اسمشینگ مگزین میگه وقتی جلسه بدون تصمیم تموم میشه، معمولاً تقصیر داده نیست؛ کسی از اول نپرسیده این نمودار قراره به چه سؤالی جواب بده و برای کی ساخته میشه.
دن لو میگه بقیه هم دقیقاً به همون باگهایی میخورن که اون میبینه، فقط متوجه نمیشن؛ چون ناخودآگاه یه عالمه عادت ساختن تا دورشون بزنن.
گروه نیلسن نورمن تست کرد: وقتی کاربر نمیدونه تصویر هدر سایت با هوش مصنوعی ساخته شده، اعتمادش به شرکت هیچ کم نمیشه.
یه مهندس نرمافزار میگه وقتی خود کدبیس نمیدونه هر اصطلاح یعنی چی، مدل هم مجبوره حدس بزنه. راهحلش یه مانیفست و واژهنامه توی هر ریپوئه که معنیها رو مکتوب میکنه.
Itamar Novick و Simeon Simeonov یه سری مطلب راه انداختن دربارهٔ الگوهایی که استارتاپها رو زمین میزنه؛ حرفشون اینه که دلیل شکستها قابل تکرارتر از دلیل موفقیتهاست.
حالا که نوشتن کد ماهی صد دلار خرج برمیداره، سؤال اینه چه کاری بلدی که مدل جای تو انجامش نمیده؛ نویسنده دو جواب مشخص داره.
نویسنده از بازی شطرنج چشمبسته با پدرش توی دههی ۹۰ شروع میکنه و میرسه به این حرف که همون مهارتها لازمن تا پشت یه ترمینال AI کنترل کد رو از دست ندی.
نویسنده بعد از جابهجایی از Monzo به Engine by Starling میگه اون فشارِ «باید همین حالا ثابت کنم» طبیعیه، ولی یه مسیر سهمرحلهای داره که کاری کنه حرکتت واقعاً به جایی بخوره.
نویسنده میگه ایجنتهای نرمافزاری تیمش فقط چیزی رو میدونن که جایی نوشته شده؛ پس هر تصمیمی که فقط تو جلسه گفته میشه، برای اونها اصلاً وجود نداره.
شرکتهای بزرگ از ایجنتهای AI بازده بیشتری میگیرن، ولی نه چون AI بهتری دارن. دادههای JPMorgan و گلدمنساکس میگن فرق اصلی سر پول و وقتیه که نظارت روی خروجی ایجنت میبره.
یه مارکتپلیس متنباز پلاگین برای Claude Code و Cursor که جلوی توهم و بیدقتی ایجنت رو میگیره؛ سازندهها حتی جدول احتمال درستبودن خروجی هم منتشر کردن.
سوییزک تلر میگه اسپرینتی که ۱۹۰ درصد ظرفیت تیمه در عمل یعنی ناامیدکردن نصف ذینفعها؛ راهحلش اولویتبندی صریح و نشوندادن چیزیه که واقعاً شیپ شده.
دیانا کروپا میگه عادتهای تمرین ورزشی رو آورده سر میز کارش: تایمر برای شکستن قفل بوم خالی، تمومکردن کامل هر کار، و ادامهدادن وقتی همهچی داره از دست میره.
برای فهمیدن اینکه کاربر کجای محصول گیر میکنه لازم نیست آدم UX استخدام کنی؛ نویسنده میگه با یه گوشی، چند برگ کاغذ و پنج تا تستر معمولی هم میشه بیشتر مشکلها رو پیدا کرد.
رئیس محصول Waymo ده سال رو صرف حل مسئلهای کرد که نمیشد باهاش A/B تست گرفت؛ حالا میگه همین چالش داره سراغ هر تیم محصولی میاد.
دن ویلیامز میگه تخصص فنی برای جواب دادن به مهمترین پرسشهای هوش مصنوعی کافی نیست و این انقلاب داره مرزبندی رشتههای علمی رو به هم میریزه.
یه طراح باتجربه میگه سؤال درست دربارهٔ AI این نیست که چقدر از کارمون رو برمیداره، بلکه اینه که چه کاری رو اصلاً نباید بهش بسپریم.
وقتی یه تغییر مشترک باید از چند ریپو و چند بکلاگ رد بشه، بازنویسی از صفر ارزونتر درمیاد؛ نویسنده اسم این هزینهٔ پنهان رو گذاشته مالیات هماهنگی.
تستها فقط میگن برنامه کار میکنه، نه اینکه معماری و قراردادهای تیم هنوز سرجاشونه. این ایده یه لایهی بررسی جدا برای همین شکاف میسازه.
علی ابوالعطا تو یه ریترو نوشته کدوم تاکتیکهای رشد برای Lazyweb جواب داد و کدوم آب رفت؛ از اکانت مهمان برای ایجنتها تا شکست محصولات جانبیِ بامزه.