سازمان مهندسی هوشمصنوعیمحور: چطور مایکروسافت، ۱پسورد و اتلسین دارن تغییر میکنن؟
هوش مصنوعیخلاصهٔ کاملتر
در یک نشست تخصصی در رویداد DX Annual، سه مدیر ارشد از مایکروسافت، ۱پسورد و اتلسین جمع شدن تا از تجربهشون درباره تأثیر هوش مصنوعی بر سازمانهای مهندسی بگن. Tim Bozarth (معاون ارشد CoreAI در مایکروسافت)، Nancy Wang (مدیر ارشد فناوری ۱پسورد) و Taroon Mandhana (مدیر ارشد فناوری هوش مصنوعی اتلسین) هر کدام دیدگاههای جالبی داشتن که ارزش داره بدونیم.
چرخه توسعه نرمافزار (SDLC) داره زیر و رو میشه. Tim بازی رو با یه چارچوب پنجمرحلهای توضیح داد: برنامهریزی، ساخت، اعتبارسنجی، استقرار، و عملیات. تاریخاً حدود ۸۰٪ وقت مهندسا صرف مرحله عملیات میشد و تنها ۱۰ تا ۱۵٪ صرف ساخت. اما الان در تیمهای پیشرو این نسبت داره برعکس میشه: برنامهریزی و اعتبارسنجی بیشتر وقت رو میگیرن، چون ساخت و عملیات دارن فشردهتر میشن. یه نکته مهم اینه که Tim تأکید داره اعتبارسنجی و امنیت رو به AI نسپارید؛ از AI برای تست نفوذ و تیمهای قرمز استفاده کنید، اما مسئولیت نهایی باید پیش انسان بمونه.
در ۱پسورد یه تغییر جالب اتفاق افتاده: دیگه PRDهای کامل و مفصل نمینویسن. تیمها سریع پروتوتایپ میسازن و جلوی مشتری میذارن. این کار تقریباً نصف رفتوبرگشتهای بیپایان بین مهندسی و محصول رو حذف کرده. Nancy یه تشبیه هوشمندانه هم داره: SDLC مثل یه لولهست؛ اگه از جلو بیشتر بریزی، از آخرش هم بیشتر بیرون میزنه. PRهای بیشتر یعنی کد ریویوی بیشتر و کار بیشتر روی پایداری سیستم.
در اتلسین، تمرکز روی مرحله عملیاته. Taroon میگه مهندساشون وقت زیادی صرف پاسخ به الرتها و حوادث میکنن. الان ایجنتها دارن این الرتها رو بررسی میکنن و فقط وقتی که واقعاً مشکل جدیه، یه انسان رو بیدار میکنن. جالبتر اینکه ۵۰٪ از آسیبپذیریهای ساده مثل آپدیت نسخه کتابخونهها الان با کمک AI حل میشن.
ساختار سازمانی اما خیلی تغییر نکرده. هیچکدام از این سه شرکت ارگانیزیشن چارتشون رو از نو نکشیدن. تغییر اصلی در نحوه کار کردن داخل همون چارته. اتلسین برای پروژههای صفر به یک به تیمهای ۳ تا ۴ نفره رسیده، چون AI فاز ساخت رو اونقدر فشرده کرده که گلوگاه الان تصمیمگیری و همسویی تیمه، نه تعداد مهندس. مایکروسافت هم رفته سراغ چرخههای ۸ هفتهای با تیمهای کوچک مأموریتمحور که دور یه سؤال مشخص شکل میگیرن، یاد میگیرن، و بعد یا ادامه میدن یا منحل میشن. ۱پسورد هم افق برنامهریزیش رو از ۱۲ تا ۱۸ ماه به یه فصل رسونده.
کسی مجبور به استفاده از AI نیست. هر سه شرکت صراحتاً میگن که استفاده اجباری از AI رو اعمال نمیکنن. مایکروسافت متریکهایی که براش اهمیت داره رو اینطور تعریف میکنه: سرعت، سهولت و کیفیت؛ نه تعداد دفعات استفاده از ابزار. اتلسین روی «قهرمانان ارگانیک» تکیه داره؛ کسایی که در تیمهای ۱۰۰ تا ۲۰۰ نفره طبیعتاً ظهور میکنن و به بقیه نشون میدن AI چی از دستشون برمیداره. ۱پسورد هم یه گیلد از AI championها ساخته و با جشن گرفتن موفقیتهای ملموس — مثل وقتی کسی با کمک AI تاریخ لانچ رو ۲ هفته جلو انداخت — فرهنگسازی میکنه.
هزینه توکنها یه چالش جدیه. Taroon میگه از ژانویه تا حالا سه بار پیشبینی بودجهاش رو تغییر داده! قیمت توکنها و مدلها دائم دارن عوض میشن. اتلسین شروع کرده این هزینه رو مثل COGS آمازون مدیریت کنه. Nancy در ۱پسورد یه ابزار داخلی برای مدیریت هزینه SaaS ساختن که مصرف توکن رو به ازای هر ریپو و پروژه نشون میده. توصیهاش اینه که با ارائهدهندههای مدل تعهدات بلندمدت مذاکره کنید تا هزینه هر توکن رو پایین بیارید:
«با قرارداد توکنت مثل قرارداد ابری رفتار کن.»
Tim هم یه نکته مهم اضافه میکنه: بعضی توکنها ارزش مستقیم تولید نمیکنن، اما یادگیری ایجاد میکنن. تیمهایی که سریعتر یاد میگیرن برنده میشن، پس رهبران باید برای آزمایش و خطا فضا بذارن.
مهندس خوب ۳ تا ۵ سال دیگه چه شکلیه؟ Tim میگه پیشبینی دقیق غیرممکنه، اما یه چیز پایدار هست: maker's mindset؛ کسی که به ابزار خاصی وابسته نیست و فقط دنبال رسیدن به نتیجه کسبوکاریه.
نکات کلیدی:
- مرحله «ساخت» در SDLC داره فشرده میشه و وقت بیشتری به برنامهریزی و اعتبارسنجی میرسه
- اعتبارسنجی و امنیت رو کامل به AI نسپارید؛ انسان باید در حلقه باشه
- تیمهای کوچیکتر (۳ تا ۴ نفر) برای پروژههای صفر به یک کافین چون گلوگاه الان تصمیمگیریه نه تعداد نیرو
- هیچکدام از این شرکتها استفاده اجباری از AI ندارن؛ فرهنگسازی مؤثرتره
- افق برنامهریزی از ۱۲-۱۸ ماه به یه فصل کاهش پیدا کرده
- هزینه توکنها باید مثل COGS ابری مدیریت بشه و حتماً برای مصرف حجمی مذاکره کنید
- بعضی هزینههای توکن «یادگیری سازمانی»ن و نباید از اونها ترسید
