Dyrektor techniczny mówi, że SI powoduje poważne problemy ze stabilnością

David Ting

Dyrektor techniczny w Bespin Global

David Ting

David Ting wyjaśnia, jak SI zwiększa szybkość pracy zespołów inżynieryjnych, jednocześnie wprowadzając ryzyko związane ze stabilnością, oraz dlaczego walidacja, nadzór i kontrola ekspertów są niezbędne do tworzenia niezawodnego oprogramowania.

Key Takeaways

Strategia transformacji z wykorzystaniem SI: David Ting opracowuje strategię transformacji z wykorzystaniem SI, aby usprawnić działalność operacyjną i tworzyć nowe produkty.

Narzędzia SI dla deweloperów: Korzystanie z narzędzi takich jak Claude Code podobno zwiększa produktywność programistów ponad dziesięciokrotnie.

Wiedza ekspercka: Pomimo postępów SI eksperci nadal odgrywają kluczową rolę w zapewnianiu funkcjonalności kodu i jakości oprogramowania.

Wyzwania produkcyjne: Integracja SI może powodować niestabilność w środowiskach produkcyjnych, dlatego konieczne jest uważne monitorowanie wydajności.

Nauka przez praktykę: Ćwiczenie programowania z narzędziami SI jest skuteczniejsze niż tradycyjne szkolenia, które szybko się dezaktualizują.

David Ting jest dyrektorem technicznym w Bespin Global i od ponad dekady integruje AI z procesami pracy. Jednak jego zdaniem w ciągu ostatniego roku sytuacja całkowicie się zmieniła.

Usiedliśmy z Davidem, aby porozmawiać o osiąganych przez niego korzyściach. Powiedział, że nie chodzi wyłącznie o korzyści — stabilność jest poważnym problemem.

Tworzenie strategii transformacji AI

David Ting

Przemyślenia Davida

W ciągu ostatniego roku innowacje jeszcze bardziej przyspieszyły.

Aktywnie zajmuję się AI od ponad dekady. To dynamiczne środowisko, a w ciągu ostatniego roku innowacje jeszcze bardziej przyspieszyły.

Obecnie jestem dyrektorem technicznym w Bespin Global, gdzie tworzę strategię transformacji AI — od usprawniania operacji po rozwijanie nowych produktów i usług. Koncentrujemy się na odsprzedaży usług chmurowych i doradztwie, a na całym świecie zatrudniamy 1000 osób.

Uruchomiłem również i rozwijałem dwa wewnętrzne produkty AI — narzędzie AI dla produkcji oraz narzędzie AI do celów bezpieczeństwa.

Codziennie poświęcam co najmniej 50% czasu na programowanie i automatyzowanie pracy oraz życia. Pomaga mi to być na bieżąco z najnowszymi osiągnięciami technicznymi. W rzeczywistości w ciągu ostatniego miesiąca napisałem z pomocą AI ponad 200 tys. linii kodu.

More Articles

Dlaczego korzystanie z Claude Code powinno być obowiązkowe

Mamy setki programistów i wszyscy korzystają z Claude Code.

Proaktywnie monitorowaliśmy tempo pracy i odkryliśmy, że produktywność programistów może wzrosnąć ponad 10-krotnie. Osobiście przekonałem się, że 10-krotny wzrost nie jest granicą.

Nadal korzystamy z tradycyjnych zespołów programistycznych i kontroli jakości, pracujących zgodnie ze standardowym przepływem opartym na specyfikacji. Zmiana dotyczy narzędzi.

Nawet zespół kontroli jakości pisze więcej testów z wykorzystaniem AI — głównie testów Playwright oraz dodatkowych testów jednostkowych.

Zespół programistyczny korzysta również z innych narzędzi. Osobiście do większości zadań używam narzędzi open source. Korzystam także z OpenAI, Codex, Anthropic API i Claude. Używam wszystkich tych narzędzi jednocześnie, za pośrednictwem wielu okien terminala.

Jak AI usprawnia kompleksowe procesy inżynieryjne

Jak AI usprawnia kompleksowe procesy inżynieryjne

Piszemy specyfikację produktu z pomocą AI, przeprowadzamy przeglądy architektury z pomocą AI i piszemy kod z pomocą AI.

Aby to zrobić, zaczynasz od bardzo szczegółowej specyfikacji projektu. Programiści AI ją opracują, uzupełnią szczegóły i dokładnie przeanalizują projekt, znajdując problemy. Następnie agent zajmuje się każdym elementem działań i dostarcza jego rozwiązanie.

Po zakończeniu implementacji potrzebna jest weryfikacja człowieka, aby upewnić się, że oprogramowanie działa zgodnie z projektem. Dołącz narzędzia obserwowalności do stosu kodu, aby monitorować dzienniki i metryki wydajności, a następnie wypróbuj AI, aby zoptymalizować kod lub naprawić błędy, określając bardzo jasny cel.

Gdy to zrobisz, przekonasz się, że jeden programista może szybko wykonać pracę odpowiadającą pracy od 20 do 60 programistów. Dopracowanie produktu wymaga wskazówek ekspertów, ale większość kodu tworzy AI.

Dlaczego AI przenosi uwagę z jakości kodu na wyniki

Nadal śledzę jakość kodu jako miernik, ale AI przeniosło moją uwagę na liczbę zaimplementowanych przypadków użycia i linii kodu.

