AI לא צריך פחות תהליך. הוא צריך תהליך טוב יותר.

בואו נדבר על הרגע שבו אתם מבינים שלעבור למהירות-על בלי מערכת ניווט פשוט אומר שתתרסקו בכוכב לכת הרבה יותר מהר. 🚀

במשך שנים, הגביע הקדוש של התעשייה שלנו היה מהירות. ביליתי חלק עצום מהקריירה שלי בניסיון לגרום לצוותים בעלי ביצועים גבוהים לעבוד אפילו מהר יותר. שיפרנו ספרינטים, ניקינו צווארי בקבוק, ורדפנו אחרי תלויות עם ההתמקדות הבלתי מתפשרת של ליאם ניסן שמחפש את הבת שלו.

ואז AI נחת לנו בידיים ושינה את המשוואה. דברים שפעם לקחו שעות או ימים התחילו לקרות תוך דקות. זה היה אמור להרגיש כמו הניצחון האולטימטיבי.

במקום זה, איפשהו בין לראות AI מייצר בשלושים שניות משהו שפעם היה לוקח לצוות הרבה יותר זמן, נפל לי אסימון קצת לא נוח: מהירות אף פעם לא הייתה באמת הבעיה המרכזית. האתגר האמיתי תמיד היה לוודא שאנחנו בכלל נוסעים בכיוון הנכון.

כשהתחלתי להשתמש ב-AI באופן אינטנסיבי בעבודה האישית שלי, התייחסתי אליו כמו למפתח ג’וניור מהיר בטירוף ששתה הרבה יותר מדי קפה. נותנים משימה, מקבלים תוצאה, עוברים עליה, ממשיכים. הוא היה מהיר בצורה מדהימה, אבל גם מסוגל לממש רעיון בעייתי מהיסוד, לשכוח החלטות שכבר קיבלנו, ואז להסביר בביטחון מוחלט למה הגרסה החדשה שלו דווקא הגיונית לחלוטין.

ופה הבעיה התחילה להיות מעניינת באמת.

בסטודיו משחקים מסורתי, צוות טוב מחזיק כמות עצומה של הקשר שלא כתוב בשום מקום. Tech Artist זוכר מגבלה בפייפליין מלפני חצי שנה. איש QA מזהה תרחיש קצה סיוטי עוד לפני שהוא מגיע ל-Sprint Backlog. מפתח מסתכל על דרישה ואומר: “אנחנו יכולים לעשות את זה, אבל אני לא בטוח שאנחנו צריכים.”

בני אדם מתלוננים כשדברים לא הגיוניים.

AI מנומס בצורה מסוכנת.

הוא יבנה בשמחה בדיוק את מה שביקשתם, כולל החלקים שלא הבנתם שביקשתם.

דרישה עמומה שמבוצעת לאט יוצרת בזבוז. דרישה עמומה שמבוצעת מיד יוצרת בזבוז יעיל להפליא.

זה שינה את הדרך שבה התחלתי לחשוב על תהליך. אם הביצוע כבר לא החלק היקר במשוואה, אז הערך עובר למקום אחר. פתאום הדברים ה”משעממים” — בעלות, קריטריוני קבלה, תלויות, נקודות בקרת איכות — הופכים להרבה יותר חשובים.

Delivery מסורתי יכול לשרוד מידה מסוימת של עמימות כי אנשים מתקנים את המסלול כל הזמן. מישהו שואל שאלה. מישהו מאתגר הנחה. מישהו שם לב שמה שאנחנו בונים בכלל לא תואם למה שהתכוונו לבנות.

כשהביצוע קורה במהירות של AI, לחכות לסוף כדי לגלות שטעינו הופך למסוכן. יכול להיות שכבר בנינו עשר שכבות של שטויות שעובדות נהדר על גבי הטעות המקורית.

אז מצאתי את עצמי מזיז יותר ויותר מהחשיבה על איכות לשלב מוקדם יותר. לא עוד תיעוד לשם התיעוד — יותר בהירות.

מה הגבולות? אילו החלטות כבר התקבלו? מה בעצם אומר “Done”? מה ה-AI צריך לבדוק לפני שהוא ממשיך? ומתי הוא צריך לעצור ולשאול בן אדם?

ככל שאני בונה יותר עם AI, אני משתכנע יותר שהאתגר המעניין הוא לא הפרומפט. זו המערכת שמסביב לפרומפט.

וזה מוביל לשאלה שהכי מעניינת אותי מקצועית: מה קורה למנהלי Production ו-Program?

יש פחד מובן שאם AI יכול לנהל משימות, לזהות תלויות, לייצר תיעוד ולכתוב דוחות סטטוס — ובואו נודה בזה, כתבתי מספיק כאלה לחיים שלמים — אז תפקידי Production ו-Program פשוט יהיו שווים פחות.

אני חושב שחלקים מהתפקיד באמת ייעלמו, וזה לגמרי בסדר מבחינתי. הערך הגבוה של Production אף פעם לא היה לכתוב סטטוסים או להזיז טיקטים בג’ירה. הוא היה ליצור סביבה שבה קבוצה של אנשים יכולה להפוך כוונה למשהו אמיתי, בצורה אמינה ועקבית.

AI משנה את המרכיבים. הוא לא מבטל את האחריות.

וזה אומר שאני חושב יותר ויותר שהתפקיד שלנו זז מתיאום של העשייה לעיצוב הסביבה שבה העשייה מתרחשת.

איך מידע זורם? איפה החלטות נשמרות? מי אחראי על התוצאה? מה AI יכול להחליט לבד? איפה בן אדם חייב להתערב? איך מגדילים את המהירות בלי להגדיל יחד איתה את הכאוס?

אלה מרגישות לי הרבה יותר כמו שאלות של מנהיגות מאשר שאלות של טכנולוגיה.

וזה החלק שלא ציפיתי לו כשהתחלתי להתנסות עם AI. חשבתי שאני הולך ללמוד כמה תהליך הוא יכול להסיר. במקום זה, הוא גרם לי להעריך מחדש למה חלק מהתהליכים האלה היו שם מלכתחילה.

אני לא חושב ש-AI צריך יותר בירוקרטיה, והוא בהחלט לא צריך “ועדת היגוי ל-AI” שתאשר את ועדת ההיגוי ל-AI.

הוא צריך תהליך טוב יותר: כוונה ברורה, החלטות גלויות, בעלות מוגדרת, נקודות בקרה שימושיות, ובני אדם שיודעים מתי לסמוך על המערכת ומתי לאתגר אותה.

אז לכל מי שקיווה ש-AI סוף סוף יעלים את אנשי ה-Production וה-Program מהתעשייה:

מצטער.

נצטרך עוד רישיון לג’ירה. 😉