Nový 10x inženýr neпише 10x kódu. Postaví systém, který kód пише.

Mýtus o 10x inženýrovi je již desetiletími silným mýtem v Silicon Valley. Osamocený génius, naslouchátko na uších, produkující elegantní kód na superlidskou rychlost. Debatovali jsme o tom, zda existují, diskutovali o tom, jak je najmout, a potichu záviděli každému, kdo tvrdil, že jím je.

Ale něco zajímavého se stalo na cestě k budoucnosti první s umělou inteligencí: 10x inženýr se stal skutečností. Jenomže vypadá úplně jinak, než jsme si představovali.

OpenAI nedávno sdílel, jak tříčlenný tým použil Codex k odeslání 1 500 požadavků na stažení a přibližně milionu řádků kódu, aniž by musel ručně napsat jediný řádek. Tři inženýři a žádný ručně psaný kód. Produkční produkt používaný stovkami interních uživatelů.

To není 10x; je to blíže 100x. A dovednost, která to umožnila, nebyla psaní rychleji nebo znalost více algoritmů. Byla to výstavba systému, který činí agenty produktivními: pracovní postupy, ochranné zábrany, ověřovací smyčky, rozhraní, do kterých se agenty připojují a lidé je prohlížejí.

Domnívám se, že se jedná o vznik nové klíčové funkce v inženýrských organizacích. Řekl bych, že se jedná o inženýrství orchestrace umělé inteligence.

Tři disciplíny vstupují do stand-up

Pokud se podíváte na to, co vlastně dělá inženýr orchestrace umělé inteligence, uznáte tři známé disciplíny spojené do jedné.

Nejběžnější složkou je DevOps. DevOps centralizoval proces nasazení. Jeden tým nakonfiguroval pracovní postupy CI/CD, které každý inženýr používal při odesílání kódu. Inženýrství orchestrace umělé inteligence dělá totéž, ale pro pracovní postupy agentů. Definuje, jak úkoly jsou přiřazeny agentům, jak výstupy jsou ověřeny, jak fungují opakované pokusy a záložní plány. Je to sdílená infrastruktura, na které agenty běží.

Pak je tu architektura, která se překrývá s DevOps více, než byste čekali. Architekti rozhodují, která rozhraní jsou uzamčena, které vzory jsou vynuceny, které hranice nelze překročit. Ve světě první s agenty to má ještě větší význam. Agenty potřebují čisté, dobře zdokumentované kódy s jasnými kontrakty. Inženýr orchestrace umělé inteligence definuje tyto omezení, nejen pro lidskou čitelnost, ale i pro pochopení agentů. Znečištěný repozitář již není pouze technickým dluhem. Je to produktivní strop pro každého agenta, který se ho dotkne.

Nejméně pochopenou součástí je vrstva specifická pro umělou inteligenci. Inženýrství podnětů, správa kontextu, výběr modelu, konfigurace agenta. Dnes většina inženýrů dělá toto rozptýleně, úkol po úkolu. Každý člověk si najde svůj vlastní styl podněcování, svůj vlastní nastavení agenta, své vlastní způsoby, jak věci udělat. Inženýr orchestrace umělé inteligence centralizuje toto. Staví sdílené playbooky, opakovaně použitelné konfigurace, organizační znalosti o tom, co funguje a co nefunguje napříč modely a případy použití.

Metafora showrunnera

Režisér filmu neoperuje kameru, nehraje v scénách, needituje záběry. Ale každý snímek odráží jeho rozhodnutí.

Vybere složení záběru, tempo, tón. Rozhodne, kdy se přiblížit a kdy se vrátit zpět. Nastaví prostředí (osvětlení, design scény, blokování), aby každý člověk na scéně mohl udělat svou nejlepší práci v rámci ucelené vize. Tým je individuálně talentovaný, ale bez této koordinace byste dostali nepořádek, který se nikdy nedodá.

Režisér dělá film, který je větší než součet jeho částí. Inženýr orchestrace umělé inteligence dělá totéž pro flotily agentů.

Proč většina organizací investuje příliš málo

Toto je to, co vidím napříč průmyslem: společnosti investují大量ně do nástrojů umělé inteligence a téměř vůbec ne do systémů kolem nich.

Inženýři mají přístup k Copilot, Claude, Codex. Experimentují individuálně. Někteří se stávají silnými uživateli. Většina se zastaví na úrovni “fancy autocomplete”. 20% produktivity, o kterých studie neustále referují? To je symptom nástrojového přijetí bez systémového myšlení.

Organizace, které prorazily, ty, které referují o 2x nebo větším průtoku, mají něco společného. Centralizovaly orchestraci. Někdo (nebo nějaký tým) vlastní pracovní postupy agentů, přípravu repozitáře, ověřovací infrastrukturu, sdílený kontext, ke kterému může každý agent přistupovat.

