Jak wygląda doskonałość inżynieryjna w dobie sztucznej inteligencji?

Hannah Clark

Nagłówki „AI zabierze ci pracę” wyczerpują — szczególnie jeśli jesteś inżynierem oprogramowania. Jednak, jak wyjaśnia Anish Dhar, założyciel Cortex.io, inżynieria nie umiera — ewoluuje. W tym odcinku Hannah rozmawia z Anishem o tym, co w rzeczywistości oznacza doskonałość inżynieryjna w 2025 roku, dlaczego pomiar produktywności deweloperów wciąż jest tak bardzo niezrozumiany oraz jakie miejsce zajmują narzędzia AI do programowania w prawdziwym świecie systemów działających na skalę produkcyjną. Uwaga: nie da się „vibe-code’ować” drogi do miliona użytkowników.

Anish, czerpiąc z doświadczeń zdobytych w Uberze i Cortex, wyjaśnia, jak liderzy zespołów inżynieryjnych mogą lepiej powiązać inicjatywy techniczne z wynikami biznesowymi, wdrażać AI bez poświęcania jakości kodu oraz unikać wciągnięcia w cykle zachwytu, które nie służą organizacji.

Czego się dowiesz

  • Dlaczego „doskonałość inżynieryjna” wykracza daleko poza doświadczenie dewelopera
  • Jak bezpośrednio powiązać inicjatywy techniczne z celami biznesowymi
  • Różnica między metrykami nakładów a metrykami rezultatów w pomiarze produktywności zespołów inżynieryjnych
  • Gdzie narzędzia AI do programowania, takie jak Copilot i Cursor, są naprawdę przydatne — a gdzie zawodzą
  • Ukryte zagrożenia związane ze skalowaniem kodu generowanego przez AI bez jasno określonej odpowiedzialności i nadzoru

Najważniejsze wnioski

  • Doskonałość inżynieryjna zaczyna się od zgodności z celami biznesowymi. Zespoły techniczne powinny bezpośrednio wiązać swoją pracę z takimi celami jak czas wprowadzenia produktu na rynek, doświadczenie klienta i efektywność operacyjna.
  • Metryki rezultatów nie wystarczą. Metryki takie jak częstotliwość wdrożeń czy wyniki DORA dają jedynie pobieżny obraz. Metryki nakładów — takie jak listy kontrolne gotowości produkcyjnej, pokrycie testami i procesy obsługi incydentów — faktycznie napędzają długoterminową poprawę.
  • Narzędzia AI pomagają w iteracji, ale nie w skalowaniu produkcyjnym. Asystenci programowania świetnie sprawdzają się w prototypowaniu i przyspieszaniu pracy, ale nie są jeszcze gotowi na złożoność systemów klasy korporacyjnej. To młodszy deweloper, a nie starszy inżynier.
  • Odpowiedzialność jest ważniejsza niż kiedykolwiek. Ponieważ AI przyspiesza tworzenie kodu, jasno określona odpowiedzialność i widoczność stają się niezbędne do utrzymania jakości, bezpieczeństwa i niezawodności.
  • Wdrażaj AI w sposób przemyślany. Nie kupuj masowo licencji z obawy, że coś cię ominie. Wiedz, dlaczego wdrażasz dane narzędzia, i z czasem mierz ich wpływ na biznes.

Rozdziały

  • [00:00] Inżynieria nie umarła — dorasta
  • [01:20] Droga Anisha: od Ubera do Cortex
  • [02:59] Definiowanie doskonałości inżynieryjnej
  • [05:08] Ramy działania: zgodność z celami biznesowymi i 4 C
  • [07:34] Nowe spojrzenie na metryki produktywności
  • [09:40] Metryki nakładów a metryki rezultatów
  • [13:18] Granice programowania „na wyczucie”
  • [16:37] Jak liderzy powinni oceniać inwestycje w AI
  • [20:48] Nadzór, odpowiedzialność i zagrożenia związane z AI na dużą skalę
  • [27:06] Gdzie znaleźć Anisha i dowiedzieć się więcej o Cortex

Poznaj naszego gościa

Anish Dhar jest współzałożycielem i dyrektorem generalnym Cortex, wewnętrznego portalu deweloperskiego, który pomaga zespołom inżynieryjnym katalogować, oceniać i ulepszać mikrousługi oraz infrastrukturę chmurową — rozwiązując problemy, które zidentyfikował podczas pracy jako inżynier w Uberze, gdzie zajmował się Uber Eats i Jump. Uruchomił Cortex jako projekt poboczny w połowie 2019 roku i szybko przeszedł do pracy nad nim w pełnym wymiarze godzin, pozyskując znaczne wsparcie, w tym 53 miliony dolarów finansowania do tej pory. Przed założeniem Cortex Anish zajmował wyższe stanowiska inżynieryjne w Uberze i był współzałożycielem startupów takich jak Divtera Capital i Homeroom, wykorzystując swoją rozległą wiedzę do tworzenia narzędzi usprawniających rozwój oprogramowania i zwiększających niezawodność systemów.

zdjęcie Anisha Dhara

Materiały z tego odcinka:

Powiązane artykuły i podcasty: