Ηγέτες σκέψης
Η άνοδος της Μηχανικής Ενορχήστρωσης AI

Βασικά σημείαΜια ομάδα τριών ατόμων της OpenAI παρέδωσε ένα εκατομμύριο γραμμές κώδικα μέσω του…
Δείτε περισσότερα
- Μια ομάδα τριών ατόμων της OpenAI παρέδωσε ένα εκατομμύριο γραμμές κώδικα μέσω του Codex χωρίς να γράψει κανέναν κώδικα χειροκίνητα.
- Η Μηχανική Ενορχήστρωσης Τεχνητής Νοημοσύνης συνδυάζει την αρχιτεκτονική DevOps και την εξειδίκευση στην Τεχνητή Νοημοσύνη σε έναν ενιαίο κεντρικό ρόλο.
- Οι οργανισμοί που συγκεντρώνουν τις ροές εργασίας των πρακτόρων θα επιτύχουν διπλάσια απόδοση, ενώ άλλοι θα παραμείνουν στάσιμοι στην αυτόματη συμπλήρωση.
Ο μηχανικός 10x αποτελεί μύθο της Silicon Valley εδώ και δεκαετίες. Η μοναχική ιδιοφυΐα, με τα ακουστικά φορεμένα, που παράγει μαζικά κομψό κώδικα με υπεράνθρωπη ταχύτητα. Έχουμε συζητήσει αν υπάρχουν τέτοιοι άνθρωποι, έχουμε διαφωνήσει για το πώς προσλαμβάνονται και έχουμε νιώσει σιωπηλή δυσαρέσκεια απέναντι σε όποιον ισχυριζόταν ότι είναι ένας από αυτούς.
Όμως κάτι ενδιαφέρον συνέβη στον δρόμο προς ένα μέλλον που δίνει προτεραιότητα στην AI: ο μηχανικός 10x έγινε πραγματικότητα. Απλώς δεν μοιάζει καθόλου με αυτό που φανταζόμασταν.
Η OpenAI μοιράστηκε πρόσφατα πώς μια τριμελής ομάδα χρησιμοποίησε το Codex για να παραδώσει 1.500 pull requests και περίπου ένα εκατομμύριο γραμμές κώδικα, χωρίς να γράψει ούτε μία γραμμή με το χέρι. Τρεις μηχανικοί και μηδενικός χειρόγραφος κώδικας. Ένα προϊόν σε περιβάλλον παραγωγής που χρησιμοποιείται από εκατοντάδες εσωτερικούς χρήστες.
Αυτό δεν είναι 10x· είναι πιο κοντά στο 100x. Και η δεξιότητα που το κατέστησε δυνατό δεν ήταν η ταχύτερη πληκτρολόγηση ή η γνώση περισσότερων αλγορίθμων. Ήταν η δημιουργία του συστήματος που έκανε τους πράκτορες AI παραγωγικούς: οι ροές εργασίας, οι δικλίδες προστασίας, οι βρόχοι επαλήθευσης και οι διεπαφές στις οποίες συνδέονται οι πράκτορες και μέσω των οποίων οι άνθρωποι ελέγχουν την εργασία.
Πιστεύω ότι εδώ αναδύεται μια νέα βασική λειτουργία στους οργανισμούς ανάπτυξης λογισμικού. Θα την ονόμαζα Μηχανική Ενορχήστρωσης AI.
Τρεις ειδικότητες συναντιούνται σε ένα stand-up
Αν εξετάσετε τι κάνει στην πράξη ένας μηχανικός ενορχήστρωσης AI, θα αναγνωρίσετε τρεις οικείες ειδικότητες ενωμένες σε μία.
Το πιο προφανές συστατικό είναι το DevOps. Το DevOps συγκέντρωσε κεντρικά τη διαδικασία διάθεσης λογισμικού. Μία ομάδα διαμόρφωσε τις ροές εργασίας CI/CD που χρησιμοποιούσε κάθε μηχανικός όταν παρέδιδε κώδικα. Η Μηχανική Ενορχήστρωσης AI κάνει το ίδιο, αλλά για τις ροές εργασίας των πρακτόρων. Ορίζει πώς ανατίθενται εργασίες στους πράκτορες, πώς επικυρώνονται τα αποτελέσματα και πώς λειτουργούν οι επαναλήψεις προσπαθειών και οι εναλλακτικοί μηχανισμοί. Είναι η κοινή υποδομή πάνω στην οποία εκτελούνται οι πράκτορες.
Έπειτα υπάρχει η αρχιτεκτονική, που επικαλύπτεται με το DevOps περισσότερο από όσο θα περιμένατε. Οι αρχιτέκτονες αποφασίζουν ποιες διεπαφές είναι σταθερές, ποια πρότυπα επιβάλλονται και ποια όρια δεν επιτρέπεται να ξεπεραστούν. Σε έναν κόσμο που δίνει προτεραιότητα στους πράκτορες, αυτό έχει ακόμη μεγαλύτερη σημασία. Οι πράκτορες χρειάζονται καθαρές, καλά τεκμηριωμένες βάσεις κώδικα με σαφή συμβόλαια λειτουργίας. Ο μηχανικός ενορχήστρωσης AI ορίζει αυτούς τους περιορισμούς όχι μόνο για την αναγνωσιμότητα από ανθρώπους, αλλά και για την κατανόηση από πράκτορες. Ένα ακατάστατο αποθετήριο δεν είναι πλέον απλώς τεχνικό χρέος. Είναι ανώτατο όριο παραγωγικότητας για κάθε πράκτορα που εργάζεται με αυτό.
Το λιγότερο κατανοητό τμήμα είναι το ειδικό επίπεδο της AI: σχεδιασμός προτροπών, διαχείριση συμφραζομένων, επιλογή μοντέλου και διαμόρφωση πράκτορα. Σήμερα, οι περισσότεροι μηχανικοί τα κάνουν αυτά αποσπασματικά, εργασία προς εργασία. Καθένας βρίσκει το δικό του ύφος προτροπών, τη δική του ρύθμιση πράκτορα και τις δικές του παρακαμπτήριες λύσεις. Ο μηχανικός ενορχήστρωσης AI συγκεντρώνει αυτή την εργασία κεντρικά. Δημιουργεί κοινά εγχειρίδια πρακτικών, επαναχρησιμοποιήσιμες διαμορφώσεις και οργανωσιακή γνώση για το τι λειτουργεί και τι όχι σε διαφορετικά μοντέλα και περιπτώσεις χρήσης.
Αυτές οι τρεις λειτουργίες υπάρχουν ήδη χωριστά στους περισσότερους οργανισμούς ανάπτυξης λογισμικού. Το επιχείρημα είναι ότι η συνένωσή τους σε έναν ενιαίο, κεντρικό ρόλο δημιουργεί κάτι ποιοτικά διαφορετικό.
Η μεταφορά του showrunner
Ένας σκηνοθέτης δεν χειρίζεται την κάμερα, δεν παίζει στις σκηνές και δεν μοντάρει το υλικό. Κάθε καρέ όμως αντανακλά τις αποφάσεις του.
Επιλέγει τη σύνθεση του πλάνου, τον ρυθμό και τον τόνο. Αποφασίζει πότε θα πλησιάσει σε κοντινό πλάνο και πότε θα απομακρυνθεί σε γενικό. Διαμορφώνει το περιβάλλον, δηλαδή τον φωτισμό, τα σκηνικά και τις θέσεις και κινήσεις των ηθοποιών, ώστε κάθε άνθρωπος στο γύρισμα να μπορεί να προσφέρει την καλύτερη δουλειά του μέσα σε ένα συνεκτικό όραμα. Τα μέλη του συνεργείου είναι ταλαντούχα το καθένα ξεχωριστά, αλλά χωρίς αυτόν τον συντονισμό προκύπτει ένα χάος που δεν ολοκληρώνεται ποτέ για να παραδοθεί.
Η Μηχανική Ενορχήστρωσης AI λειτουργεί με τον ίδιο τρόπο. Οι πράκτορες είναι ικανοί και τα μοντέλα ισχυρά. Χωρίς όμως κάποιον να σχεδιάζει το σύστημα που τους συντονίζει, να ορίζει τους περιορισμούς, να δημιουργεί βρόχους ανατροφοδότησης και να οργανώνει τις ροές εργασίας, προκύπτει αυτό που όλοι έχουμε βιώσει: ασυνεπή αποτελέσματα, σπατάλη υπολογιστικών πόρων, πράκτορες που εργάζονται με αντικρουόμενους σκοπούς και μηχανικοί που ξοδεύουν περισσότερο χρόνο διορθώνοντας κώδικα παραγόμενο από AI από όσο θα χρειάζονταν για να τον γράψουν μόνοι τους.
Ο σκηνοθέτης δημιουργεί μια ταινία που ξεπερνά το άθροισμα των μερών της. Ο μηχανικός ενορχήστρωσης AI κάνει το ίδιο για τους στόλους πρακτόρων.
Γιατί οι περισσότεροι οργανισμοί επενδύουν ανεπαρκώς
Αυτό βλέπω σε όλο τον κλάδο: οι εταιρείες επενδύουν πολύ στα εργαλεία AI, αλλά πολύ λιγότερο από όσο χρειάζεται στα συστήματα που τα περιβάλλουν.
Οι μηχανικοί αποκτούν πρόσβαση σε Copilot, Claude και Codex. Πειραματίζονται ατομικά. Μερικοί γίνονται προχωρημένοι χρήστες. Οι περισσότεροι μένουν στάσιμοι στο στάδιο της «εξελιγμένης αυτόματης συμπλήρωσης». Και οι αυξήσεις παραγωγικότητας κατά 20% που αναφέρουν διαρκώς οι μελέτες; Είναι σύμπτωμα υιοθέτησης εργαλείων χωρίς σκέψη σε επίπεδο συστήματος.
Οι οργανισμοί που ξεπερνούν αυτό το όριο και αναφέρουν διπλάσιο ή μεγαλύτερο όγκο ολοκληρωμένης εργασίας έχουν κάτι κοινό. Έχουν συγκεντρώσει κεντρικά το έργο της ενορχήστρωσης. Κάποιος άνθρωπος ή κάποια ομάδα έχει την ευθύνη για τις ροές εργασίας των πρακτόρων, την προετοιμασία του αποθετηρίου, την υποδομή επαλήθευσης και τα κοινά συμφραζόμενα στα οποία έχει πρόσβαση κάθε πράκτορας.
Πώς είναι ο ρόλος στην πράξη
Η καθημερινή εργασία ενός μηχανικού ενορχήστρωσης AI μπορεί να περιλαμβάνει:
- Σχεδιασμό ροών εργασίας πρακτόρων: ορισμό του τρόπου με τον οποίο ένα αίτημα για λειτουργία μετατρέπεται σε προδιαγραφή, έπειτα σε σχέδιο, σε παράλληλες εργασίες πρακτόρων και τελικά σε ελεγμένο και συγχωνευμένο κώδικα.
- Δημιουργία υποδομής επαλήθευσης: αυτοματοποιημένες δοκιμές, κανόνες στατικού ελέγχου κώδικα (linting), σαρώσεις ασφαλείας και πλαίσια αξιολόγησης που πρέπει να περάσουν οι πράκτορες πριν συγχωνευτεί η εργασία τους.
- Διατήρηση του αποθετηρίου σε καλή κατάσταση για χρήση από πράκτορες: τεκμηρίωση, σαφείς διεπαφές, διαχείριση εξαρτήσεων και απλοποίηση της βάσης κώδικα, όλα βελτιστοποιημένα για κατανόηση από πράκτορες και όχι μόνο για ανθρώπινη αναγνωσιμότητα.
- Κεντρικό συντονισμό στρατηγικών προτροπών και συμφραζομένων: κοινές προτροπές συστήματος, διαδικασίες ανάκτησης πληροφοριών, αποφάσεις δρομολόγησης μοντέλων και πρότυπα διαμόρφωσης που χρησιμοποιεί όλη η ομάδα.
- Παρακολούθηση και βελτίωση της απόδοσης των πρακτόρων: καταγραφή ποσοστών επιτυχίας, τρόπων αποτυχίας, κόστους ανά εργασία και χρόνου μέχρι τη συγχώνευση κώδικα σε όλο τον στόλο, και στη συνέχεια προσαρμογή του συστήματος βάσει των δεδομένων.
Αυτός ο άνθρωπος βρίσκεται στη διασταύρωση της μηχανικής πλατφορμών, της αρχιτεκτονικής λογισμικού και της τεχνογνωσίας AI. Δεν γράφει λειτουργίες. Δημιουργεί το σύστημα που κάνει την παράδοσή τους γρήγορη, αξιόπιστη και κλιμακώσιμη.
Το ιστορικό μοτίβο
Στα πρώτα χρόνια του υπολογιστικού νέφους, η διάθεση λογισμικού ήταν η παράπλευρη εργασία κάθε μηχανικού. Κάθε ομάδα είχε τα δικά της σενάρια εντολών, τις δικές της ρυθμίσεις διακομιστών και τον δικό της τρόπο να περνά τον κώδικα στην παραγωγή. Το DevOps εμφανίστηκε για να συγκεντρώσει αυτή την εργασία κεντρικά και η μηχανική πλατφορμών εξελίχθηκε ώστε να τη μετατρέψει σε κοινή υποδομή αυτοεξυπηρέτησης.
Η AI ακολουθεί την ίδια πορεία. Τώρα η χρήση πρακτόρων είναι η παράπλευρη εργασία κάθε μηχανικού. Καθένας έχει το δικό του ύφος προτροπών, τις δικές του προτιμήσεις εργαλείων και το δικό του νοητικό μοντέλο για το πότε βοηθά η AI και πότε όχι. Οι οργανισμοί που συγκεντρώνουν αυτή την εργασία κεντρικά και την αντιμετωπίζουν ως υποδομή αντί για ατομικό πειραματισμό θα προηγηθούν, όπως οι οργανισμοί με ώριμες πρακτικές DevOps ξεπέρασαν εκείνους που δεν τις είχαν.
Η διαφορά είναι η ταχύτητα. Η μετάβαση στο DevOps πήρε μια δεκαετία. Αυτή η μετάβαση ίσως χρειαστεί μόνο μερικά τρίμηνα, αν και παραδέχομαι ότι αυτή η πρόβλεψη προϋποθέτει πως οι οργανισμοί θα αναγνωρίσουν το μοτίβο γρηγορότερα από ό,τι συνήθως.
Ο δρόμος μπροστά
Αν ηγείστε μιας ομάδας μηχανικών, αυτά θα πρότεινα, αν και τα αποτελέσματά σας θα διαφέρουν ανάλογα με το πόσο έχει ήδη προχωρήσει η ομάδα σας.
- Εντοπίστε ποιος κάνει ήδη αυτή την εργασία ανεπίσημα. Κάθε οργανισμός έχει κάποιον που έχει κατανοήσει τις ροές εργασίας των πρακτόρων και στον οποίο απευθύνονται οι άλλοι μηχανικοί για συμβουλές σχετικά με τις προτροπές ή τη ρύθμιση εργαλείων. Αυτός είναι ο μηχανικός ενορχήστρωσης AI που έχετε ήδη σε πρώιμη μορφή.
- Κάντε τη λειτουργία σαφή. Δώστε της όνομα, εντολή και αρμοδιότητες, καθώς και πόρους. Μην την αφήσετε να παραμείνει παράπλευρο έργο προσαρτημένο στην «πραγματική» δουλειά κάποιου.
- Ξεκινήστε από την ετοιμότητα του αποθετηρίου. Πριν επενδύσετε σε εξελιγμένες ροές εργασίας πρακτόρων, βεβαιωθείτε ότι οι πράκτορες μπορούν πράγματι να προσανατολιστούν στη βάση κώδικά σας. Καθαρές διεπαφές, καλή τεκμηρίωση, ολοκληρωμένες δοκιμές και απλοποιημένη αρχιτεκτονική.
- Συγκεντρώστε κεντρικά ό,τι λειτουργεί. Όταν κάποιος ανακαλύπτει μια στρατηγική προτροπών ή ένα μοτίβο ροής εργασίας που βελτιώνει δραστικά τα αποτελέσματα των πρακτόρων, καταγράψτε το. Κάντε το προεπιλογή για όλη την ομάδα και όχι άρρητη γνώση κλειδωμένη στο μυαλό ενός ανθρώπου.
- Μετρήστε σε επίπεδο συστήματος. Μην παρακολουθείτε μόνο την ατομική χρήση εργαλείων. Καταγράψτε πόσες εργασίες ολοκληρώνουν οι πράκτορες από την αρχή ως το τέλος, ποια είναι τα ποσοστά ελέγχου και επανεπεξεργασίας και πού βρίσκονται τα σημεία συμφόρησης.
Ο νέος 10x
Ο μύθος του μηχανικού 10x αφορούσε πάντα τον ατομικό ηρωισμό. Έναν άνθρωπο που ξεπερνά όλους τους άλλους μόνο με ταλέντο και καφεΐνη.
Η πραγματικότητα του μηχανικού 10x στην εποχή της AI αφορά τη σκέψη σε επίπεδο συστημάτων. Τον άνθρωπο που κάνει κάθε άλλο μηχανικό και κάθε πράκτορα πιο παραγωγικό δημιουργώντας τη σωστή υποδομή, τις σωστές ροές εργασίας και τους σωστούς περιορισμούς.
Δεν γράφει δεκαπλάσιο κώδικα. Δημιουργεί το σύστημα που τον γράφει.
Δεν είμαι βέβαιος ότι αυτός ο ρόλος θα διαμορφωθεί ακριβώς όπως τον περιέγραψα εδώ. Είμαι όμως αρκετά βέβαιος ότι οι οργανισμοί που θα κατανοήσουν και θα οργανώσουν το επίπεδο ενορχήστρωσης, όπως κι αν τελικά το ονομάσουν, θα είναι εκείνοι που θα πετύχουν πραγματικά τα οφέλη παραγωγικότητας για τα οποία όλοι οι άλλοι απλώς μιλούν.












