W dzisiejszym świecie…
Żartuję. Ten artykuł napisał człowiek, nie AI.
Piszę go po intensywnych doświadczeniach z uruchamianiem środowisk, w których agenci AI mogą realnie wykonywać pracę – czytać dokumentację, rozpisywać zadania, przesuwać je po tablicach, wprowadzać zmiany w aplikacji, uruchamiać ją, sprawdzać efekt, poprawiać błędy. Nie na slajdach. Nie w futurystycznym demo. W normalnym, brzydkim, wieloczęściowym projekcie, z tym wszystkim, co zwykle odróżnia prawdziwy software od landing page'a z napisem „AI-powered”.
I moja pierwsza refleksja jest taka: to działa szybciej, niż jesteśmy organizacyjnie gotowi przyjąć. Ten artykuł jest dla właścicieli firm, founderów, zarządzających, product ownerów i osób odpowiedzialnych za rozwój oprogramowania. Nie tylko w SaaS-ach czy software house'ach. Jeżeli twoja firma ma własny dział IT, utrzymuje aplikację, zleca rozwój systemów albo buduje wewnętrzne narzędzia, to ten temat za chwilę dotknie także ciebie.
Nie będę tu wchodził w technikalia. Nie chodzi o to, czy i jak bardzo używasz już agentowego oprogramowania. Szczegóły będą się zmieniać. Ważniejsze jest coś innego: co dzieje się z firmą, kiedy możliwości wytwarzania oprogramowania gwałtownie rosną.
Bo z jednej strony nie jest to nic nowego. Wracamy do dobrego zarządzania produktem, małych kroków, jasnych decyzji i sensownej kontroli jakości.
A jednak tym razem to coś zupełnie nowego. Bo po raz pierwszy możemy produkować więcej zmian, niż organizacja jest w stanie zrozumieć, sprawdzić i wdrożyć.
Największa zmiana mentalna
Do tej pory częstym pytaniem było: czy ktoś zdąży to zbudować?
Teraz coraz częściej pytanie będzie brzmiało: czy to w ogóle powinno powstać?
A potem:
· czy jest dobrze opisane,
· czy umiemy to sprawdzić,
· czy zespół będzie wiedział, że to istnieje,
· czy klient to zrozumie,
· czy umiemy to utrzymać za pół roku,
· czy to pasuje do strategii,
· czy nie rozprasza produktu.
Rośnie wartość product ownershipu, kontroli jakości, dobrych specyfikacji, dokumentacji, zarządzania wydaniami, komunikacji wewnętrznej i przemyślanej architektury.
Maleje relatywna wartość samego zamieniania pomysłów w kod.
To może być niewygodne dla branży IT, ale dla firm to dobra wiadomość. Bo software znów staje się mniej o samym kodzie, a bardziej o decyzjach, procesie, jakości i rozumieniu klienta.
Wiedza w firmie: podsumowanie zmian dla ludzi, nie tylko dla zespołu technicznego
To jeden z najbardziej niedocenianych problemów.
Już dzisiaj w wielu firmach handlowcy, support, customer success czy wdrożeniowcy nie nadążają za zmianami w produkcie. Raz w tygodniu ktoś pokazuje nowe funkcje, część osób jest na spotkaniu, część nie, ktoś coś zapamięta, ktoś inny zapyta miesiąc później o rzecz, która już dawno działa inaczej.
Jeżeli agenci AI przyspieszą rozwój aplikacji, ten problem urośnie.
Potrzebujemy rejestru zmian (changelog) pisanego dla ludzi z różnych działów, a nie tylko dla osób technicznych. Bo inaczej zmianę trzeba opisać osobie testującej, inaczej supportowi, a inaczej sprzedaży.
Dla supportu ważne jest: co klient może zauważyć, jakie problemy mogą się pojawić, jak odpowiedzieć na pytanie.
Dla sprzedaży: jaka jest wartość, komu to pokazać, w jakiej rozmowie może pomóc.
Dla customer success: czy trzeba zmienić onboarding, instrukcję albo materiał szkoleniowy.
I tutaj agenci mogą bardzo pomóc. Każde zadanie może kończyć się krótką notatką:
· co zmieniło się dla użytkownika,
· kogo to dotyczy,
· czy trzeba poinformować zespół,
· czy wymaga aktualizacji dokumentacji,
· czy może być argumentem sprzedażowym.
Tip. Ustal, że opis zmiany zawiera osobną sekcję „Notatka dla supportu i sprzedaży”. Agent może ją przygotować, ale ktoś powinien ją zatwierdzić.
Gamifikacja wiedzy, czyli jak sprawić, żeby ludzie naprawdę poznawali produkt
Sama dokumentacja nie wystarczy.
Można stworzyć najlepszy rejestr zmian świata, ale jeśli nikt go nie przeczyta, firma nadal nie będzie wiedziała, co zbudowała.
Dlatego coraz bardziej wierzę w gamifikację poznawania nowości produktowych. Nie jako dziecinny system odznak, tylko jako praktyczny mechanizm motywacyjny.
Przykład: nowe funkcje trafiają do wewnętrznego systemu wiedzy. Każda jest opisana nie tylko od strony działania, ale też językiem wartości dla supportu, sprzedaży i obsługi klienta. Pracownicy rozwiązują krótkie quizy, zdobywają punkty, a na koniec miesiąca najlepsi dostają nagrody.
Czy to brzmi jak zabawa? Trochę tak. Ale alternatywą jest firma, w której trzy osoby wiedzą, co naprawdę potrafi produkt, a reszta dowiaduje się przypadkiem.
Gdy masz szybki rozwój produktu, to przyswajanie wiedzy też musi stać się procesem.
Zaczerpnęliśmy to oczywiście z gamifikacji nauki, choćby w Duolingo. Choć pierwsze efekty są bardzo zadowalające, jest to ciągły proces, który ocenimy po wielu miesiącach, a pewnie i roku. Dam znać, jak nam wyszedł ten eksperyment!
Tip. Po każdym większym wdrożeniu przygotuj 3-5 pytań quizowych dla zespołu. Nie pytaj o technikalia. Pytaj: „któremu klientowi to pomoże?”, „kiedy warto to pokazać?”, „co powiedzieć, jeśli klient zapyta o X?”.
Biznes będzie ważniejszy, ale niekoniecznie „ludzie od biznesu”
Łatwo wpaść w pułapkę myślenia: skoro AI potrafi szybko tworzyć oprogramowanie, to teraz „biznes” może wreszcie dyktować wszystko bez ograniczeń.
Nie uważam tak.
Uważam, że biznes będzie ważniejszy niż wcześniej, ale rozumiany nie jako komitet ludzi rzucających pomysłami, tylko jako jasny kierunek strategiczny wynikający z danych, insightów i spójnej wizji.
W firmach od lat znany jest problem niespójnych ustaleń. Inne w każdym dziale. Komitet sterujący raz w miesiącu. Brak osoby decyzyjnej. Zadanie opisane tak, że każdy rozumie je inaczej.
AI tego nie naprawi. Może to pogłębić.
Bo jeśli ustalenia są niespójne, agent może bardzo szybko zbudować niespójny produkt. Jeśli biznes zmienia zdanie trzy razy dziennie, agent może bardzo szybko stworzyć trzy wersje świata. Jeśli nie ma strategii, powstanie więcej przypadkowych funkcji.
AI nie zastępuje decyzji. AI zwiększa koszt złych decyzji, bo pozwala je szybciej realizować.
Tip. Zanim dasz agentowi zadanie, odpowiedz na trzy pytania: dla kogo to jest, jaki problem rozwiązuje, po czym poznamy, że warto było to zrobić?
