Szymon Warda: I nagle zamieniło się w taką trochę propagandę marketingową. Oj Łukasz, ja bym tu nie zwalał winy na rynki regulowane.

Łukasz Kałużny: 90% developerów używa AI-a.

Szymon Warda: Tylko 30% ankietowanych ufa AI-owi.

Łukasz Kałużny: Pozdrawiamy Instytut Danych z Dupy. Cześć, słuchacie Patoarchitektów. Prowadzą Łukasz Kałużny…

Szymon Warda: I Szymon Warda. Wszystkie linki do tego odcinka - Patoarchitekci.io. Gdzieś na dole, górze, po lewo, prawo, z przodu, ogarniecie, wierzymy w Was. No właśnie…

Łukasz Kałużny: Dobrze.

Szymon Warda: Łukasz, o czym dzisiaj? Bo generalnie to się działo.

Łukasz Kałużny: Robiliśmy co jakiś czas taki raport coroczny, przegląd, analizę raportu, który się przepięknie nazywa Dora Metrics i zamienił on się w State of AI-assisted Software Development i zupełnie odszedł od czegoś, co miało sens.

Szymon Warda: Od czego, bo zacząłeś jako totalnie osobna rzecz. Potem to Google ładnie przejął i nagle zamieniło się w taką trochę propagandę marketingową i nagle z kilkustronicowego raportu urosło do 60 stron? Jakoś tak. No jest tego dużo.

Łukasz Kałużny: Zalinkujemy Wam stare odcinki, w szczególności chyba pierwszy polecam plus na temat metryk Dora, których dzisiaj już nie będziemy wspominać. Odeślemy Was do odcinka z Kingą z Pracuj.pl, gdzie tą Dorę wdrożyli w praktyce.

Szymon Warda: Ja tak, komentarz dość szybki, nie będziemy wspominać o tych metrykach Dora ponieważ raport też za bardzo o nich nie wspomina.

Łukasz Kałużny: Dobra i przejdźmy sobie może przez rozdziały i od tego zacznijmy. Właśnie jest Understanding Your Software Delivery Performance i tam są właśnie te wspomniane metryki Dora 4. Pobieżnie przechodzą względem całego raportu. Czyli kiedyś cały raport dotyczył tego, teraz jest to już tylko taki mały jego wycinek.

Szymon Warda: Tak, kilka rzeczy nam rzuciło. Mi się rzuciło w oczy przede wszystkim w tym kawałku to, że całość została dość mocno uproszczona tak naprawdę. Bo nie wiem, czy zwróciłeś na to uwagę, metryki, które kiedyś były, czyli lead time for changes, deployment frequency, failover deployment recovery time, change failure rate i doszło jeszcze rework rate, zostały pogrupowane w dwie kategorie: troughput, czyli ilość, ile robimy i instability to jest tyle. Obecnie więc patrzymy praktycznie na grupy, a nie na faktyczne metryki. Czyli jeszcze wchodzimy na poziom wyżej, jeżeli chodzi o abstrakcję. Natomiast Tobie się coś innego rzuciło tam w oczy.

Łukasz Kałużny: Tak, te metryki, słuchajcie, jeżeli chodzi, powiedzmy w ogóle o metrykach Dora, czy one mają sens, te oryginalne, nawet z tym rework’iem dodanym? Tak, mają sens. Wróćcie do poprzednich odcinków i warto zacząć to mierzyć. Plus posłuchajcie jak je ustawiać sobie, cele, bo to jest też istotne. W tym odcinku z Kingą o tym rozmawialiśmy, że nie każdy musi być super. Ale z tego wyszło w sumie, chyba było też w poprzednim roku, ale mi się to w tym roku rzuciło, 7 profili zespołów, które w zależności jak mamy metryki. I jest taki pierwszy tryb, zespoły w trybie przetrwania, w których są braki procesowe, wysokie wypalenie, niestabilne systemami, czyli taki ciągły pożar w burdelu. To jest pierwszy typ zespołów. Drugi profil to jest legacy bottleneck, czyli utknęliśmy w maintenance starego systemu, który musi tylko żyć i się nie rozwija zupełnie.

Szymon Warda: Tak, to jest kolejny zespół, który jest chory, nazwijmy to. W sensie, że który nie działa zbyt wydajnie. Tych zespołów chorych trochę będzie.

