Agentska umjetna inteligencija je sada ključni dio inženjerskog procesa, pokreće ogromnu snagu izvršenja i pomaže nam da generišemo više koda nego ikada prije. Međutim, teško pitanje koje sve češće čujem od poslovnih lidera je: ako šaljemo kod brže nego ikad, zašto se naši proizvodi ne poboljšavaju istom brzinom?
Razlog je taj što pisanje koda nikada nije bilo ograničavač brzine. Definisanje pravih zahteva, integracija sa složenim sistemima i održavanje softvera u realnim uslovima uvek je bio težak deo. A kada agenti preplave organizaciju s puno novog koda, teži dio postaje samo teži. Agenti komprimiraju vremena izvršenja. Oni ne sažimaju dvosmislenost, odgovornost ili operativnu složenost.
Kako se kod generiran umjetnom inteligencijom širi, ljudski pregled postaje veliko novo usko grlo, a inženjeri gube kontekst potreban za otkrivanje grešaka agenta. Kompanije koje to razumiju krenut će naprijed promišljeno i čak i stvaraju nove uloge zahvaljujući vještačkoj inteligenciji. Oni koji to ne urade zadat će jednostavnijim, daleko destruktivnijim zaključkom: Smanjite broj zaposlenih i povećajte potrošnju umjetne inteligencije.
Knjiga igrica
Nepovratne strukturalne odluke zahtijevaju oprez, upravo zato što se tehnologija tako brzo kreće. Vođama korporativnog inženjeringa potrebna je promišljena knjiga za navigaciju kroz haos. Evo kako da počnete:
Faza 1: Upravljanje finansijama i rizicima
Zaštitite praznine — osigurajte infrastrukturu i zaustavite finansijsko krvarenje.
Tretirajte menadžment kao rizik prvog nivoa: Pritisak da se integriše AI je stvaran, ali davanje timovima slobode da eksperimentišu bez centralizovane strukture stvara fragmentirane procese, dupliran rad i neverovatne troškove. Organizacije će morati da uspostave zajedničke standarde dok će timovima omogućiti da se prilagode i istražuju unutar definisanih granica. To znači da konfiguraciju agenta treba tretirati kao proizvodnu infrastrukturu – verzioniranje, pregled i testiranje upita i vještina prije nego što se uvede.
Provedba najmanje privilegija za neljudske aktere: Nikada nemojte dozvoliti agentu da jednostavno naslijedi pune dozvole svog ljudskog operatera. Ljudski inženjeri imaju širok pristup jer posjeduju kontekstualno prosuđivanje i snose konačnu odgovornost. Uvođenje agenata sa pristupom na nivou ljudi bez pažljivog razmatranja uvodi prazninu u odgovornosti u vaše sisteme. Provedite strogo razdvajanje između čitati i pisati/izvršiti pristupiti i ovlastiti pristupe odobrenja za ljude u petlji za destruktivne radnje ili radnje koje mijenjaju proizvodnju. Kako agenti prelaze sa predlaganja koda na samostalno izvršavanje zadataka, oni moraju biti rigorozno ugrađeni u vaš sigurnosni model.
Pazi na novčanik: Zaštitite svoj ukupni AI budžet provođenjem kvota i ograničenja stope za inženjering i proizvodnju. Priče upozorenja sve su češće: Uber je naknadno ograničio potrošnju na umjetnu inteligenciju spaljivanje budžeta za 2026. do aprilaa prema Axiosu, neimenovana kompanija napravio zapanjujućih 500 miliona dolara Anthropic račun u jednom mjesecu zbog odbjeglog agenta petlje.
Faza 2: Tehnička strategija
Napravite motor: odaberite prave modele i izmjerite njihov uspjeh.
Prebacite se na više modela i više dobavljača: Nijedan model se ne ističe u svakom zadatku. Važno je precizno definirati granice ponašanja i performansi između modela kako bi se razumjelo gdje se svaki od njih ističe, usmjeravajući specifične zadatke na sisteme koji su najbolje opremljeni da ih nose. Standardizacija na jednom dobavljaču ili modelu žrtvuje mogućnosti i uvodi jednu kritičnu tačku kvara. Nijedna organizacija ne bi trebala apsorbirati taj nivo rizika koncentracije u svojoj osnovnoj inženjerskoj funkciji.
