چطور تو عصر AI مهندس 10x بشیم؟
خلاصهٔ کاملتر
سرگئی تسلوالنیکوف اول مهندس 10x رو دقیق تعریف میکنه: کسی که تأثیرش روی شرکت، مثلاً روی قیمت سهام، ده برابر یه مهندس معمولی باشه. نکتهی این تعریف اینه که ده برابر کد نوشتن بهتنهایی آدم رو 10x نمیکنه، مگه اینکه اون کد واقعاً ده برابر تأثیر داشته باشه.
نویسنده میگه سادهترین راه، یعنی ساعتها هماهنگ کردن چندتا ایجنت AI روی کارهای موازی، در بهترین حالت شاید ۲ تا ۳ برابر خروجی بده و ریسک فرسودگی بالایی داره. در بدترین حالت هم فقط ادای بهرهوری درمیاد و کلی کد بیکیفیت (به قول خودش slop grenade) تولید میشه که حتی ارزش شرکت رو کم میکنه. تازه همکارهات هم از AI استفاده میکنن، پس جلو زدن ده برابری ازشون عملاً ده برابر ساعت کاری لازم داره.
به جاش پیشنهادش اینه که عوض کنی شرکت اصلاً چه کاری انجام میده. یعنی فرصتهایی رو پیدا کنی که قبلاً خیلی گرون، خیلی سخت یا غیرممکن بودن. مثالش از پادکست Pragmatic Engineer هست: یه شرکت سهم بزرگی از درآمدش رو بابت لایسنس یه نرمافزار حیاتی میداد. یه مهندس با ایجنتهای AI و با کمک specification و test suite موجود، یه نسخهی سریعتر ساخت. آخرش خود فروشندهی اصلی پول داد تا این نسخه رو بخره و closed-source نگهش داره.
نویسنده تأکید میکنه این الگو مال قبل از AI هم بوده. Paul Buchheit اوایل دههی ۲۰۰۰ رابط Gmail رو با JavaScript ساخت، در حالی که همه میگفتن جواب نمیده. مهندسهای Philips هم سال ۲۰۰۸ به جای ساختن نمونهی فیزیکی ریموت لامپها، یه اپ آیفون ساختن و فهمیدن که گوشی میتونه کلاً جای ریموت رو بگیره. وجه مشترک همه اینه که یه مهندس هم تکنولوژی و هم کسبوکار شرکت رو عمیق میشناسه، یه تغییر بزرگ تو صنعت رو میبینه و روی فرصت تازهاش ریسک میکنه.
نتیجهگیری نویسنده اینه که فرمول مهندس 10x با AI عوض نشده و هنوز درک عمیق از کسبوکار و تکنولوژی لازمه. فرقش اینه که AI تقریباً روی همهی صنایع اثر گذاشته، پس فعلاً فرصتهای زیادی برای کسایی هست که بتونن ایدههای «دیوونهوار» قبلی رو پیدا کنن و واقعاً به نتیجه برسونن.
نکات کلیدی:
- تعریف نویسنده از 10x بر اساس تأثیر روی شرکته، نه حجم کدی که نوشته میشه
- هماهنگ کردن چند ایجنت موازی به گفتهی نویسنده در بهترین حالت ۲ تا ۳ برابر خروجی میده
- مثال پادکست Pragmatic Engineer: بازسازی یه نرمافزار لایسنسی با AI که فروشندهی اصلی آخرش خریدش
- Gmail با JavaScript و Philips Hue با اپ آیفون، نمونههای قبل از AI همین الگو هستن
- راه پیشنهادی: پیدا کردن پروژههایی که قبلاً از نظر اقتصادی یا فنی شدنی نبودن