Powód jest prosty: AI zwiększa wydajność. Dlatego iteracje są niezwykle szybkie.

Nie refaktoryzujesz kodu. Pozwalasz, aby wyniki wskazywały, na co przeznaczyć czas.

Nadal śledzę jakość kodu jako miernik, ale AI przeniosło moją uwagę na liczbę zaimplementowanych przypadków użycia i linii kodu… Nie refaktoryzujesz kodu. Pozwalasz, aby wyniki wskazywały, na co przeznaczyć czas.

David TingDyrektor techniczny w Bespin Global
Share This Quote on:

Dlaczego eksperci nadal są potrzebni w procesach inżynieryjnych

AI dotyka więc niemal wszystkiego, co robimy. W ciągu zaledwie ostatnich sześciu miesięcy znacznie się udoskonaliło, ale eksperci nadal są niezbędni do kierowania rozwojem. Zapewniają, że kod działa prawidłowo i że projekt UX jest przejrzysty.

AI często generuje halucynacje. Prowadzi to do głęboko zakorzenionych błędów. Potrzebujesz kogoś, kto doskonale zna najlepsze praktyki architektoniczne i potrafi je wykryć.

Dlatego zmierzamy w stronę mniejszych zespołów złożonych z ekspertów światowej klasy. Siła zespołu nie zależy już od jego wielkości.

Dlaczego AI zwiększa ilość pracy personelu dyżurującego

Dlaczego AI zwiększa ilość pracy personelu dyżurującego

Integracja AI oczywiście doprowadziła do oszczędności kosztów. Nasza cyfrowa linia montażowa, oparta na agentowej sztucznej inteligencji, zmniejszyła zapotrzebowanie na personel o 75%, jednocześnie zwiększając szybkość realizacji.

W tym roku eksperymentuję również z automatyzacją ról w firmie za pomocą zespołu agentów i uzyskuję pewne zachęcające wyniki.

Ale te korzyści nie wyczerpują całego obrazu.

Jakość znacznie się różni, ponieważ kodowanie stało się obecnie niedeterministyczne. Ta sama prośba daje różne rezultaty, co może być frustrujące.

Zapobieganie przedostaniu się błędu do środowiska produkcyjnego wymaga dużej staranności — prompty trzeba dokładnie konstruować, a kod dokładnie testować.

W związku z tym ludzie pracują również ciężej niż kiedykolwiek — szczególnie osoby pełniące dyżury.

Jak AI wpływa na dostępność środowiska produkcyjnego

Dodaliśmy rozbudowane monitorowanie i mechanizmy zabezpieczające. Interfejs API Claude'a jest niestabilny w środowisku produkcyjnym, dlatego uzupełniliśmy go modelami open source, takimi jak Qwen.

Dostępność środowiska produkcyjnego to kolejny problem. Nasza aplikacja doświadczyła znacznego pogorszenia jakości w godzinach szczytowego użytkowania.

Planujemy uruchamiać te aplikacje na samodzielnie hostowanych modelach LLM jako mechanizm awaryjny.

David Ting

Myśli Davida

Dostępność środowiska produkcyjnego to kolejny problem. Nasza aplikacja doświadczyła znacznego pogorszenia jakości w godzinach szczytowego użytkowania.

Dlaczego praktyczne kodowanie jest ważniejsze od szkoleń przy wdrażaniu AI

Kiedy wdrażałem te zmiany, ludzie prosili o szkolenia przed rozpoczęciem korzystania z narzędzi.

Od początku powinienem był wymagać od ludzi używania AI w kodzie. Zamiast tego odbyli mnóstwo szkoleń i kursów.

AI zmienia się tak szybko, że materiały dezaktualizują się z tygodnia na tydzień. Jedynym sposobem nauki jest praktyka.

Dlaczego dodawanie programistów zwiększa obciążenie projektu

CTO powinni przeprojektowywać swoje organizacje. Obecnie bowiem zespoły jednoosobowe osiągają maksymalną szybkość działania.

Produktywność zależy od dwóch rzeczy:

  1. Jak dobrze definiujesz zadania dla AI
  2. Jak dobrze sprawdzasz i poprawiasz pracę wykonaną przez AI

Zatrzymaj świetnych ludzi, którzy dobrze współpracują z AI. Dodawanie ludzi do projektu wiąże się z dodatkowym obciążeniem.

Dlaczego CTO powinni zakładać, że AI zawiedzie

Dlaczego CTO powinni zakładać, że AI zawiedzie

Oto moja rada: wdrażajcie AI tak zdecydowanie, jak to możliwe, ale dokładnie weryfikujcie rezultaty.

Sukces znajdziecie wszędzie, ale doświadczycie porażek, jeśli zabraknie wam odpowiednich struktur weryfikacji i zarządzania.

CTO powinni poświęcić znaczną ilość czasu na wdrożenie tych struktur — oraz zastosowanie licznych mechanizmów awaryjnych.

Zakładaj, że AI zawiedzie.

Wdrażajcie AI tak zdecydowanie, jak to możliwe, ale dokładnie weryfikujcie rezultaty…Zakładaj, że AI zawiedzie.

David TingCTO w Bespin Global
Share This Quote on:

Śledź dalsze informacje

Pracę Davida Tinga można śledzić na LinkedInie.

Na The CTO Club pojawi się więcej wywiadów z ekspertami!

You may also like