چرا تیمهای کوچیک با هوش مصنوعی جواب میدن
خلاصهٔ کاملتر
این مقاله رو یکی از مدیرهای فنیِ شرکتِ RevenueCat نوشته و دربارهی تجربهشون از کوچیککردنِ تیمهاست. نویسنده تأکید میکنه هدف، کمتر استخدامکردن یا جایگزینیِ آدمها با هوش مصنوعی نیست؛ برعکس، میخوان با همون آدمها کارِ بیشتری بکنن و استخدامِ جدید به جای جلسههای بزرگتر، به موازیکاریِ بیشتر تبدیل بشه.
به گفتهی نویسنده، قبلاً نوشتنِ کد گلوگاه بود و برای همین هر حوزهی محصول رو با چند مهندسِ بکاند و فرانتاند و PM و EM پر میکردن. حالا هوش مصنوعی این تعادل رو جابهجا کرده: نوشتنِ نسخهی اول ارزونتره و مرورِ بخشهای ناآشنای کد راحتتر. هنوز به آدمهایی نیاز هست که بفهمن جوابِ هوش مصنوعی کِی یه چرتوپرتِ باورپذیره، ولی دیگه لازم نیست از هر تخصص سه نفر سرِ هر تصمیم حاضر باشن.
شروعِ این نگاه از یه گروهِ کوچیک به اسمِ OCTO (دفترِ CTO) بود؛ چند نفرِ باتجربه و مورد اعتماد که پروژههای جدید و حیاتی رو راه میندازن. نویسنده میگه سختترین بخشِ کار نوشتنِ کد نبود، بلکه بلوغِ کافی برای دور انداختنش بود وقتی تصمیمِ درست کشتنِ یه ایده بود. چون گروه کوچیک و باتجربه بود، هیچجا برای قایمشدن نبود و مشکلها زود معلوم میشدن.
بعد از جوابدادنِ این مدل، همونو به تیمهای محصول هم بردن و تعدادِ تیمها رو بیش از دو برابر کردن. ساختار سادهست: یک تا سه مهندس، گاهی با طراح یا PMِ مشترک، و یه Tech Lead که مالکِ خروجیه و ریسکها رو زود بالا میاره. این نقش هم واسطه با تیمهای دیگهست؛ به جای یه جلسهی شونزدهنفره، هماهنگی میشه یه گفتوگو بینِ دوتا Tech Lead. مزیتِ اصلی سرعت و مالکیتِ روشنتره و ضعفِ عملکرد هم راحتتر دیده میشه.
نویسنده ضعفها رو هم میگه: بزرگترین هزینه، افزونگیِ کمه—اگه از یه تیمِ دونفره یکی مرخصی یا مرخصیِ زایمان بره، نصفِ ظرفیت یهو میپره. این مدل به رهبریِ بیشتر از طرفِ خودِ مهندسها نیاز داره و میتونه باعثِ پراکندگی و دوبارهکاری بشه؛ برای همینه که Tech Leadها اینقدر مهمن. نقشِ مدیر هم عوض میشه: باید توجهش رو جایی بذاره که بیشترین بازده رو داره، رو تیمهای گیرکرده عمیق بشه و تیمهای روون رو رها کنه.
جمعبندیِ نویسنده اینه که «تیمِ کوچیک همیشه بهتره» یه قانون نیست، ولی با هوش مصنوعی حداقلِ اندازهی یه تیمِ پربازده کوچیکتر از قبل شده و میشه دوباره به اون حسِ سرعتِ روزهای اولِ استارتاپ نزدیک شد.
نکات کلیدی:
- هدف، کمتر استخدامکردن نیست؛ تبدیلِ نیرو به موازیکاریِ بیشتره
- هوش مصنوعی گلوگاهِ نوشتنِ کد رو کم کرده، پس تعدادِ کمتری باید سرِ هر تصمیم توافق کنن
- مدلِ OCTO: یه گروهِ کوچیکِ باتجربه و مورد اعتماد برای پروژههای جدید
- هر تیم یک تا سه مهندس با یه Tech Lead که مالکِ خروجی و واسطهی هماهنگیه
- ضعفها: افزونگیِ کم، نیاز به رهبریِ بیشترِ مهندسها و خطرِ پراکندگی
