یکی از مدیرهای فنیِ RevenueCat تعریف میکنه چطور هوش مصنوعی باعث شده حداقلِ اندازهی یه تیمِ پربازده کوچیکتر بشه و تصمیمها سریعتر جلو بره.
تو دنیایی که همه با AI سریع میسازن، David Pereira میگه سرعت ساختن مهم نیست؛ سه سوال راهبردی هست که اگه ازشون فرار کنی، رقیب از پا درت میاره.
نویسنده میگه بلد بودن و انجام دادنِ کارِ بقیه هم بهت یاد میده اونها چطور کار میکنن و هم وقتی کسی کارش رو انجام نمیده، خودت راهش میندازی.
نویسنده میگه بیشتر توصیههای اینترنتی دربارهٔ برند شخصی یا بیاثرن یا آدم رو به سمت رفتار ناصادقانه هل میدن. جایگزینش دو قدم سادهست که کمتر کسی جدی روشون فکر کرده.
نویسنده میگه «مدل تهدید» برای خیلیها فقط یه buzzwordه و با یه راهنمای ساده نشون میده یه threat model خوب باید به چه سؤالهایی جواب بده.
برنامهی جلساتِ پشتسرهم برای هماهنگی عالیه ولی برای کارِ عمیقِ فنی و خلاق سمّه؛ راهحل یه انتخابِ شخصی نیست، یه طراحیِ ساختاریه.
وقتی AI کد مینویسه، معیار درست سرعتِ رسیدن به دموی کارکننده نیست؛ نویسنده میگه معیار واقعی «زمان تا merge امن» هست.
گروه Nielsen Norman میگه بعد از prompt engineering و context engineering، حالا نوبت «معماری کانتکست» است؛ یعنی بردن اصول معماری اطلاعات به دنیای ایجنتهای هوش مصنوعی.
این اسکیل، پلن و یافتهها و پیشرفت ایجنتهای کدنویسی رو بهصورت فایل روی دیسک نگه میداره تا از context loss و کرش و /clear جون سالم به در ببرن.
با اومدن AI دوباره برگشتیم به سنجیدن موفقیت با تعداد خط کد و توکن مصرفی. ایتامار گیلاد میگه این معیارها فعالیت رو میسنجن نه ارزش، و باید سراغ چیز دیگهای بریم.
دنیل میسلر میگه موج بدبینی به هوش مصنوعی داره آدمها رو دو دسته میکنه؛ اونایی که این ابزار رو جدی گرفتن و اونایی که مسخرهش میکنن — و فاصلهی این دو تا داره سریع زیاد میشه.
تحلیلِ ۴۰۰ هزار نشستِ Claude Code نشون میده آدمها تصمیم میگیرن چی ساخته بشه و ایجنت تصمیم میگیره چطور؛ و تخصصِ حوزه بیشتر از بلدبودنِ کد به موفقیت کمک میکنه.
وقتی به یه نقطهٔ تأیید نیاز داری ولی نمیخوای همهجا سنگین باشه، بهجای اختیاریکردنش، الزامی ولی منعطفش کن تا ریسکِ تصمیم اشتباه بیفته پایین.
یه موج جدید تو دنیای طراحی داره نقص و بینظمی رو جشن میگیره؛ مدیر یه آژانس خلاق توضیح میده چرا برندها از کمالِ صیقلی خسته شدن و دنبال چیزی واقعیترن.
Matt Pocock یه اسکیل به اسم /teach ساخته که Claude رو به یه معلم شخصی تبدیل میکنه؛ درسِ تعاملی با صدا و کوییز میسازه و پیشرفتت رو یادش میمونه.
مایکل لینچ، توسعهدهندهٔ سابق گوگل و مایکروسافت، میگه یه داک طراحی خوب میتونه سالها وقت توسعه رو نجات بده؛ به شرطی که بدونی چه تصمیمی توش جا داره و چه تصمیمی نه.
جو هادسون که به تیم تحقیقاتی OpenAI کوچینگ میده میگه ترس از جایگزینشدن با هوش مصنوعی بیخود نیست، ولی برگ برندهٔ واقعی آدمها یه مهارت آموختنیه: وضوح احساسی.
سایمون ویلیسون میگه بهجای دیکتهکردن روش کار به Claude Code، بذار خودش قضاوت کنه؛ حتی برای اینکه کدنویسی رو به یه مدل ارزونتر بسپاره.
آگهیهای کارآموزیِ فناوری از ۲۰۲۳ حدود ۳۰٪ افت کرده؛ AI همون کارهای سادهای رو که به کارآموزها میدادن انجام میده و خطِ لولهی ورودی داره میشکنه.
سلیا اودنت، استراتژیست UX بازی، توضیح میده کدوم باورهای رایج دربارهٔ مغز اشتباهن و چطور تصمیمهای طراحی رو به بیراهه میبرن.