Jak vypadá tato role ve skutečnosti

Denní práce inženýra orchestrace umělé inteligence může zahrnovat:

• Navrhování pracovních postupů agentů: definování, jak se žádost o funkci stane specifikací, stane se plánem, stane se paralelními úkoly agenta, stane se recenzovaným a sloučeným kódem.
• Stavba ověřovací infrastruktury: automatizované testy, pravidla pro kontrolu kódu, bezpečnostní skeny a evaluační rámce, které agenty musí projít, než bude jejich práce sloučena.
• Udržování zdraví repozitáře pro spotřebu agenta: dokumentace, čisté rozhraní, správa závislostí a zjednodušení kódu, vše optimalizováno pro pochopení agenta, ne pouze pro lidskou čitelnost.
• Centralizace strategií pro podněcování a kontext: sdílené systémové podněty, pipeline pro načtení, rozhodnutí o směrování modelu a šablony konfigurace, které používá celý tým.
• Monitorování a zlepšování výkonu agenta: sledování úspěšných rychlostí, módů selhání, nákladů na úkol a času na sloučení napříč flotilou agenta, a poté ladění systému na základě dat.

Tato osoba sedí na křižovatce platformního inženýrství, softwarové architektury a odbornosti umělé inteligence. Neписují funkce. Staví systém, který činí dodání funkcí rychlým, spolehlivým a škálovatelným.

Historický vzorec

V raných dnech cloud computingu byla nasazení vedlejší úkolem každého inženýra. Každý tým měl své vlastní skripty, své vlastní konfigurace serveru, svůj vlastní způsob, jak dostat kód do produkce. DevOps se objevil, aby centralizoval tuto práci, a platformní inženýrství se vyvinulo, aby ji postavilo do sdílené, samoobslužné infrastruktury.

Umělá inteligence následuje stejnou trajektorii. Právě teď je použití agenta vedlejší úkolem každého inženýra. Každý člověk má svůj vlastní styl podněcování, své vlastní nástrojové preference, svůj vlastní mentální model pro to, kdy umělá inteligence pomáhá a kdy ne. Organizace, které centralizují toto, které s tím nakládají jako s infrastrukturou, a ne jako s individuální experimentací, se dostanou dopředu stejným způsobem, jako organizace s vyzrálými postupy DevOps předstihly ty, které je neměly.

Rozdíl je v rychlosti. Přechod DevOps trval deset let. Tenhle by mohl trvat čtvrtletí. Ačkoli přiznávám, že tato předpověď předpokládá, že organizace rozpoznají vzorec rychleji, než obvykle.

Cesta vpřed

Pokud jste lídrem inženýrství, toto je to, co bych vám navrhl, i když vaše zkušenosti se budou lišit v závislosti na tom, jak daleko váš tým již je.

1. Identifikujte, kdo již tuto práci dělá neformálně. Každá organizace má někoho, kdo již vyřešil pracovní postupy agenta, ke kterému ostatní inženýři chodí pro rady o podněcování nebo nastavení nástrojů. Tato osoba je váš proto-inženýr orchestrace umělé inteligence.
2. Udělejte z toho něco explicitního. Dejte funkci jméno, mandát a zdroje. Nenechte, aby zůstala vedlejší prací, připojenou k něčí “skutečné” práci.
3. Začněte s připraveností repozitáře. Předtím, než investujete do sofistikovaných pracovních postupů agenta, ujistěte se, že váš kód je něco, co agenty mohou skutečně navigovat. Čisté rozhraní, dobrá dokumentace, komplexní testy, zjednodušená architektura.
4. Centralizujte to, co funguje. Když někdo objeví strategii pro podněcování nebo pracovní postup, který dramaticky zlepšuje výstup agenta, zachyťte to. Udělejte z toho výchozí bod pro celý tým, ne tribální znalosti uzamčené v jedné osobě.
5. Měřte na systémové úrovni. Nesledujte pouze individuální použití nástrojů. Sledujte, kolik úkolů agenty dokončují od začátku do konce, jak vypadají recenze a přetěžení, kde jsou úzká místa.

Nový 10x

Mýtus o 10x inženýrovi byl vždy o individuálních hrdinských činech. Jedna osoba, která předčí všechny ostatní svou talentem a kofeinem.

Realita 10x inženýra v éře umělé inteligence je o systémovém myšlení. Osoba, která činí každého jiného inženýra (a každého agenta) produktivnějším, stavěním správné infrastruktury, správných pracovních postupů, správných omezení.

Neписují 10x kódu. Staví systém, který kód пише.

Nejsem si jist, zda se tato role zkristalizuje přesně tak, jak jsem ji zde popsal. Ale jsem si poměrně jist, že organizace, které vymyslí vrstvu orchestrace (nezávisle na tom, jak ji nakonec pojmenují), budou ty, které skutečně dosáhnou produktivity, o které všichni ostatní pouze mluví.