Małe, decyzyjne zespoły wygrają więcej niż biurokratyczne molochy
Moim zdaniem świat agentowy premiuje solo founderów i małe, sprawne zespoły.
Nie dlatego, że duże firmy nie mają dostępu do AI. Mają. Często mają nawet lepsze narzędzia, większe budżety i więcej danych.
Ale małe zespoły mają coś innego: szybkość decyzji.
Jeżeli masz jasno wyznaczoną osobę decyzyjną, dostęp do danych, bliskość klienta i odwagę, żeby szybko wybierać kierunek, agenci AI mogą być ogromnym wzmacniaczem.
Z kolei organizacje, które są „zwinne” tylko z nazwy, ale każda decyzja wymaga pięciu spotkań, dwóch akceptacji i osobnej tabeli w Excelu, mogą odkryć, że AI nie usuwa biurokracji. AI tylko szybciej dochodzi do ściany biurokracji.
Tip. Jeżeli chcesz naprawdę wykorzystać agentów, nie zaczynaj od wyboru narzędzia. Zacznij od pytania: kto może podjąć decyzję produktową w 15 minut?
Dane są ważniejsze niż kiedykolwiek
Jest też druga strona medalu.
Małe zespoły i founderzy mają szybkość, ale mają też ryzyko działania według własnego „wydaje mi się”. Widzę to często. Sam też bywam temu winny.
Kiedy koszt zbudowania funkcji spada, dużo łatwiej uzasadnić sobie każdy pomysł. „To tylko 15 minut”. „Agent i tak to zrobi”. „Zobaczymy, może się przyda”.
Tylko że te małe decyzje sumują się w produktowy dryf.
Przykład z mojego podwórka: w aplikacji do zdobywania klientów B2B, którą tworzymy, zacząłem rozważać dodanie prognozy pogody. Oczywiście miałem uzasadnienie. Miałem nawet jakieś dane. Ale czy to był realny kierunek strategiczny? Czy może po prostu zachwyt tym, że mogę szybko dodać błyszczący ficzer?
W świecie agentów trzeba jeszcze mocniej oddzielać „możemy to zrobić” od „powinniśmy to zrobić”.
Tip. Używaj danych i prostych narzędzi typu Impact Mapping. Każda większa funkcja powinna mieć powiązanie z celem biznesowym, grupą użytkowników i oczekiwaną zmianą zachowania.
Łatwo się rozproszyć
Wraz z dużą mocą przychodzi duża odpowiedzialność.
Musiałem, w końcu niedawno premierę miał nowy Spider-Man. Ale w tym przypadku jest to cytat wyjątkowo prawdziwy.
Agenci AI potrafią dać founderowi coś bardzo niebezpiecznego: natychmiastową gratyfikację produktową. Masz pomysł, opisujesz, za chwilę coś działa. Nawet jeśli nie idealnie, to wystarczająco, żeby poczuć ekscytację.
To może być genialne w eksperymentach. Ale bywa katastrofalne w strategii.
Bo produkt może zacząć rozrastać się na boki. Każdy pomysł dostaje swoją implementację. Każdy nietypowy przypadek staje się funkcją. Każdy klient inspiruje nowy moduł. A po kilku miesiącach firma ma produkt, którego nikt już nie rozumie.
Największym problemem nie będzie to, że nie umiemy tworzyć. Największym problemem będzie to, że tworzymy za dużo rzeczy, które nie powinny powstać.
Tip. Prowadź listę „nie robimy tego teraz”. To może być ważniejszy dokument niż lista pomysłów, usprawnień i nowych funkcji. Ta pierwsza chroni strategię. Ta druga tylko ją kusi.
Co z developerami?
To będzie jedno z pierwszych pytań w większych zespołach i software house'ach: co zrobić z ludźmi, którzy dotychczas wykonywali zadania, skoro agent może zrobić część tej pracy szybciej?
Najprostsza odpowiedź brzmi: „optymalizować koszty”.
I pewnie w wielu firmach tak się stanie. Ale moim zdaniem na początku jest to często bardziej wyraz lenistwa zarządzających niż dobrej strategii.
Jestem po stronie wzmacniania ludzi za pomocą AI, a nie automatycznego eliminowania ich z procesu. Najlepsze rzeczy nadal będą powstawały tam, gdzie człowiek rozumie produkt, klienta, ograniczenia, konsekwencje decyzji i proces sprzedaży.
Ale żeby nie było zbyt kolorowo: zarządzanie zespołem w świecie agentów będzie trudniejsze, nie łatwiejsze.
Bo rośnie przepustowość. Developer wspierany agentem może zrobić więcej, szybciej, w większej liczbie miejsc naraz. To oznacza, że potrzebuje lepszych ram: mniejszych zadań, wyraźniejszych priorytetów, jasnej odpowiedzialności za efekt końcowy.
Developer nie znika. Zmienia się jego rola. Będzie mniej osobą zamieniającą pomysły w kod, a bardziej kimś, kto nadzoruje, sprawdza, projektuje rozwiązania i diagnozuje problemy.
Tip. Nie mierz pracy developera liczbą zadań odklikanych z agentem (albo jeszcze gorzej - liczbą zużytych tokenów, ale to temat na kiedy indziej). Mierz jakość dowiezionych zmian: ile z nich przeszło sprawdzenie bez poprawek, ile spowodowało nowe problemy, ile realnie pomogło użytkownikom.
Nie „więcej zadań”, tylko mniejsze porcje zmian
Ta pułapka jest oczywista: skoro agent AI potrafi robić zadania szybko, to zróbmy więcej zadań.
Moim zdaniem to błąd.
Przy agentach jeszcze ważniejsze staje się rozbijanie pracy na małe, zamknięte porcje. Jedno zadanie powinno mieć jasny cel, ograniczony zakres i prostą listę rzeczy do sprawdzenia.
Jeżeli damy agentowi zadanie w stylu „popraw panel partnera i dodaj kilka usprawnień”, prawdopodobnie coś zrobi. Być może nawet dużo. Problem zacznie się później: kto to sprawdzi, jak to przetestować, co dokładnie się zmieniło, który błąd wziął się z której poprawki i jak to bezpiecznie wycofać?
Skoro kod powstaje szybko, to duże, nieprecyzyjne zadania stają się jeszcze bardziej niebezpieczne niż wcześniej.
Tip: Wprowadź zasadę: 1 zadanie = 1 mała zmiana = 1 sposób na jej sprawdzenie. Jeżeli zadania nie da się opisać w kilku zdaniach i sprawdzić w kilkanaście minut, prawdopodobnie jest za duże.
Kontrola jakości stanie się pierwszym dużym wąskim gardłem
W wielu firmach kontrola jakości (QA) już dzisiaj jest przeciążona. Nowości trafiają do testów, testerzy próbują nadążyć, biznes dopytuje, kiedy będzie wdrożenie, a zespół jest już trzy funkcje dalej.
Agenci AI mogą ten problem dramatycznie pogłębić.
Bo jeżeli tworzenie oprogramowania przyspieszy dwu-, trzy- albo pięciokrotnie (a odpowiednio ustawione narzędzia mogą to moim zdaniem zrobić już dzisiaj), to sprawdzanie nie przyspieszy razem z nim. Wręcz przeciwnie. Dostanie więcej zmian, więcej możliwych błędów i więcej niejasnych sytuacji do rozstrzygnięcia.
Dlatego kontrola jakości nie może być tylko etapem "na końcu procesu".
Agent kończący zadanie powinien od razu przygotować materiał dla osoby testującej:
- co zmienił,
- jak to sprawdził,
- jaki scenariusz trzeba przejść w aplikacji,
- jakie widzi ryzyka,
- czego nie udało mu się sprawdzić.
To nie zastępuje człowieka. To odciąża go z żmudnej pracy detektywistycznej.
Jeszcze ciekawszy model to drugi agent w roli recenzenta. Jeden agent wprowadza zmianę, drugi ma tylko szukać problemów: przeoczonych sytuacji, niekonsekwencji, ryzyk w logice biznesowej. Dopiero po takim automatycznym sprawdzeniu zmiana trafia do człowieka.
Tip: Uznaj, że zadanie nie jest skończone bez krótkiego podsumowania dla osoby testującej. Nawet jeżeli zmiana działa.
Rytm wydawania zmian zamiast ciągłego chaosu
Duże, rzadkie wdrożenia to zło. To dość oczywiste.
Ale przy agentach problemem może stać się druga skrajność: nieustanny strumień drobnych zmian, których poza zespołem technicznym nikt nie rozumie.
Dlatego firmy będą potrzebowały rytmu. Nie chodzi o korporacyjną ceremonialność, tylko o higienę operacyjną.
Chodzi o proste ustalenia:
- kiedy zbieramy drobne poprawki,
- kiedy większa porcja zmian trafia do sprawdzenia,
- kiedy powstaje krótkie podsumowanie zmian dla zespołu,
- kiedy nowości trafiają do klientów,
- a pilne poprawki traktujemy osobno.
To daje zespołowi oddech. Testerzy wiedzą, co sprawdzają. Support wie, co się zmieniło. Sprzedaż wie, co można pokazać klientom. Product owner wie, co realnie zostało dowiezione.
Tip: Ustal prosty rytm: kiedy zmiany są sprawdzane, kiedy powstaje notatka dla zespołu i kiedy trafiają do klientów. Bez tego agenci zaczną produkować więcej zmian, niż firma jest w stanie przyswoić.
Nowa rola: AI Delivery Manager albo Agent Wrangler
W zespołach pojawi się nowa funkcja. Możemy ją nazwać różnie: AI Delivery Manager, Agent Wrangler, AI Tech Lead.
Nazwa jest mniej ważna niż odpowiedzialność.
Ktoś musi pilnować, żeby agenci nie produkowali chaosu.
Taka osoba będzie odpowiadała za:
- rozbijanie pracy na dobre, małe zadania,
- przygotowanie kontekstu dla agentów,
- pilnowanie jakości tego, co agent oddaje,
- koordynację sprawdzania zmian,
- komunikację zmian do zespołu,
- dbanie o dokumentację,
- decyzję, kiedy agent ma działać, a kiedy potrzebny jest człowiek.
To nie musi być osobne stanowisko od jutra. W małej firmie może robić to founder albo lider techniczny. Ale ta funkcja musi istnieć.
Bo bez niej agenci będą bardzo szybko produkować bardzo dużo bardzo trudnych do utrzymania rzeczy.
Tip: Wyznacz jedną osobę odpowiedzialną za cały przepływ pracy z agentami. Nie za samo narzędzie, ale za proces: od zadania, przez sprawdzenie, po wdrożenie i komunikację.
Najważniejsze zdanie
W świecie agentów nie wygra firma, która wygeneruje najwięcej kodu.
Wygra ta, która ma najlepszy system:
- wybierania właściwych zmian,
- zamykania ich w małe porcje,
- szybkiego sprawdzania,
- bezpiecznego wdrażania,
- przekazywania wiedzy ludziom,
- i mówienia "nie" pomysłom, które tylko wyglądają atrakcyjnie.
Pierwszym realnym wąskim gardłem bardzo często będzie sprawdzanie jakości i zarządzanie tym, co i kiedy trafia do klientów. Potem wiedza w firmie. Potem strategia.
Dlatego nie zaczynałbym od pytania: "jak sprawić, żeby AI tworzyło więcej?".
Zacząłbym od pytania: czy moja firma jest gotowa przyjąć więcej zmian, niż kiedykolwiek wcześniej?
