Bir asistan sizi bekler. Bir takım arkadaşı ise sizin izlemediğiniz işi üstlenir. İşte bu tek fark, günümüzde iş yerinde yapay zekâ konuşmalarında yaşanan kafa karışıklığının çoğunu açıklar ve sürecinizin hangi bölümlerinin değişmesi gerektiğini belirler.
Her iki model de işe yarar ve hiçbiri, diğerinin kendiliğinden geçip gideceği bir aşama değildir. Değişen şey, işin nerede yaşadığı, bundan kimin sorumlu olduğu ve başka birinin ne olduğunu nasıl öğrendiğidir. Bu rehber, bir yapay zekâ asistanı ile bir yapay zekâ takım arkadaşı arasındaki çizgiyi çizer, bir ekibin haftasında gerçekten değişen beş şeyi sıralar ve takım arkadaşı metaforunun nerede işe yaramaz hale geldiğini açıkça söyler. Sharkly ikinci model yüzünden var oldu; bu yüzden aşağıdaki sınırlar satılmaya çalışılmadan, açıkça belirtiliyor.
TL;DR
Bir yapay zekâ asistanı oturumunuzun içinde çalışır: siz prompt verirsiniz, o yanıtlar; değer sizin bağlamınızdadır ve pencereyi kapattığınızda kaybolur. Bir yapay zekâ takım arkadaşına ise belirtilen bir sonucu olan bir iş birimi atanır; bunu ekibin görebileceği bir yerde yürütür ve oturumdan daha uzun yaşayan bir kayda geri raporlar. Birinden diğerine geçmek daha iyi modeller gerektirmez. Atama, görünür bir yürütme izi, bir inceleme durumu ve sonucu kabul eden bir kişi gerektirir.
Saklamaya değer tanımlar
Bir yapay zekâ asistanı prompt kapsamlıdır. Baştan sona oradasınızdır. İş ürünü, kabul ettiğiniz ya da attığınız bir öneridir ve hesap verebilirlik sorusu hiç ortaya çıkmaz çünkü hiç ayrılmadınız. Otomatik tamamlama, sohbet ve satır içi refaktörleme buraya aittir.
Bir takım arkadaşı olarak çalışan yapay zekâ ajanı görev kapsamlıdır. Bir hedef, kısıtlar ve ilerlemek için yeterli bağlam alır. Araştırır, yürütür, test eder ve raporlar. Ortada siz yoksunuz. Bu yokluk işin bütün amacıdır ve aynı zamanda aşağıdaki her yeni gereksinimin kaynağıdır. Ajan tabanlı kodlama üzerine tanım yazımız aynı merdiveni farklı bir açıdan ele alıyor.
Ayırt edici soru zekâ değildir. Şudur: Dizüstü bilgisayarınızı kapatırsanız iş devam eder mi ve bir iş arkadaşı ne olduğunu söyleyebilir mi?
İş hayatında gerçekte değişenler
1. İş, mesaj değil, bir iş öğesi haline gelir. Bir asistanda istek, bir sohbet turudur. Bir takım arkadaşında ise isteğin, odada olmayan biri tarafından okunduğunda da ayakta kalması gerekir: belirtilen bir sonuç, nelerin kapsam içinde ve dışında olduğu, ilgili dosyalar, kısıtlar ve tamamlanmanın nasıl inceleneceği. Bunu atlayan ekipler belirsiz görevler yazıp suçu modelde bulur.
2. Atama ikiye ayrılır. Bir kişi sonuçtan sorumlu kalır. Bir ajan yürütür. Bunları tek bir atanan alanında birleştiren araçlar, kimseye hiçbir şey sorulamayan panolar üretir. Sharkly, aynı görevde insan atananları ve yürütme atananını ayrı alanlar olarak tutar; böylece her iki gerçek de aynı anda kaydedilir.
3. Görünürlük artık isteğe bağlı değil. Bir asistanın işi görünürdür çünkü onu izlediniz. Bir takım arkadaşının işi ise ancak platform ilerlemeyi, yorumları, engelleri ve paylaşılan bir kayda uzanan bir izi akıtırsa görünür olur. Aksi halde işinizin yarısının dürüst durumu “Priya’ya sor, o başlattı” olur.
4. İnceleme adlandırılmış bir durum haline gelir. “Birileri sonunda bakar” değil, bir kuyruğa ulaşan açık bir insan incelemesi bekleniyor sinyali. Sharkly’de bu sinyal, sorumlu kişinin ajan gelen kutusuna hatalar ve doğrudan sorularla birlikte düşer.
5. Yetenek paylaşılır hale gelir ya da kişisel kalır. Bir geliştiricinin prompt ustalığı bir asistan numarasıdır. Talimatlar, çalışma zamanı, depolar ve yeniden kullanılabilir beceriler içeren bir ajan yapılandırması olarak kaydedildiğinde, bir sonraki kişinin yeniden keşfetmesi yerine devraldığı bir şey haline gelir.
| Boyut | Yapay zekâ asistanı | Yapay zekâ takım arkadaşı |
|---|---|---|
| İş birimi | Bir prompt | Kabul kriterleri olan bir görev |
| Siz oradasınız | Her zaman | Yönlendirme ve inceleme için |
| Çıktının geldiği yer | Düzenleyiciniz veya sohbetiniz | İzi olan paylaşılan bir kayıt |
| Hesap verebilirlik | Zımnen sizin | Açıkça adı belirtilmiş bir kişi |
| Hata modu | Kötü öneri, atılır | Kimsenin incelemediği sessiz iş |
| Yeniden kullanım | Kişisel alışkanlık | Kaydedilmiş yapılandırma ve beceriler |
Farklı görünen bir hafta
Değişiklikler metriklerde görünmeden önce takvimde görünür.
