Απίστευτο πείραμα - Έβαλε το ΑΙ στην παραγωγή και...

Γράφει ο Josh Anderson

Έχετε δει τη μελέτη του MIT. Το 95% των εταιρικών πρωτοβουλιών για την τεχνητή νοημοσύνη αποτυγχάνουν.

Πιθανότατα το έχετε μοιραστεί σε συσκέψεις, το έχετε δημοσιεύσει στο LinkedIn, το έχετε χρησιμοποιήσει για να δικαιολογήσετε τις ανησυχίες σας για την τεχνητή νοημοσύνη. Αλλά ξέρετε γιατί αυτός ο αριθμός είναι τόσο υψηλός; Εγώ ξέρω. Επειδή το έζησα.

Ξόδεψα τρεις μήνες για να γίνω μέρος αυτού του 95% επίτηδες.

Το τρίμηνο πείραμά μου στην αποτυχία

Ως κλασσικός CTO και σύμβουλος, μου έκαναν συνεχώς την ίδια ερώτηση: «Πώς πρέπει να χρησιμοποιήσουμε την τεχνητή νοημοσύνη στις ομάδες μηχανικών μας;» Θα μπορούσα να δώσω την τυπική απάντηση του συμβούλου για την αύξηση και την αποτελεσματικότητα. Αντ’ αυτού, αποφάσισα να ανακαλύψω τι πραγματικά συμβαίνει όταν τα δίνεις όλα.

Αναγκάστηκα να χρησιμοποιήσω τον κώδικα Claude αποκλειστικά για την κατασκευή ενός προϊόντος. Τρεις μήνες. Ούτε μια γραμμή κώδικα γραμμένη από εμένα. Ήθελα να βιώσω αυτό που σκέφτονταν οι πελάτες μου -100% υιοθέτηση AI. Ήθελα να μάθω από πρώτο χέρι γιατί υπάρχει αυτό το ποσοστό αποτυχίας 95%.

Ξεκίνησα το προϊόν. Δούλεψε. Ήμουν περήφανος για αυτό που είχα δημιουργήσει. Τότε ήρθε η στιγμή που επιβεβαίωσε κάθε ανησυχία της μελέτης του ΜΙΤ: Έπρεπε να κάνω μια μικρή αλλαγή και συνειδητοποίησα ότι δεν ήμουν σίγουρος ότι μπορούσα να το κάνω. Το δικό μου προϊόν, κατασκευασμένο υπό τη δική μου καθοδήγηση, και είχα χάσει την εμπιστοσύνη μου στην ικανότητά μου να το τροποποιήσω.

Είκοσι πέντε χρόνια εμπειρίας στη μηχανική λογισμικού και είχα καταφέρει να υποβαθμίσω τις ικανότητές μου σε σημείο που ένιωθα αβοήθητος κοιτάζοντας τον κώδικα που είχα καθοδηγήσει μια τεχνητή νοημοσύνη να γράψει. Είχα γίνει επιβάτης στην ανάπτυξη του δικού μου προϊόντος.

Τώρα, όταν οι πελάτες με ρωτούν για την υιοθέτηση της ΤΝ, μπορώ να τους πω ακριβώς πώς μοιάζει το 100%: μοιάζει με αποτυχία. Όχι άμεση αποτυχία – αυτή είναι η παγίδα. Οι αρχικές μετρήσεις φαίνονται υπέροχες. Αποστέλλετε γρηγορότερα. Αισθάνεστε παραγωγικοί. Τρεις μήνες αργότερα, συνειδητοποιείτε ότι κανείς δεν καταλαβαίνει αυτό που φτιάξατε.

Το μοτίβο που ακολουθεί κάθε αποτυχημένη πρωτοβουλία

Η εταιρεία ενθουσιάζεται με την τεχνητή νοημοσύνη. Η ηγεσία δίνει εντολή για την υιοθέτηση της τεχνητής νοημοσύνης. Όλοι αρχίζουν να χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης. Οι μετρήσεις παραγωγικότητας φαίνονται αρχικά πολύ καλές. Στη συνέχεια, κάτι σπάει, ή χρειάζεται τροποποίηση, ή απαιτεί πραγματική κρίση, και κανείς δεν ξέρει πλέον τι να κάνει.

Οι προγραμματιστές δεν μπορούν να αποσφαλματώσουν κώδικα που δεν έγραψαν οι ίδιοι. Οι διαχειριστές προϊόντων δεν μπορούν να εξηγήσουν τις αποφάσεις που δεν έλαβαν. Οι ηγέτες δεν μπορούν να υπερασπιστούν στρατηγικές που δεν ανέπτυξαν.

Όλοι δείχνουν τα εργαλεία τεχνητής νοημοσύνης τους και λένε: «Μου είπε ότι αυτή ήταν η σωστή προσέγγιση».

Κατά τη διάρκεια του πειράματός μου, βρήκα τον εαυτό μου σε συνεχή κατάσταση πυρόσβεσης. Ο Claude Code θα δημιουργούσε κάτι, θα ήταν ελαφρώς λάθος, θα το διόρθωνα, θα έκανε ξανά το ίδιο λάθος, θα το διόρθωνα ξανά. Δούλευα πιο σκληρά από ό,τι αν είχα γράψει μόνος μου τον κώδικα, αλλά χωρίς καμία από τις δυνατότητες μάθησης ή ανάπτυξης δεξιοτήτων.

Ο Bob Galen με παρακολούθησε να το περνάω αυτό και το αποκάλεσε τέλεια στο τελευταίο μας podcast: “Σε ποιον ανήκει αυτό το προϊόν, Τζος; Εσύ ή ο Claude Code;” Η απάντηση ήταν η Claude Code. Είχα παραιτηθεί από την ιδιοκτησία, ενώ έλεγα στον εαυτό μου ότι ήμουν καινοτόμος.

Η σωστή ισορροπία (που λίγοι πετυχαίνουν)

Η φόρμουλα πρέπει να είναι AI + HI, όπου η HI (ανθρώπινη νοημοσύνη) είναι μεγαλύτερη από την AI. Τι συμβαίνει στην πραγματικότητα σε αυτό το 95% των αποτυχιών; Είναι η τεχνητή νοημοσύνη με ελάχιστη ανθρώπινη επίβλεψη, αν υπάρχει.

Όταν η ΤΝ σας βοηθά να γράψετε καλύτερο κώδικα πιο γρήγορα, ενώ διατηρείτε την αρχιτεκτονική κατανόηση – αυτό είναι επαύξηση. Όταν η Τεχνητή Νοημοσύνη γράφει κώδικα που δεν καταλαβαίνετε, αυτό είναι παραίτηση.

Όταν η τεχνητή νοημοσύνη σας βοηθά να αναλύετε τα σχόλια των πελατών ενώ εσείς παίρνετε αποφάσεις για το προϊόν – αυτό είναι επαύξηση. Όταν η τεχνητή νοημοσύνη σας λέει τι να κατασκευάσετε στη συνέχεια – αυτό είναι παραίτηση.

Όταν η τεχνητή νοημοσύνη σας βοηθά να γράφετε καλύτερα και πιο γρήγορα, διατηρώντας τη φωνή σας – αυτό είναι επαύξηση. Όταν η τεχνητή νοημοσύνη γράφει για εσάς με μια φωνή που δεν είναι δική σας – αυτό είναι παραίτηση.

Γνωρίζω τη διαφορά επειδή έχω βρεθεί και στις δύο πλευρές. Η πλευρά της παραίτησης είναι πιο εύκολη αρχικά. Αποστέλλετε περισσότερα! Κινείσαι γρηγορότερα! Μετά συνειδητοποιείς ότι δεν έχεις πια τον έλεγχο, και όταν κάτι πάει στραβά -και πάντα κάτι πάει στραβά- είσαι αβοήθητος.

Τα αφεντικά που χάνουμε

Είμαστε έτοιμοι να αντιμετωπίσουμε μια κρίση για την οποία κανείς δεν μιλάει. Σε 10 χρόνια, ποιος θα είναι ο μέντορας της επόμενης γενιάς; Οι προγραμματιστές που χρησιμοποιούν την τεχνητή νοημοσύνη από την πρώτη μέρα δεν θα έχουν την αρχιτεκτονική κατανόηση για να διδάξουν. Οι διαχειριστές προϊόντων που πάντα βασίζονταν στην ΤΝ για τη λήψη αποφάσεων δεν θα έχουν την κρίση να μεταδώσουν. Οι ηγέτες που παραδόθηκαν στους αλγορίθμους δεν θα έχουν τη σοφία να μοιραστούν.

Ο Μπομπ και εγώ εκπροσωπούμε κάτι που μπορεί να εξαφανιστεί: οι δάσκαλοι της τέχνης μας που έμαθαν κάνοντας, αποτυγχάνοντας, διορθώνοντας και ξανακάνω. Έχουμε πάνω από 25 χρόνια συσσωρευμένου ουλώδους ιστού που μας λέει πότε κάτι πρόκειται να πάει στραβά, γιατί αυτή η αρχιτεκτονική απόφαση θα σας στοιχειώσει, και τι πραγματικά σημαίνουν τα σχόλια των πελατών.

Δεν μπορείτε να ζητήσετε με προτροπή να αποκτήσετε αυτή τη γνώση. Δεν μπορείτε να κατεβάσετε αυτή την εμπειρία. Πρέπει να την κερδίσετε. Και αν αφήνετε την ΤΝ να κάνει τη δουλειά, δεν κερδίζετε τίποτα άλλο εκτός από μια επικίνδυνη εξάρτηση.

Ο έλεγχος της παραίτησής σας

Ώρα για λίγη ανησυχία. Κοιτάξτε την πρόσφατη δουλειά σας:

Μπορείτε να εξηγήσετε λεπτομερώς κάθε απόφαση χωρίς να αναφέρεστε σε αυτό που πρότεινε η Τεχνητή Νοημοσύνη; Θα μπορούσατε να κάνετε τη δουλειά σας αύριο αν εξαφανίζονταν όλα τα εργαλεία ΤΝ; Γίνεστε καλύτεροι στην τέχνη σας ή απλά καλύτεροι στην προτροπή; Όταν κάτι χαλάει, το πρώτο σας ένστικτο είναι να το διορθώσετε ή να ζητήσετε από την ΤΝ να το διορθώσει;

Αν ζορίζεστε, ανήκετε στο 95%.

Η πρόκληση

Για την επόμενη εβδομάδα, επιλέξτε μία βασική δεξιότητα της δουλειάς σας. Μόνο μία. Κάντε την χωρίς καμία βοήθεια από την τεχνητή νοημοσύνη. Γράψτε κώδικα χωρίς Copilot. Πάρτε αποφάσεις για το προϊόν χωρίς ChatGPT. Γράψτε στρατηγική χωρίς Claude.

Νιώθετε αυτή τη δυσφορία; Αυτό δεν είναι ανικανότητα. Αυτό είναι το πραγματικό επίπεδο των ικανοτήτων σας που αποκαλύπτεται. Αυτό είναι το χάσμα μεταξύ αυτού που είστε και αυτού που προσποιείστε ότι σας κάνει η τεχνητή νοημοσύνη.

Τώρα έχεις μια επιλογή. Μπορείτε να καλύψετε αυτό το κενό αναπτύσσοντας τις πραγματικές σας δεξιότητες, χρησιμοποιώντας την ΤΝ ως εκπαιδευτικό συνεργάτη και όχι ως αντικαταστάτη. Ή μπορείτε να συνεχίσετε να παραιτείστε, να συνεχίσετε να λέτε στον εαυτό σας ότι είστε καινοτόμοι και να γίνετε μέρος αυτού του ποσοστού αποτυχίας 95%.

Οι εταιρείες που θα ευδοκιμήσουν δεν είναι αυτές με τα καλύτερα εργαλεία τεχνητής νοημοσύνης. Είναι εκείνες των οποίων οι άνθρωποι χρησιμοποιούν την ΤΝ για να γίνουν καλύτεροι, όχι για να γίνουν πιο τεμπέληδες. Είναι εκείνες όπου οι άνθρωποι κατέχουν τις αποφάσεις, κατέχουν τον κώδικα, κατέχουν τη στρατηγική και χρησιμοποιούν την ΤΝ ως ενισχυτή, όχι ως αυτόματο πιλότο.

Πέρασα τρεις μήνες για να το μάθω αυτό με τον δύσκολο τρόπο. Άφησα την ΤΝ να κατέχει την ανάπτυξη των προϊόντων μου και σχεδόν έχασα τον εαυτό μου ως προγραμματιστή. Μην κάνετε το λάθος μου. Μην γίνετε άλλο ένα στατιστικό στοιχείο σε αυτό το 95%.

Διαθέστε την τέχνη σας. Χρησιμοποιήστε τα εργαλεία. Μην αφήνετε τα εργαλεία να σας χρησιμοποιούν.