"ai workslop чать 1. Начинаем безжалостный концептуальный рефакторинг ""Внедрения AI"". ""Как же меня `задолбало` расшифровывать этот LLM-блоб, ну сколько можно?!"" Я очень хочу чтобы вам это было не знакомо, даже чтобы вы вообще с этим не сталкивались, но к сожалению... об этой проблеме пишут все больше и больше. Бессистемно закинуть в компанию корпоративные подписки на нейросетевые инструменты в надежде что это позитивно повлияет на продуктивность много хуже чем бессистемно вводить scrum/agile процессы. Последнее менее разрушительно, потому что люди попросту найдут способ работать так же как раньше, и замедление новым бесполезным формализмом (бесполезным, потому что часто не подбит под прикладную область и оторван от реальности.) размажется по рабочему пайплайну равномерным слоем. Бессистемно закинуть в рабочий процесс LLM всегда хуже. Ну, вы помните – хорадрический куб 🙂 Подходы системной инженерии в организации работ в принципе плохо распространены – мало кто __разрабатывает__, именно – __разрабатывает__, а не __просто внедряет__ методы работы. Из за этого мы часто встречаемся с двумя бедами: 1. Bottlenecks (замедления) 2. Rework (переработки, в смысле исправлений-переделываний) Если bottleneck можно относительно просто найти и устранить, то постоянный rework - индикатор системной проблемы. Так вот, когда мы закидываем в сотрудников LLM без каких либо минимальных формальных требований к работе с этим новым инструментом, мы часто получаем огромное количество и замедлений, и переработок. Как это проявляется? LLM сейчас способны порождать много разных штук в разных модальностях – тут тебе и картинки с текстом, и документы, и просто текст для всякхи отчетов, и таблицы, и код. Среднестатистический сотрудник, не имея формальных указаний (хотя бы ревьювить результаты работы ЛЛМ и помечать ""продукт"" явной меткой ""Я это сгенерил!"") естественным образом работает/генерирует спустя рукава. А потом ты тратишь лишние, если не часы, то десятки минут на расшифровку раздутых и зачастую мало отражающих действительность документаций, комментов в пулл реквестах, изменений в кодовой базе и тд. Это уже замедление. Дальше ключевой момент - начинается психотеррор, например: Джун пишет тех дизайн с помощью ChatGPT на 12 страниц. Senior/Техлид тратит 1.5 часа на чтение, потом еще ~час на встречу в попытке выяснить ""а что здесь важно?"" В итоге сам переписывает спеку на 2 страницы за 30 минут. Потеряна куча продуктивного времени команды. И что еще хуже, зачастую наносится моральный урон: джун не понимает что не так (ему просто не хватает пока компенции даже увидеть что ЛЛМ выдала ерунду), а техлид выгорает, потому что ничего с этим не может сделать (особенно если повестка компании – ""AI во все процессы, полный вперде!"", без методичек/ограничителей) А теперь представим что ситуация повторяется несколько раз в неделю. 😵 И все это снежный ком – не все такие блобы получится исправить. С некоторой частью придется жить дальше. Если это документация, то замедлятся будут все и много раз пытаясь вычитать суть. В конце концов в эту документацию просто перестанут заглядывать. --- Эти проблемы не повод переходить на сторону LLM-луддитов, ну уж нет! Толково внедряемый AI чертовски полезен. Это всего лишь повод порефлексировать, задуматься. Проведите простой тест: попросите 3-5 коллег описать ""как мы используем AI в работе?"" Если получите совсем разные ответы - у вас нет AI-стратегии, есть AI-хаос. Вам надо стремиться к ответам – ""Ну так в Engineering Handbook лежат правила и чеклисты, вы ж сами их внедрили, вот мы по ним и работаем, забыли?"" @neuralstack"