Platite granicu: Tretirajte AI kao inženjersku polugu, a ne samo još jedan trošak SaaS-a. Platite za vrhunske modele koji daju otiske najvišeg kvaliteta i smanjuju skupe prerade. Na kraju krajeva, najjeftiniji model nije onaj sa najnižom cijenom tokena – to je onaj koji maksimizira efikasnost dok minimizira vaš nizvodni rizik.
Izmjerite šta je zaista važno: Implementacije, linije koda i zahtjevi za povlačenjem nikada nisu bili dobri pokazatelji produktivnosti, a sa AI aktivno obmanjuju. Umjesto toga, ciljajte metriku koja se odnosi na poslovne rezultate (usvajanje funkcija, zadržavanje) i inženjersku trajnost (stopa neuspjeha promjena, izbjegnuti defekti, postojanost koda tokom vremena). Za efikasnost AI, mjerite uspjeh zadatka po dolarima i vremenu obrade. Brojanje žetona je dobro za rang liste, ali vam ne može reći da li su žetoni dobro potrošeni.
Faza 3: Talenat i organizacija
Preusmjerite svoj ljudski kapital kako biste upravljali novim uskim grlom.
Prebacite inženjere sa sintakse na sisteme: Budući da agenti upravljaju većinom generiranja koda, ljudski pregled i arhitektonsko usklađivanje nova su uska grla. Organizacije moraju namjerno usavršiti svoju radnu snagu kako bi prešle od pisaca sintakse do sistemskih mislilaca i menadžera agenata. Inženjerima je potrebna obuka i mandat da vode procese agencije, upravljaju složenim integracijama između sistema i imaju sveobuhvatnu arhitektonsku viziju koju agenti mogu teško održati.
Redefinirajte učinak i poticaje: Kada pojedinačni inženjer može da generiše izlaz bivšeg tima, tradicionalne metrike kao što su tačke priče ili brzina sprinta mogu postati troškovno neefikasne. Razmislite o ponovnom usklađivanju okvira ocenjivanja kako biste bolje nagradili prošireni poslovni uticaj, pouzdanost među sistemima i efektivnu orkestraciju agenata. Ako želite sistemske mislioce koji pokrivaju više strateških područja, spremni su da istražuju i preuzimaju rizike, i da grade proizvode na trajni način, morate ih nagraditi za učinak na višem nivou, a ne za sam obim proizvodnje.
Nemojte smanjivati veličinu prije nego što se vaša strategija prilagodi: Ako niste integrirali radni proces agencije, izmjerili povećan učinak u proizvodnji i preradili svoju mapu puta oko bržeg izvršenja, ne znate zapravo da li se vaše potrebe i mogućnosti podudaraju. Smanjenje broja zaposlenih pre nego što se utvrdi da osnovna vrednost nije disciplina – to je slepilo. Cilj nisu samo manji timovi, već timovi sposobni da pokriju više strateških područja.
Usvajanje veštačke inteligencije u preduzeću zahteva ljudsku otpornost
AI nije zamjena za inženjersko prosuđivanje; to je za nju multiplikator sile. U dobro strukturiranim sistemima, to svakako ubrzava isporuku. U slabo shvaćenim sistemima, ovo ubrzava kvar. Već vidimo posljedice: zastoji, sve veći tehnički dugovi i neočekivani skokovi troškova podstaknuti lošim usvajanjem. To su operativni propusti, a ne teoretski rizici.
Greška koju organizacije sada prave je što ne usvajaju veštačku inteligenciju presporo – usvajaju je bez razumevanja gde se kvari.
Za C-suite, razumijevanje ove dinamike više nije opciono – ono je odlučujući faktor u tome kako se kompanija kreće kroz ovu eru. Izazov je u tome što brzina izvršenja nadmašuje sposobnost industrije da se nosi s posljedicama. Dali smo inženjerskim timovima vrhunski električni alat. Stara poslovica nalaže da dvaput mjeriš i jednom sečeš. Umjesto toga, previše kompanija odlučuje samo smanjiti veličinu.
Joe Bertolami je CTO i suosnivač Clifton AI.
Web izvor