Łukasz Kałużny: Dobra, następnie witamy sektor regulowany, banki, ubezpieczenia, część farmy, energetykę - constrained by process, czyli stabilne systemy, ale uwiązane w biurokracji i nieefektywnych procesach z wysokim poziomem wypalenia.

Szymon Warda: Oj Łukasz, ja bym tu nie zwalał winy na rynki regulowane. Są organizacje, które…

Łukasz Kałużny: Tylko sposób implementacji tych regulacji, to będzie chyba lepsze określenie.

Szymon Warda: Nie o to mi chodzi, są organizacje, które faktycznie same sobie wiążą węzeł wokół nóg, rąk i jeszcze innych części ciała, można powiedzieć i które same zwalniają te procesy. Więc to też jest taki moment trochę do refleksji, czy naprawdę pozwalamy developerom, żeby zabłysnęli i żeby ta ich prędkość wytwarzania była odpowiednia. Więc to nie tylko regulacje zewnętrzne, też wewnętrzne mogą być.

Łukasz Kałużny: Tak, ale to wiesz, to wewnętrzne tak. Wczoraj akurat, mam takie przeświadczenie, bo wczoraj z czymś walczyłem i to bardzo mocno i napsuło mi krwi, co powinno trwać 5 minut. Ale idziemy. Potem chyba największa dla mnie klasyka rynku wbrew pozorom, czwóreczka, czyli high impact low cadence, czyli dostarczamy produkt, ale z jakichś przyczyn albo jest niestabilne środowisko, niska częstotliwość wdrożeń. To jest chyba taki, tu jest to jako 7% powiedziane. Ja bym powiedział, że to jest, tego znajdziesz sporo na rynku, tak realnie sporo, ale sobie przejdziemy jeszcze potem do demografii rynkowej. Następnie stable and methodical, czyli zespoły rzemieślnicze, które pracują spokojnie, ale dostarczają to w sposób stabilny i wysokiej jakości.

Szymon Warda: 15% niby.

Łukasz Kałużny: Niby i teraz lecimy do 20, 40% według raportu, pragmatic performance, szybkie, stabilne dostarczanie, przeciętne zaangażowanie, środowisko funkcjonalne, ale niekoniecznie inspirujące. I poczekajmy tak i poczekajmy na siódme, harmonious high achievers, złoty standard, wysoka produktywność, stabilność, niskie wypalenie, dobra współpraca, satysfakcja zespołu - 20%.

Szymon Warda: Nie, że tak powiem, raczej pytanie kogo się zapytamy, jak to wygląda i czy ankieta była anonimowa. Od tego jeszcze zacznijmy. Nie kupuję tych procentów, naprawdę. Dużo więcej widujemy tych organizacji, które są jednak trochę bardziej kulawe. Ja bym powiedział, że stabilny i metodyczny, tu jest dużo więcej, te zespoły sobie po prostu jakoś radzą i tyle.

Łukasz Kałużny: Tak, jeżeli chodzi o demografię, to było prawie pięć tysięcy osób, sto krajów, mediana wieku 41, to jest ciekawe Szymon.

Szymon Warda: Wysoka.

Łukasz Kałużny: Wysoka. I teraz tak, jak tam pójdziemy, pierwsza piątka z raportu o stanowiskach, jeżeli chodzi, to są full stack, engineering manager, backend developer, SRE 7%. Tak, SRE 7% Szymon w raporcie…

Szymon Warda: Nie ma (…) w organizacjach.

Łukasz Kałużny: DevOps 5,6%

Szymon Warda: Czekaj, jest więcej SRE niż devopsów?

Łukasz Kałużny: Tak, tak. Więc to już pokazuje. Doświadczenie, w roli 6 lat, w obecnym teamie 3 lata. Mediana wieku aplikacji serwisu 8 lat.

Łukasz Kałużny: Że jak? Przy średnim wieku 7 lat?

Łukasz Kałużny: Poczekaj, czekaj lecimy dalej. Lecimy dalej, Bo to jeszcze jest nie koniec ciekawostek. Top 5 języków. Python 47%, JavaScript 34, SQL 32. O w to akurat wierzę. W to akurat, że tego jest ten.

Łukasz Kałużny: Wydaje mi się, że powinno być więcej swoją drogą.

Łukasz Kałużny: Tak, TypeScript 23 i na piątym miejscu jest dopiero Java 20%. Dobra, i to jest takie wiesz, przejdźmy sobie do wielkości organizacji. To tak, +1000 pracowników 20%, pomiędzy 51 a 216, ja to oczywiście zaokrąglam, pomiędzy 1000 a 5000 14,5. To są główne w tym. I jeżeli pójdziemy na rozłożenie, to technology to jest 38, financial services 13, potem retail, econsumer, ecommerce 9, healthcare i farmacja 7 i telekomunikacja 5. I z rynków, co nas interesuje, topka - 29 ze Stanów, UK 14, Indie 7, Niemcy 6, 5 Kanada.

Szymon Warda: Czyli to by się zgadzało, bo w sumie pogadali z dużą ilością małych organizacji, a nie tak dużo z korporacjami dużymi.

Łukasz Kałużny: Tak więc to jest takie…

Szymon Warda: Wtedy może być, ok, to wtedy te 20% mogą być, jeżeli mamy krótkie aplikacje. Ale w tym momencie nie wierzę w czas życia serwisu średni na poziomie 8 lat, nie kupuję tego.

Łukasz Kałużny: Dobra, jest end user charakterystyka 56, 56 dla użytkowników biznesowych, aplikacje, 32 dla konsumera i podział mniej więcej internal, external jest po połowie.

Szymon Warda: Zobaczymy jak to będzie wyglądało. Jakoś tak tych charakterystyk, (…) się nie dyskutuje.

Łukasz Kałużny: Jest właśnie, one mi właśnie, tak jak oglądam, właśnie dlatego mam z tym problem, raportem też jak patrzę. Dobra, chodźmy sobie do następnego rozdziału. AI Adoption News, czyli mój najwspanialszy WTF całego tego raportu. 90% developerów używa AI-a.

Szymon Warda: Tak, ale idziemy dalej, bo jako większość, do większości ich pracy i 80% uważa, że to zwiększa ich wydajność. Ale tylko 30% ankietowanych ufa AI-owi. Więc jeżeli 80% stwierdza, że to zwiększa ich wydajność, ale tylko 30% stwierdza, że to co AI robi jest dobre, to o co chodzi? I poczekaj, poczekaj, bo tam było też takie jedno fajne zdanie, że mniej popularne użycie AI-a jest takie, że do komunikacji wewnętrznej z AI-a korzysta 48%, czyli do pisania maili Łukasz. To może tłumaczyć fakt tego zaufania, powiem Ci tyle.

Łukasz Kałużny: Oj kurde.

Szymon Warda: Jeszcze się do jednej rzeczy dowalę, bo tam jest takie zdanie, że 61% ankietowanych twierdzi, że nigdy nie wykorzystywało AI-a w trybie agentowym. Zobacz, ale teraz jak się wgryziemy w dokładną charakterystykę, to co oznacza tryb agentowy? Agentic Mode: AI autonomously operating in the background possibly making changes without direct over side. Jeżeli tak jest zdefiniowany tryb agentowy, że bez żadnego patrzenia co on właściwie robi, to faktycznie niewiele osób może się na to zapisać. Natomiast nie agentowe, czyli kawałek wyżej, to jest collaborated: using AI to make broad coordinated code changes. Ja bym powiedział właśnie, że to jest użycie typu agentowego, że dajesz i on robi szerokie zmiany i tak dalej, ale patrzysz na jego wyniki.

Łukasz Kałużny: Ale jednak patrzysz, tak.

Szymon Warda: Dokładnie. Więc dla mnie te definicje są totalnie nie tak, jak powinny być. Raport, mamy chyba więcej zastrzeżeń niż takich plusów do niego, ale tam jest parę fajnych rzeczy. Ale nie przywiązywałbym się do faktycznych liczb, trendów tak. I to co my też widzimy z rynku, bo zresztą jak już rozmawialiśmy przed odcinkiem, to jest tuba marketingowa obecnie bardzo mocna.

Łukasz Kałużny: Dobra, to co robimy? Idziemy chyba dalej.

Szymon Warda: Idziemy dalej, tak.

Łukasz Kałużny: Exploring AI relationships to key outcomes.

