Cara Membuat Organisasi Anda Mengadopsi Agen Koding (Tanpa Menghasilkan Kode Asal-Asalan) — Eyal Blum, Figma
AAI Engineer
컴퓨터/소프트웨어경영/리더십
스크립트
00:00:00Eyal Blam: Selamat siang, nama saya Eyal Blam, saya seorang insinyur perangkat lunak di Figma, dan
00:00:17dalam pembicaraan saya hari ini, kita akan membahas bagaimana kita telah mengadaptasi atau sedang mengadaptasi agen ke dalam
00:00:25alur kerja kita di Figma sambil tetap menjaga kualitas basis kode yang tinggi.
00:00:32Jadi, seperti yang mungkin Anda tahu, Figma adalah penyunting berbasis peramban tempat desain dan teknik, serta sekarang
00:00:40agen AI berkolaborasi bersama untuk merilis kode.
00:00:44Figma ini telah berporos sangat kuat dari alat tradisional menjadi alat yang mengutamakan AI,
00:00:52tetapi dalam pembicaraan ini saya tidak akan membahas produk kami, saya akan lebih membahas tentang
00:00:55organisasi internal kami dan bagaimana organisasi teknik kami telah mengadaptasi agen AI.
00:01:04Dan apa yang kami temukan secara internal adalah baik organisasi, perusahaan, maupun individu, terdapat semacam
00:01:11proses tiga babak dalam adopsi AI.
00:01:16Anda mulai dengan mencoba sesuatu, entah itu banyak orang di ruangan ini yang
00:01:21sangat terobsesi dengan AI dan telah menggunakan AI untuk sementara waktu dan mereka mencoba sesuatu dan berhasil membuat
00:01:27beberapa hal sederhana bekerja dengan sangat baik, 10 kali lebih cepat.
00:01:30Kemudian Anda mulai menerapkan praktik yang sama pada masalah yang lebih besar dan AI gagal cukup parah pada hal itu, memberi Anda hal-hal buruk,
00:01:40banyak bug.
00:01:41Kepercayaan yang Anda bangun runtuh dan kemudian dari titik itu Anda mulai membangun keterampilan yang sebenarnya, yaitu
00:01:50mempelajari cara menggunakan AI dengan benar dan menempatkan pagar pembatas yang tepat serta pembuatan prompt yang tepat dan
00:01:55konteks yang tepat dan semua hal yang telah kita bicarakan sepanjang hari di sini dan semua pembicaraan agar benar-benar membangun keterampilan nyata.
00:02:02Dan satu hal yang terjadi secara internal saat kami mengadopsi baik tim maupun individu, adopsinya tidak merata.
00:02:12Kami memiliki tim yang sangat maju dalam hal AI dan telah mengubah seluruh alur kerja mereka, dan kemudian kami memiliki tim yang masih bereksperimen di babak awal dan/atau telah kehilangan kepercayaan dan mereka semua harus bekerja sama untuk merilis produk kami.
00:02:28Jadi, mereka harus berdampingan dalam organisasi dan kita perlu menemukan cara untuk mendukung mereka sambil mengajak semua orang dalam perjalanan ini dan membuat semua orang mencapai babak ketiga dari cerita tersebut.
00:02:44Selain titik gesekan utama tersebut, kami juga telah memperhatikan titik gesekan lain yang terjadi saat kami mengadopsi AI.
00:02:54Satu hal yang sering kami dengar dari para pengembang dan diperhatikan oleh para manajer adalah bahwa berkurangnya keagenan pengembang menyebabkan para insinyur kehilangan sebagian kepuasan kerja mereka.
00:03:04Jadi, banyak orang dulu merasa sangat bangga dan menikmati menulis kode serta masuk ke dalam alur (flow) dan banyak orang merasa hal itu telah hilang atau mereka kehilangan banyak elemen tersebut dan masuk ke dalam siklus pembuatan prompt di mana mereka hanya menunggu dan menerima keluaran dari AI dan kemudian berbicara dengan AI yang tidak lagi menyenangkan seperti dulu.
00:03:22Kami telah memperhatikan hal menarik lainnya, yaitu sebenarnya insinyur terbaik kami, mereka ingin menyimpan semua konteks di dalam otak mereka dan mereka akhirnya mengalami beban berlebih dan apa yang akhirnya terjadi adalah mereka tahu di mana semua jebakan berada, mereka menyatukan dengan selotip mental mereka semua tempat di mana agen tidak bekerja dengan baik dan mereka mencegah semua hal sangat buruk masuk atau mereka memiliki semua konteks institusional yang belum pernah dituliskan di kepala mereka dan tidak pernah dituliskan di kepala mereka dan mereka memikul begitu banyak beban dan menjadi hambatan serta merasa sangat frustrasi sehingga mereka akhirnya justru lebih lambat mengadopsi karena mereka melihat semua masalah secara langsung.
00:03:52Itu adalah masalah besar lainnya yang telah kita lihat dan yang ini saya yakin semua orang di sini akan merasakannya dan tiba-tiba semua dokumen desain dan semua pesan slack dan semua email menjadi tiga atau empat kali lebih panjang dan kita mendapatkan dua atau tiga kali lebih banyak email dan pada dasarnya isi yang disampaikan sama seperti sebelumnya.
00:04:04Jadi komunikasinya menjadi cukup tidak efisien dan beberapa penanda seperti apa yang berkualitas tinggi dan hal-hal penting versus yang tidak begitu berkualitas tinggi telah menjadi tantangan untuk dinavigasi.
00:04:28Jadi saya akan menghabiskan beberapa menit ke depan untuk berbicara tentang beberapa pelajaran yang telah kami pelajari dan bagaimana kami telah mencoba menerapkannya.
00:04:40Ini adalah sebuah perjalanan, kami belum keluar di ujung yang lain tetapi kami telah melihat beberapa kemajuan yang sangat menarik di sepanjang banyak lini ini.
00:04:50Saya pikir banyak pembicara di sini telah menyinggung hal ini tetapi berinvestasi dalam verifikasi mungkin adalah hal yang paling bernilai tinggi yang dapat kita lakukan di basis kode kita.
00:04:57Kapan pun kita dapat menggeser ke kiri (left-shift) apa pun dalam alur kerja kita dari manusia yang harus melakukannya menjadi agen yang dapat memverifikasinya.
00:05:11Jadi misalnya ketika playwright MCP keluar, alih-alih meminta manusia menavigasi kode, sekarang agen dapat menjelajahi kode tersebut, itu adalah pencapaian besar untuk produktivitas di banyak tim kami.
00:05:19Itu benar-benar selalu menjadi pencapaian besar bagi kami.
00:05:33Hal lain bahkan lebih baik jika ketika Anda menemukan sesuatu yang ternyata berguna bagi agen, luangkan waktu untuk mengambilnya dan mengkodekannya ke dalam alur yang deterministik.
00:05:37Dan alur deterministik yang dapat diulang dengan mudah menghemat token dan menghemat waktu serta Anda juga tahu bahwa Anda menggunakan LLM saat ia perlu bernalar.
00:05:51Tetapi ketika Anda memiliki sesuatu yang sudah diketahui dan pada dasarnya dapat dikodekan ke dalam sebuah pengujian, menghabiskan waktu tersebut selalu memberikan hasil yang berlipat ganda.
00:06:01Dan tips lainnya, jika Anda memberi tahu keterampilan atau agen Anda untuk menulis kode yang Anda tulis dan seperti dari merah ke hijau dengan gaya TDD (Test-Driven Development), itu hampir selalu memberikan hasil yang lebih baik.
00:06:11Karena Anda menetapkan tujuan lalu memberi tahu agen untuk berusaha mencapai tujuan tersebut.
00:06:26Itu hampir selalu akan memberikan hasil yang lebih baik dalam menulis kode dan kemudian menulis pengujian setelahnya karena ia akan mencocokkan pengujian dengan kode daripada mencocokkan kode untuk lulus kriteria verifikasi.
00:06:30Dan ini adalah piramida pengujian, piramida pengujian klasik dari sebelumnya dan saat Anda memikirkan pengujian itu sendiri yang Anda miliki pengujian end-to-end, lalu pengujian integrasi dan pengujian unit.
00:06:42Langkah ini sangat mirip, pindahkan sebanyak mungkin ke analisis deterministik di mana itu adalah linting, kompiler, dan pengujian unit itu sendiri apa pun yang dapat dicakup dengan mudah, Anda dapat meminta agen melakukan peninjauan berdasarkan kriteria.
00:06:54Dan standar arsitektur yang telah.
00:07:12Dan standar arsitektur yang telah dengan mudah dikodekan ke dalam basis kode dapat Anda pindahkan ke agen.
00:07:15Dan kemudian hanya di bagian paling atas Anda perlu memiliki semacam tinjauan manusia yang biasanya berkaitan dengan fungsionalitas dan ini adalah hal yang tepat untuk dibangun yaitu hanya biarkan manusia melakukan apa yang benar-benar perlu dilibatkan oleh manusia.
00:07:19Dan hal lain yang sangat penting adalah perencanaan versus pembuatan prompt (planning versus prompting), ini sangat terikat dengan pengembalian keagenan kepada pengembang dan menemukan pengganti untuk seni menulis kode.
00:07:31Jadi menghabiskan banyak waktu menulis rencana dan kemudian mengirimkannya ke agen pada dasarnya sebagai implementasi yang dapat dilakukan secara otomatis adalah sesuatu yang kami temukan benar-benar dapat memperkenalkan kembali kegembiraan membangun ke dalam proses tersebut.
00:07:50Dan jadi tidak jarang menghabiskan waktu seminggu untuk menulis rencana yang sangat terperinci, membuat semua keputusan, mematangkannya, melakukan iterasi, mengirimkannya ke rekan satu tim untuk ditinjau.
00:08:07Dan kemudian hanya ketika sudah siap dan Anda telah mematangkan semua keputusan, Anda dapat mengirimkannya ke agen dan agen akan mengirimkannya kembali kepada Anda ketika sudah diimplementasikan.
00:08:17Dan itu telah sangat berhasil juga dalam mempercepat dan juga benar-benar mengembalikan beberapa kegembiraan ke dalam proses pengembangan.
00:08:26Dan jadi apa yang membuat rencana yang baik dan sangat penting untuk dimulai dengan 'mengapa' di bagian atas.
00:08:36Hal itu sangat membantu mencegah penyimpangan agen (agent drift) jika Anda memiliki bagian besar yang tebal semacam ketika Anda menulis dokumen desain.
00:08:43Anda ingin memiliki ringkasan eksekutif dan memasukkannya ke sana untuk agen, jika tidak, mereka akan mulai menyimpang seiring waktu dan pastikan agen tidak kembali dan mengubahnya hanya karena mereka menginginkannya.
00:08:49Dan jadi kita mulai dengan 'mengapa', pastikan rencana tersebut dapat dipecah menjadi bagian-bagian kecil yang masing-masing dapat diverifikasi secara mandiri.
00:08:58Dan cara pribadi saya untuk mengetahui apa ukuran yang baik adalah apakah saya ingin meninjau PR yang akan sesuai dengan bagian itu jika ukurannya terlalu besar bagi saya untuk ingin meninjaunya dalam satu sesi duduk.
00:09:08Itu semacam ujiannya yaitu saya harus mengambil secangkir kopi sebelum membaca ini.
00:09:18Itu berarti ukurannya terlalu besar dan saya ingin itu dipecah menjadi beberapa bagian.
00:09:22Dan kemudian saya memastikan bahwa setiap bagian dapat divalidasi secara mandiri karena yang tidak ingin saya miliki adalah memiliki lima tahap dan kemudian tahap pertama ditulis tetapi tidak divalidasi dan kemudian segala sesuatu yang lain dibangun di atas semua asumsi.
00:09:26Jadi memiliki semacam gerbang validasi atau kriteria pengecualian untuk setiap fase benar-benar membantu membuat rencana tahan terhadap penyimpangan.
00:09:41Dan ada berbagai macam hal teknis tentang cara mengelola konteks dan membuat pabrik perangkat lunak di atasnya.
00:09:51Tetapi begitu Anda memiliki rencana tersebut, Anda dapat menggunakan perulangan (loop) apa pun yang Anda inginkan atau alur kerja apa pun yang Anda inginkan untuk mengimplementasikannya.
00:09:58Dan ini adalah tangkapan layar dari sebuah rencana yang saya ambil secara acak tetapi inilah yang biasanya saya cari.
00:10:05Ringkasan eksekutif di bagian atas.
00:10:12Fase-fase memecahnya dan kemudian masing-masing saya akan masuk ke banyak detail sehingga saya dapat memasukkannya ke dalam sub-agen.
00:10:14Dan sub-agen dapat bekerja secara mandiri pada hal tersebut dan tidak perlu khawatir tentang hal lain.
00:10:20Dan ada alur kerja lain yang akan berfungsi atau struktur lain untuk rencana tersebut.
00:10:24Saya menemukan bahwa bagian dari hal-hal yang hebat tentang alur kerja AI adalah bahwa setiap orang dapat menyiapkan hal yang paling cocok untuk mereka.
00:10:29Tidak, terima kasih.
00:10:41Setiap orang dapat dengan sangat mudah menyiapkan alur kerja yang berfungsi tepat untuk diri mereka sendiri.
00:10:43Jadi pengembalian yang semakin berkurang (diminishing return) adalah mencoba memusatkan semua orang pada satu hal.
00:10:47Tetapi selama itu berfungsi untuk alur mereka dan orang lain dapat beriterasi dengan mereka, saya rasa itu umumnya bekerja dengan sangat baik.
00:10:51Dan ini hanyalah sebuah contoh semacam pamer tentang hasil yang bisa didapat dari sebuah rencana.
00:10:58Dan mungkin ada 20 PR di sini.
00:11:04Beberapa di antaranya mungkin 10 baris dan beberapa di antaranya mungkin 100 baris tetapi mungkin tidak ada yang lebih besar dari itu.
00:11:07Dan itu memungkinkan kita untuk -- ini di dunia pra-AI rencana ini mungkin dikerjakan selama seminggu.
00:11:12Saya menyelaraskannya dengan tiga tim lain selama seminggu lagi untuk hal itu dan kemudian saya serahkan ke agen untuk diimplementasikan semalam.
00:11:19Dan hasilnya kembali -- ini mungkin dari dua rencana, bukan satu -- tetapi pada dasarnya ini adalah pekerjaan pengkodean selama enam minggu -- hanya butuh waktu satu minggu.
00:11:26Jadi di situlah saya mendapatkan peningkatan kecepatan 5 kali lipat.
00:11:36Jika saya menyertakan siklus peninjauan di bagian akhir yang harus selalu Anda ingat.
00:11:40Dan beralih dari perencanaan kembali ke masalah yang kita miliki dengan para skeptis dan orang-orang yang terbebani dengan pekerjaan terbanyak.
00:11:45Pastikan Anda melibatkan mereka dan menanggapi umpan balik mereka dengan sangat serius.
00:11:53Mereka skeptis karena mereka melihat di mana Anda kekurangan validasi, di mana alat Anda gagal.
00:11:59Jadi umpan balik mereka pada dasarnya adalah peta jalan tentang cara meningkatkan agen Anda dan berinteraksi dengan basis kode.
00:12:05Pastikan saja untuk melibatkan mereka daripada mencoba mencari cara agar mereka menggunakan AI.
00:12:12Cukup minta mereka bertanggung jawab atas peta jalan untuk membuat AI aman di organisasi Anda.
00:12:19Dan mereka akan ikut serta begitu mereka melihat bahwa peningkatan yang mereka buat benar-benar membuat hidup mereka lebih baik.
00:12:25Dan seperti yang dapat Anda lihat, mereka tidak akan malu memberi tahu Anda apa yang perlu Anda perbaiki.
00:12:33Dan seperti yang Anda lihat, mereka tidak akan segan memberi tahu apa yang perlu Anda perbaiki.
00:12:37Dan ini adalah hasil dari tukar pikiran (brainstorming).
00:12:40Hal lain yang sangat membantu bagi tim saya secara khusus, dan kami sedang berupaya mengadopsinya di organisasi yang lebih luas juga,
00:12:45adalah memastikan bahwa Anda memiliki komunikasi yang sadar perhatian (attention-aware communication).
00:12:53Di era AI, perhatian manusia adalah sumber daya yang langka.
00:12:58Saya pikir saya telah mendengarnya dari berbagai pembicaraan, dan banyak orang telah sampai pada kesimpulan yang sama.
00:13:01Anda bisa mendapatkan lebih banyak perhatian manusia.
00:13:06Jadi di mana Anda menghabiskan waktu dan apa yang Anda baca menjadi sangat penting.
00:13:08Jadi, ke mana Anda menghabiskan waktu dan apa yang Anda baca menjadi sangat penting.
00:13:13Dan karena ini adalah sumber daya yang sangat terbatas, menandai apa yang dihasilkan oleh AI versus apa yang ditulis oleh manusia sangat membantu untuk mengetahui berapa banyak waktu yang perlu Anda habiskan untuk membaca ini,
00:13:24dan seberapa besar ekspektasi Anda terhadap bagian komunikasi ini.
00:13:31Dan itu semacam membangun budaya baru di sekitar gaya komunikasi tersebut.
00:13:35Itu sangat membantu.
00:13:36Dan contohnya, tim tempat saya bekerja, kami telah memutuskan bahwa kami selalu -- setiap deskripsi PR akan dimulai dengan hal seperti itu.
00:13:45Sesuatu yang saya tulis sendiri bisa sangat singkat untuk menjelaskan apa yang dilakukan ini, dan kemudian deskripsi AI akan muncul setelahnya.
00:13:54Hanya saja -- saya mungkin akan membacanya.
00:13:55Saya mungkin akan mengeditnya untuk menghapus beberapa hal yang salah, tetapi mereka tidak menulis setiap baris di sini.
00:14:00Jadi mereka harus lebih curiga, dan mereka harus lebih memperhatikan apa yang saya tulis di bagian atas, dan mereka harus mengabaikannya.
00:14:05Hal-hal seperti itu di Slack, di email, seperti memanfaatkan fakta bahwa semua orang tahu Anda menggunakan AI untuk membuat komunikasi Anda,
00:14:15tetapi jangan ragu untuk memberi tahu mereka apa yang harus mereka baca dan apa yang harus lebih sedikit mereka perhatikan.
00:14:21Dan saya ingat di awal, mungkin seperti awal tahun ini, saya mencoba -- saya memiliki beberapa insinyur senior di organisasi kami yang sangat skeptis terhadap AI,
00:14:35dan saya mencoba menjangkau mereka untuk melihat apa masalahnya, apa yang terjadi, dan berkata saya mencoba menjalankan analisis pada beberapa komentar PR yang telah Anda buat,
00:14:42dan tentu saja saya menggunakan AI untuk melakukan itu.
00:14:45Dan kemudian saya tidak membedakan dengan sangat jelas apa yang saya tulis versus apa yang mereka -- apa yang dihasilkan AI, dan mereka sangat marah.
00:14:54Mereka bilang, mengapa Anda mengirim -- saya tidak menyangka seseorang yang sangat saya hormati akan mengirimkan sesuatu yang jelas-jelas sembrono ini.
00:15:02Dan kemudian, saya -- seperti, saya meminta maaf.
00:15:05Saya menyadari saya seharusnya menand标记nya dengan jelas dan menandai niat saya.
00:15:08Seperti, inilah yang saya tulis.
00:15:10Inilah yang ditulis oleh AI, dan saya memerlukan masukan Anda mengenai hal itu karena saya tidak memiliki konteks untuk mengetahui apakah itu ceroboh atau tidak.
00:15:15Dan itulah yang saya minta dari Anda.
00:15:17Jadi, pelajaran seperti itu dan mengubah budaya sama pentingnya dengan beberapa tantangan teknik yang telah kita hadapi.
00:15:28Hal lain yang sangat membantu dalam hal adopsi adalah, seiring kemajuan Anda dalam adopsi, ada banyak alat yang sangat canggih dan banyak alur kerja yang sangat canggih yang telah kami terapkan.
00:15:41Tetapi salah satu hal yang benar-benar efektif adalah membiarkan orang menggunakan AI di tempat mereka berada.
00:15:47Jadi, itu sangat membantu menormalisasi penggunaan AI untuk tugas sehari-hari, dan membantu mengurangi gesekan.
00:15:54Dan sungguh, salah satu hal yang paling kuat adalah dapat menandai agen dalam pesan Slack dengan seseorang dan berkata, dapatkah Anda melakukan ini untuk saya?
00:16:02Dan meminta agen menutup lingkaran dalam utas tersebut?
00:16:07Dan hal semacam itu sangat kuat.
00:16:09Dan kemudian Anda dapat melangkah lebih jauh dari itu dan membuat semua ini otomatis dan menjadi hal-hal yang agak canggih.
00:16:14Tetapi jika Anda sedang berbicara dengan seseorang yang belum sepenuhnya mendukung, dan kemudian Anda dapat menandainya dengan cara yang tidak pasif-agresif, Anda dapat menandainya dan berkata, mari kita coba dan lihat apakah agen dapat mengatasinya kali ini.
00:16:26Dan mereka menutup lingkaran tersebut, dan jika itu adalah pengalaman yang baik, itu benar-benar membantu orang mencobanya sendiri dalam kasus lain.
00:16:33Dan perjalanan kita berlanjut.
00:16:37Kami masih belajar, meskipun kami mengirimkan AI secara eksternal, adopsi AI kami, dan kami terus-menerus bereksperimen dengan begitu banyak hal, di mana kisah otomatisasi kami belum sepenuhnya sampai di sana.
00:16:50Kami masih mencoba mencari tahu kapan kami harus menggunakan, bagaimana kami dapat menggunakan Agen Cloud secara efektif, mengingat semua ketergantungan yang kami miliki untuk beberapa sistem build kami.
00:16:58Dan jadi kami terus belajar.
00:17:01Ini adalah pergeseran budaya.
00:17:02Ini adalah pergeseran teknik.
00:17:03Dan saya tidak tahu tentang Anda, tetapi saya telah bekerja di Lembah selama 15 tahun terakhir, dan ini adalah perubahan terbesar dengan selisih yang sangat besar dari segala sesuatu yang pernah saya lihat dalam hal budaya dan teknologi.
00:17:16Jadi kita semua berada di sini bersama-sama, dan kita semua memahaminya.
00:17:19Dan itulah yang ingin saya bicarakan dengan Anda hari ini.
00:17:22Terima kasih.
00:17:28Terima kasih.
커뮤니티 글
아직 글이 없습니다. 이 영상에 대한 첫 번째 글을 작성해 보세요!
이 영상에 대해 글쓰기