توکن، ساعت، استوریپوینت: قصهٔ تکراری اندازهگیری
هوش مصنوعیخلاصهٔ کاملتر
جان کاتلر تو شمارهٔ ۴۳۷ خبرنامهاش میگه دعوای تازه بر سر «return on tokens» (یعنی بازگشت سرمایهٔ پولی که بابت توکنهای مدلهای هوش مصنوعی میدی) چیز جدیدی نیست. به گفتهٔ نویسنده ما قبلاً همین بحث رو با ساعت کاری و استوریپوینت داشتیم و هر بار هم سه خطای تکراری تحویل گرفتیم: وقت گذاشتن روی سمت هزینه بهجای سمت ارزش، انتخاب کاربردهای کوتاهمدتی که راحت به نتیجه وصل میشن، و چسبیدن به هر چیزی که آسونتر شمرده میشه. توکن هم دقیقاً همون چیزیه که خیلی راحت شمرده میشه.
نمونهٔ کلاسیکش خود ساعته. کاتلر میگه ساعت یه مشکل اعتبار سازهای (construct validity، یعنی عددی که ادعا میکنه چیزی رو میسنجه ولی واقعاً اون چیز رو نمیسنجه) داره. زمان قابل جابهجایی نیست، ده نفر ده ساعت با یه نفر صد ساعت برابر نیست، هزینهٔ سنگین context switching تو هیچ گزارشی ثبت نمیشه و رابطهٔ زمان با نتیجه خطی نیست: ممکنه هشت ساعت سر یه مسئله بمونی و ساعت نهم همهچی باز شه.
سراغ متریکهای flow هم که بری وضع مشابهه. cycle time و lead time و throughput ریشه تو تولید صنعتی دارن و اونجا جواب میدن، چون تقاضا مشخصه و هر چیزی که تولید میشه یه قیمت داره. تو کار محصول اما مرزها لغزندهست: lead time از کِی؟ از درخواست مشتری، از ساختن تیکت یا از اولین کامیت؟ و «تمامشده» یعنی مرجشده، دیپلویشده یا واقعاً استفادهشده؟ نویسنده میگه جابهجا کردن همین مرزها عدد رو زیرورو میکنه بدون اینکه ذرهای از خود کار عوض شده باشه. نظرش دربارهٔ استوریپوینت از این هم تندتره.
جایگزینی که پیشنهاد میده اینه: سمت هزینه رو عمداً درشت و ساده نگه دار و همهٔ دقتت رو بذار روی مدل علّیای که اون هزینه رو به ارزش وصل میکنه. یعنی تیم رو واحد هزینه بگیر («این تیم سالی حدود ۱.۵ میلیون دلار خرج داره») و بهجای خرد کردنش به ساعت و پوینت و فیچر، یه مدل بنویس که ورودیهای عملی و شاخصهای پیشرو رو به رشد متمایز وصل کنه. برای هر تیم هم یه business case زنده نگه دار که فرضها، اعتبار پروکسیها و چیزی که نظرت رو عوض میکنه توش نوشته شده باشه.
حالا برسیم به توکن. فرقش با بقیه اینه که یه کنتور و فاکتور خیلی دقیق داری، و به گفتهٔ کاتلر همین دقت، توهم داشتن مخرج درست برای ROI رو میسازه. ولی صورت کسر همچنان مبهمه: هوش مصنوعی مکمل آدمهاست یا جایگزینشون؟ یه ورودی commodity ـه یا قابلیت متمایز؟ اولین یک میلیون دلار خرج شاید فوقالعاده بازده بده و پنجاهمیش تقریباً هیچی. تولید ارزونتر هم لزوماً دارایی ارزونتر نمیسازه، چون بیشتر هزینهٔ نرمافزار بعد از نوشتنش میاد.
حرف آخرش اینه که بهجای جملهٔ «۱۰ میلیون دلار خرج میکنیم و ۳۰ میلیون ارزش درمیاریم»، بنویس این خرج قراره سیستم تولیدت رو دقیقاً چطور عوض کنه، با چه فرضهایی و چه اثرات جانبیای. اونوقت ROI خروجی فرضیهست، نه خود فرضیه. نویسنده معتقده اگه قراره تیمها مسئول بودجهٔ توکن باشن، اول باید همچین مدلی از سرمایهگذاری و ارزشی که دنبالشن داشته باشن.
نکات کلیدی:
- سه خطای همیشگی: تمرکز روی سمت هزینه بهجای بازده، انتخاب کاربردهای کوتاهمدتِ راحتالاثبات، و چسبیدن به آسونترین چیزی که میشه شمرد
- ساعت فرض میگیره زمان جابهجاشدنی و جمعشدنیـه؛ ده نفر ده ساعت با یه نفر صد ساعت یکی نیست
- متریکهای flow برای بهبود مستمر عالیان، نه بهعنوان معیار سرمایهگذاری؛ بدون تفکیک classes of service عددشون گمراهکنندهست
- مدل پیشنهادی: تیم بهعنوان واحد هزینه (مثلاً ۱.۵ میلیون دلار در سال) بهعلاوهٔ یه مدل علّی و یه business case زنده
- توکن کنتور دقیق داره، ولی مخرج دقیق صورت مبهم رو درست نمیکنه: augment یا replace، commodity یا قابلیت متمایز
- کتاب پیشنهادی نویسنده: The Principles of Product Development Flow نوشتهٔ Donald Reinertsen
