدم را ارزیابی میکنند.
تحقیقات گارتنر: تیمهای کوچکتر در راه است
دیدگاه اعتزادی با تحقیقات جدید گارتنر همسو است. این مؤسسه پیشبینی میکند تا سال ۲۰۲۹، ۶۰٪ از سازمانها تیمهای مهندسی نرمافزار کوچکتری خواهند داشت. آلیا کاماچو، تحلیلگر اصلی گارتنر، از ظهور «تیمهای کوچک» متشکل از تنها دو تا سه مهندس خبر میدهد.
اما اگر نقش مهندسی نرمافزار به سمت مدیریت میانی حرکت کند، آیا هوش مصنوعی واقعاً بهرهوری را افزایش داده است؟ رهبران فناوری مطمئن نیستند که سیگنالهای درستی را زیر نظر دارند.
کد بیشتر و سریعتر به معنای بهرهوری بیشتر نیست
ابزارهای کدنویسی هوش مصنوعی در همه جا حاضر هستند و غولهای فناوری آنها را آیندهای غیرقابل انکار مینامند. اما دانیل وانگ، مدیر ارشد فناوری Citizen Health و مدیر سابق مهندسی در اوبر، به The New Stack میگوید: «نرمافزار برای حل مشکلات وجود دارد. اگر هوش مصنوعی به ما اجازه دهد ۱۰ برابر کد بیشتر ارسال کنیم اما نتایج مشتری بهبود نیابد، ما بهرهورتر نیستیم.»
«نرمافزار برای حل مشکلات وجود دارد. اگر هوش مصنوعی به ما اجازه دهد ۱۰ برابر کد بیشتر ارسال کنیم اما نتایج مشتری بهبود نیابد، ما بهرهورتر نیستیم.»
وانگ پیشنهاد میکند شرکتها باید به کیفیت تصمیمگیری و نتایج توجه کنند: معیارهایی مانند زمان چرخه از ایده تا تولید، نرخ بازگشت، نقصهای فرار و قابلیت اطمینان سیستم. همچنین سوالات کیفی مانند «آیا راه حل درست را انتخاب کردیم؟» و «آیا کد واقعاً مشکلات مشتریان را حل میکند؟»
معیارهای سنتی: خطوط کد و ادغامهای PR
آمیا کانیتکار، بنیانگذار و مدیر ارشد فناوری پلتفرم اندازهگیری هوش مصنوعی Larridin و رئیس سابق مهندسی در Coinbase، میگوید بیشتر شرکتها همچنان معیارهای قدیمی مانند خطوط کد، ادغامهای PR یا نقاط سرعت را ردیابی میکنند. این معیارها سنجش واقعی ارزش نیستند و میتوانند تیمها را از نتایج مولد منحرف کنند.
فشار برای تولید بیشتر و خطر فرسودگی
با افزایش فشار برای تولید سریعتر، برخی مهندسان به عوامل هوش مصنوعی روی میآورند تا در خواب برایشان کار کنند. اما این فشار پسزمینهای مداوم ایجاد میکند. کانیتکار هشدار میدهد که تمرکز صرف بر خروجی میتواند منجر به فرسودگی شود، اگرچه هوش مصنوعی سرعت را افزایش میدهد.
برای مطالعه بیشتر در مورد تأثیر هوش مصنوعی بر نیروی کار، به ویکیپدیا مراجعه کنید.