Standup artık bir durum yayını olmaktan çıkar, çünkü panoda durum zaten vardır. Beş dakikaya değer olan şey istisna listesidir: hangi çalıştırmalar başarısız oldu, hangi sonuçlar bir insanı bekliyor, hangi görev, ajanın tahmin yürütecek kadar kötü yazılmış olduğu ortaya çıktı. Bu liste kısadır ve eyleme geçirilebilir; çoğu standup’ın başardığından daha fazlasıdır.
Planlama da şekil değiştirir. Bir görev, bir ajanın yürütebileceği kadar belirli olmak zorunda olduğunda, iyileştirme daha erken başlar ve daha somut hale gelir: kabul kriterleri artık bir formalite olmaktan çıkar, çünkü belirsiz bir kriter atmak zorunda kalacağınız bir çalıştırma üretir. Ekipler bunu genellikle başlangıçta daha fazla kapsam yazmak ve sprint ortasında daha az zaman kaybetmek olarak fark eder.
İnceleme, kısıtlı kaynak haline gelir. Üç ajan bir sabah bir gözden geçirenin bir günde temizlediğinden daha fazla değişiklik üretebilir; bu yüzden gerçek kısıt yazma hızından okuma kapasitesine kayar. Bunu keşfetmek yerine planlayın: gözden geçiren başına aynı anda ne kadar ajan işinin yürütüldüğünü sınırlayın ve incelenmemiş sonuçlardan oluşan büyüyen bir kuyruğu, birleştirilmemiş pull request'lerden oluşan büyüyen bir yığınla aynı sorun olarak görün.
Takım arkadaşı metaforunun çöktüğü yer
Metaforu ciddiye alırsanız, insanları üç şekilde yanıltmaya başlar.
Bir ajan hesap verebilirliği taşıyamaz. İşin kredisi ona verilebilir; ancak bir sonuç için hesap veremez, gelecek çeyrekte bir ödünleşimi gerekçelendirmesi istenemez veya kötü bir kararın sonucunu üstlenemez. Bu alandaki her ciddi platform bunu kodlar: Linear, insanı birincil atanan, ajanı katkıda bulunan olarak tutar; Sharkly’nin kendi yaklaşımı da şudur: Ajanlar araştırır, yürütür, test eder ve raporlar; insanlar ise yön belirler, yetki verir ve sonucu kabul eder.
Bir ajan, siz ona vermedikçe ekibinizin sürekli hafızasına sahip değildir. Yeni bir iş arkadaşı bağlamı etrafta bulunarak emer. Bir ajan ise tam olarak yazdığınız şeyi alır; bu yüzden yazılı kapsam, her seferinde ima edilen kapsamı yener.
Ve bir ajanın durumu, bir proje durumu değildir. Ajan çalışırken, bir yanıtı beklerken, incelemeyi beklerken veya hata bildirirken bir görev Devam Ediyor’da kalabilir. Çalıştırma durumunu proje durumu olarak okumak, ekiplerin sprint sonunda şaşırmasının yoludur. Yapay zekâ ajanı proje yönetimi rehberimiz bu ayrımı ayrıntılı olarak ele alır.
Ajanlar takım arkadaşı gibi davranmadan önce eklenmesi gerekenler
Sırayla dört şey. Hiçbiri geçiş gerektirmez.
- İncelenebilir bir sonucu olan bir görev. İşi nasıl kontrol edeceğinizi söyleyemiyorsanız, bir ajan da söyleyemez.
- Sahibinden ayrı bir yürütme atananı. Aynı öğeye hem kişiyi hem ajanı atayın.
- Görünür bir çalıştırma. Göreve eklenmiş ilerleme, yorumlar ve bir iz; ekipteki herkes tarafından okunabilir.
- Bir kabul adımı. Adı belirtilmiş bir kişi, çalıştırmanın bittiğini gördükten sonra değil, kanıtı okuduktan sonra işi tamamlandı olarak taşır.
Önce tekrar eden tek bir iş türü için ekleyin: bağımlılık güncellemeleri, kararlı bir modülde test kapsamı, geçiş iskeleti. İkinci bir kişi, başka birinin ajan sonucunu sözlü bir brifinge ihtiyaç duymadan inceledikten sonra genişletin. Bu döngünün önceden yapılandırılmış olmasını istiyorsanız Sharkly’yi indirin ya da hâlihazırda kullandığınız takip aracında kurun.
SSS
Yapay zekâ ajanı, daha fazla izne sahip bir asistan mıdır? İzinler önemlidir, ama asıl fark iş birimidir. Bir asistan oturumunuzun içindeki bir prompt’u ele alır; bir ajan ise oturumdan daha uzun yaşayan ve paylaşılan bir kayda rapor veren bir görevi ele alır.
Asistanları ajanlarla değiştirmeli miyiz? Hayır. Asistanlar, tuş tuş yönlendirmek istediğiniz her şey için daha iyi kalır. Ajanlar ise belirleyebileceğiniz, devredebileceğiniz ve inceleyebileceğiniz işler içindir.
Ölçekte ajan işini kim inceler? İnsan pull request’lerini inceleyen aynı kişiler; bu yüzden inceleme kapasitesi gerçek darboğaz haline gelir. Bir insan onları açmadan önce sonuçların ne kadar beklediğini ölçerek başlayın.
Ajanların kendi hesaplarına ve izinlerine ihtiyacı var mı? Kapsamı belirlenmiş erişime ihtiyaçları var ve bu, işin gerektirdiği kadar dar olmalı. Pratikte bu, belirli depolar, belirli makineler ve hangi ajanı kimin tetikleyebileceğine karar veren rol tabanlı bir model anlamına gelir. Sharkly Ajanları açıklamamız bir uygulamayı gösterir.