Szymon Warda: Tak. I tu jest kilka rzeczy w ogóle ciekawych, bo jest taki fajny wykresik, który mówi właśnie na co największy wpływ. Największy wpływ wychodzi, że największy wpływ ma na indywidualną wydajność. Chociaż co się dzieje? Zwiększa niestabilność. Myślisz czemu? No bo ludzie klikają next, next, next, next, next i push na produkcję. Ale z plusów i tu się bardzo mocno zgodzę. AI zmniejsza próg wejścia i to kupuję w całości. Ten taki problem, że zaczynam nowego taska, muszę pointegrować system A z systemem B, albo coś tam jeszcze innego, to AI po prostu pierwszy prompt i to śmiga. Więc naprawdę zmniejszenie progu wejścia w rzeczach integracyjnych, a jak dokładnie wiemy większość aplikacji to są jakieś integracje, jest fenomenalne. Tu jak najbardziej. Idziemy dalej. Ja mam jedną rzecz odnośnie tego raportu, że code quality. Code quality, że jakość kodu jest lepsza. On jest ładniejszy, on jest bardziej poprawny. Nie powiedziałbym, że on jest lepszy.

Łukasz Kałużny: Jakość read me wzrasta.

Szymon Warda: Ilość dokumentów markdown’owych absolutnie leci astronomicznie.

Łukasz Kałużny: Ja wiem, to tak, jak się nabijaliśmy w poprzednich odcinkach z tego, ale teraz mówię poważnie, że prawdopodobnie w 99%, jak go przypilnujesz sobie przy tym używaniu, zrobi to lepiej od Ciebie w o wiele krótszym czasie. Po prostu wyrzyga.

Szymon Warda: Zgadza się, moje, ale zawsze, w sensie ilość tego (…) plate’u, który wygeneruje, jest naprawdę duże.

Łukasz Kałużny: Tak, przy architekturze wspominaliśmy o tym, że trzeba na to uważać. Ja bym tutaj, wiesz, do tej lokalnej produktywności, bo znowu kurde, jak popatrzymy na różne badania, już nie będę ich cytował, linkował, ale one wszystkie sprowadzają się do poczucia zwiększenia wydajności u większości osób.

Szymon Warda: Wiesz co, tam jeszcze dalej jest w raporcie inna kwestia, która wydaje mi się, że tłumaczy i to bardzo wiele, bo jest i to jest ważne. To było badanie na bazie obserwacji śledzenia oczu. Pytanie jest na jakiej grupie, bo to też jest, ale kupuję to, że AI, dużo większe jest jego użycie i dużo większa interakcja w momencie tworzenia tego całego (…) plate’a, tego inicjalnego kodu i tak dalej, i tak dalej, i tak dalej, do którego AI się nadaję fenomenalnie. W tym momencie użytkownicy prowadzą interakcję z AI-em, a w momencie analizowania złożonego kodu to użycie drastycznie spada. I ja to kupuję, bo w tym momencie to tłumaczy czemu ta produktywność. Bo piszemy prostego prompta i nagle mamy 10 plików i ten kod, który jest mało kreatywny, ale nagle tworzymy go dużo, jeszcze z dokumentacją i tak dalej.

Łukasz Kałużny: Robi wow.

Szymon Warda: Tworzymy go w 5 minut i super.

Łukasz Kałużny: Tak i będziemy, to może zostawmy już tą część, bo to powtarzamy ją też w innych odcinkach. Ja bym przeszedł tutaj do…

Szymon Warda: Dla mnie jeszcze jedna rzecz generalnie z tego wnioskujemy, bo tam pisałeś, że AI nie zmniejsza poziomu burnout’u. Czyli ludzie, nie zmienia poziomu wypalenia wewnętrznego zespołu. To jest ciekawe. Tam nie było dokładnego wytłumaczenia czemu tak się dzieje.

Łukasz Kałużny: Dobra, przejdźmy sobie do tutaj mięsa tego raportu, ja bym to tak nazwał troszeczkę…

Szymon Warda: Wartościowej części.

Łukasz Kałużny: Tak, oprócz tych typów zespołów, które są dobrze opisane, ale nie zgadzam się z procentami i tak samo tych początkowych metryk. To Dora AI Capabilities Model, który prezentują tutaj, czyli jak korzystać, co powinniśmy mieć gotowe, jest dobrym wyznacznikiem do powiedzenia sobie, patrzenia, w jaki sposób powinniśmy patrzeć na A-a jako organizacja. Jako w sumie organizacja, ale on jest tutaj pokazany od, jakby to dobrze określić, pokazany od strony tych narzędzi developerskich.

Szymon Warda: Tak, bo się na tym głównie raport skupia, na generowaniu kodu i jak wiemy maili jeszcze.

Łukasz Kałużny: Tak. Jeżeli teraz popatrzymy, to pierwszą rzecz, to jest clear and communicated AI tense, czyli jeżeli popatrzymy polityki, w jaki sposób tego używamy w organizacji.

Szymon Warda: Czyli mówiąc prosto czego wymagamy, oczekujemy, czy dopuszczamy, kto z czego korzysta, jak korzysta, żeby to szare IT uciąć i żeby nasze rzeczy nie wyciekały i mówimy co, jak, gdzie, po co i dlaczego. To zgodzę się z tym, to jest bardzo, bardzo ważne.

Łukasz Kałużny: Tak, czyli właśnie jasna polityka AI. Potem, jeżeli popatrzymy i to jest następny punkt, który jest zdrowy, czyli healthy data ecosystem.

Szymon Warda: Czyli to jest dobra jakość danych.

Łukasz Kałużny: Dobra jakość danych, czyli shit in, shit out.

Szymon Warda: To jest coś, o czym mówiliśmy jeszcze przy integracjach w IT. Może nie my, wtedy to było, mówiliśmy bardzo, bardzo dawno temu. Potem to samo było przy Big Data i machine learningu, i tak dalej.

Łukasz Kałużny: Przy raportowaniach, Business Intelligence, przy wszystkim. I to zawsze będzie się powtarzał. I tu jest ten problem, który potem sobie jeszcze zdefiniujemy, czyli mamy, jak to się ładnie nazywa, AI accessible internal data.

Szymon Warda: Czyli dostęp do danych wewnętrznych i dokumentów wewnętrznych do naszego AI-a. To jest bardzo ważne, ale trudne, bo potem nie wiadomo Kto ma do czego dostęp.

Łukasz Kałużny: Uproszczenie sposobu dostępów i w ten sposób. Następna rzecz, która mnie rozwaliła, przepraszam, ale to jest strong version control practice.

Szymon Warda: Znaczy mnie fascynuje, że dalej o tym mówimy, choć wydaje mi się, że mogę rozumieć czemu. Bo jeżeli mówimy o dużych systemach, to możemy mówić o systemach, które po prostu nie mają kontroli wersji. Taki mój strzał na wytłumaczenie tego, bo nie rozumiem z jakiego innego powodu…

Łukasz Kałużny: Ja mam jeszcze inny powód, jeszcze mam inny powód, na zasadzie agent zepsuł mój commit, czyli żebyś krokami… Czyli wiesz, wracamy do tej pierwotnej digita, że commitujesz sobie drafty swojej pracy, kroki, żeby łatwo się rollback’ować.

Szymon Warda: Znaczy to pokazuje też bardzo łatwo to, że kod zmienia się bardzo szybko. I wracając do poprzednich punktów, to jest to, że on wypuszczany jest szybciej i częściej on jest popsuty, bo ludzie nie czytają tego wszystkiego, z całym szacunkiem.

Łukasz Kałużny: I kolejny i to dobrze się odnosi kolejny punkt do tego, working in small butches.

Szymon Warda: Tak. Czyli praca w małych kawałkach, ale to się…

Łukasz Kałużny: W szczególności, żeby nie commit’ować PR-a olbrzyma, którego nigdy nie przeczytałeś, nie sprawdziłeś kodu.

Szymon Warda: Ale to się tyczy absolutnie wszystkiego, zgadzamy się. I na kolejne.

Łukasz Kałużny: User centric focus.

Szymon Warda: To jest coś, co w ogóle się przewijało też przy poprzednim raporcie bardzo mocno, tylko było odnośnie platformy. Nie wiem, czy pamiętasz właśnie, że było właśnie, że to był taki główny indykator sukcesu platformy właśnie, żeby być user centric. Nie wiem, czy na to jest lepsze tłumaczenie tak naprawdę na polski. Wiadomo, że AI-a nie ma co wrzucać po prostu, żeby był. Ale tak, ten punkt tam też jest tak opisany, tak trochę nie do końca jakby wiadomo było o co w tym chodzi.

Łukasz Kałużny: Ale musiało się znaleźć.

Szymon Warda: Musiało się znaleźć, tak.

Łukasz Kałużny: O tym myślę. Wiesz co, to tak jak potem te value streamy i platformy, więc zaraz sobie do tego, zaraz przejdziemy. Dobra, idziemy sobie do rzeczy, z którą mam problem. Nie wiem co ona w ogóle, po co jest, quality internal platforms.

Szymon Warda: Wiesz co, ja odnośnie tego punktu z platformowego to możemy w sumie do niego dość płynnie przejść, bo ja mam z tym ogromny problem, co tam jest napisane.

Łukasz Kałużny: Dobra, to skończmy to. Tu jest powiedziane, że quality internal platforms są bardzo istotne, żeby używanie AI-a było lepsze jakościowo. Okej, ale przejdźmy w takim razie od razu do rozdziału z platform engineering’iem, który jest następny.

Szymon Warda: I tam kluczowy element, który mnie powalił, to było to, że adopcja platform wynosi, uwaga, uwaga, teraz werble - 90% Łukasz. (…) każdy w organizacjach.

Łukasz Kałużny: Inaczej, wiesz co, to ja powiem, to jest tak jak z DevOps’em. Wszyscy mają DevOps’a, to teraz wszyscy już mają platformę.

Szymon Warda: Przysięgam. Ktoś przemalował malucha na czerwono i mówi, że to jest Ferrari. Naprawdę nie ma opcji, żeby 90% organizacji miało realne platformy, tak jak to rozumiemy. Nie widzimy tego naprawdę. I też popukajmy się w własne sumienie, czy faktycznie to co mamy, to są platformy.

Łukasz Kałużny: Przypomina mi się, bo miałem okazję jedną osobę zrekrutować kiedyś z Citibanku, kiedy nie wytrzymała, kiedy wdrożenie DevOps’a polegało na dodaniu do nazwy roli DevOps.

Szymon Warda: Tak to wygląda, po prostu odtrąbiliśmy sukces. Ale ja bym się z jedną rzeczą zgodził, jeżeli chodzi o ten raport faktycznie i platformy. Oni piszą taką fajną rzecz, że platforma jest multiplikatorem wdrożenia AI-a. Zgadza się, tylko że dobra platforma jest też multiplikatorem procesu wytwarzania, bezpieczeństwa, wszystkiego po kolei. Jest bardzo ważny element właśnie dobra platforma, bo to jest (…)…

Łukasz Kałużny: Zacznijmy od tego, że..

Szymon Warda: Biuro odpowiedzialności z developerów i przenosimy go do wspólnego miejsca. I to ma sens i zawsze będzie miało sens.

Łukasz Kałużny: Zacznijmy od tego, że dobre procesy i dobra standaryzacja już jest multiplikatorem. Nawet już nie platforma, tylko standaryzacja.

Szymon Warda: Standaryzacja jest elementem platformy, jest takim punktem wyjścia dla platformy tak naprawdę. A potem możemy to robić, jeszcze polepszać tak naprawdę.

Łukasz Kałużny: Czyli backstage czy API to nie jest platforma.

Szymon Warda: To w ogóle nie wiem, czy widziałeś właśnie w raporcie właśnie, UI do platformy jest bardzo wysoko oceniany i jako bardzo ważny element. Tak.

Łukasz Kałużny: Dobra, kolejny punkt, muszę aż zasłonić usta, to jest value stream management, to jest ta część raportu, gdzie ktoś coś musiał dodać. Pozdrawiamy Instytut Danych z Dupy, musiałem to powiedzieć Szymon. Musiałem to powiedzieć, bo to jest ten moment, gdzie mamy w diabły buzzword’u niepokrytego niczym.

Szymon Warda: Ja się zgodzę. Dla mnie to jest, to pokazuje jak bardzo Dora stała się takim workiem, gdzie każdy kawałek Google’a chce coś od siebie dorzucić i zaistnieć, żeby jakieś KPI sprawdzić. I dlatego ten raport ma aż tyle stron. On jest nieczytelny bardzo mocno, jest kakofoniczny. Większość rozdziałów tak trochę jakby nie pasowało do reszty, nie jest spójny za bardzo, nie odwołuje się. A value stream, z całym szacunkiem…

Łukasz Kałużny: Ja go przeglądałem, to mnie zmęczył. I ja mam taki…

Szymon Warda: Tam jest mało wartości, w tym raporcie.

Łukasz Kałużny: Raczej w sensie, tak, są jakieś rzeczy, które można zawsze wyciągnąć… Inaczej, kiedyś był bardziej wartościowy, bardziej pewne rzeczy odzwierciedlał. Ja tutaj patrzę, że to jest taka mocna FOMO maszynka.

Szymon Warda: Tak.

Łukasz Kałużny: Znajdziecie na przykład 7 praktyk, które oddzielają AI Winners od AI Disasters.

Szymon Warda: Czyli to, co mówiliśmy, ten raport stał się, on już nie jest kierowany do engineering directorów, nie wiem, team leadów powiedzmy i tego typu osób.

Łukasz Kałużny: Próbuje tak nadal wyglądać.

Szymon Warda: To jest C-level typowy, C-level, ale taki zły C-level w kontekście machamy rękami w powietrzu i rysujemy na białej tablicy, ale tylko kwadraciki i bez konkretów żadnych tak naprawdę. Wiesz co, mnie jeszcze jedna rzecz uciekła, bo nie wiem gdzie to było, tak patrzę na moje notatki, amplifikacja, miejsce amplifikacji AI-a. I tam parę rzeczy było niegłupich. To było pierwsze, to było gdzie używać w ogóle AI-a, gdzie największą wartość dostarcza. Code review. I tu się zgodzimy, bo o tym wielokrotnie mówiliśmy. Wpięcie AI-a, żeby robił code review. Zgadza się, jak najbardziej działa.

Łukasz Kałużny: Może znaleźć trochę rzeczy, które da się poprawić.

Szymon Warda: Tak, proste błędy, lepsze niż narzędzia do limitowania, przy okazji możesz zrobić pipeline’y do CI/CD, pisanie tych pipeline’ów. Zgadzamy się, nikt nie pamięta… Znaczy ja zawsze na przykładzie jak ten szablon wygląda, jak te problemy wyglądają i tak dalej, wygenerowanie ich z AI-a działa z reguły bardzo dobrze. Do poprawy, ale nieźle. Kolejne, IaC, czyli infrastruktura w formie kodu, pisanie Bicepa, Terraforma, Pulumi, cokolwiek ktokolwiek chce pisać.

Łukasz Kałużny: Pulumi może zostawmy, bo będzie źle, ale do tradycyjnych IaC-ów genialnie i to…

Szymon Warda: Jest genialne, świetne, czasami się gubi, myli API. Ale co jest też ważne, czemu tu się w ogóle sprawdza to bardzo dobrze? Bo możemy zrobić, nadać wymagania i co ma być generowane. Jak nie mamy platformy albo mamy platformy i mówimy, że okej, wymaga w takim razie modułów, tu są Twoje moduły, albo jakie mamy wymagania odnośnie bezpieczeństwa i tak dalej, tu można dość dużo zrobić i naprawdę to jest wartościowe. I ostatnia rzecz, którą pokazują, że tak tam jest, to AI w bezpieczeństwie. I ja powiem to tak, to jest bardzo szerokie, marketingowe. Bo co? Jeżeli chodzi, załóżmy o jakieś monitorowanie, to AI jeszcze jest za wolny tak naprawdę, wielu rzeczy nie wyłapiemy, albo zużyjemy absurdalną ilość tokenów, taką absurdalną ilość tokenów przy dużym zbiorze danych. Przy zapewnieniu, tak, takie wysokopoziomowe, tak, ale dla mnie zbyt ogólne określenie i nie do końca kupuję, że to jeszcze jest tu i teraz. Ale ogólnie punkty dobre. Jakby ktoś myślał gdzie użyć AI-a? Jak najbardziej trzy z czterech według mnie działają.

Łukasz Kałużny: Czyli co? Podsumowując taki misz masz.

Szymon Warda: Z tylu stron konkretów na notatki z jednej strony. Więc powiedziałbym, że… Ja bym powiedział tak, fajnie, że nas słuchacie, bo dzięki temu oszczędziliście dość sporo czasu. My go zmarnowaliśmy.

Łukasz Kałużny: Tak. Dobra, to trzymajcie się w takim razie.

Szymon Warda: Na razie. Heja.