ИИ открывает эру «маленьких команд» ( bloomberg.com )
https://archive.ph/YHr9s
Одна из областей бизнеса, в которой я борюсь, сейчас скучна, это общение с LLM, мне нравится стоять у доски, обдумывая идеи, но все чаще я вижу, как настаивают на «поговорите с LLM, спросите LLM, LLM будет знать» — LLM будет знать, но я бы предпочел поговорить об этом с человеком. Кроме того, в чистом бизнесе мне требуется слишком много времени, чтобы раскрыть нюансы, которые опытный человек просто знает, мне приходится делать много работы «да, но», гораздо больше, чем мне пришлось бы делать с опытными людьми. Мне нравятся LLM, и я настаиваю на их использовании, но я начинаю находить здесь что-то и не могу понять, что именно, я думаю, они недостаточно широки, чтобы охватить глубокие нюансы? В результате они, кажется, довольно плохо понимают, как человек отреагирует на их идеи на практике.
Последние полгода я работаю над кучей разных проектов и постоянно пробую что-то новое.
Каждый раз, когда я что-то делаю, я добавляю еще один уровень автоматизации/улучшения ИИ в свою личную установку для разработки с целью попытаться увидеть, насколько я могу расширить свои собственные производственные возможности, одновременно реализуя высококачественные проекты.
Я бы определенно не сказал, что я в 10 раз лучше, чем раньше, но средний показатель составляет 2–3 раза.
В некоторых отношениях, например, в тестировании, этот показатель, возможно, в 10 раз выше, поскольку надлежащее покрытие тестами необходимо для того, чтобы позволить агентному ИИ работать самостоятельно в рабочем дереве git, не опасаясь, что он все испортит.
Я мечтаю о сценарии, в котором у меня будет компания, насчитывающая 100 или 1000 человек, с небольшой командой близких друзей и доверенных коллег, которые все будут использовать подобные инструменты.
Я думаю, что атмосфера в небольших компаниях просто лучше и более дружественная, и она подходит мне больше, чем расширение и рост за счет найма сотрудников.
Некоторое время назад кто-то здесь дал ссылку на эту историю[0].
Это немного упрощено и идеализировано, но на самом деле довольно точно.
Я использую ИИ каждый день. Только сегодня я использовал ChatGPT для перевода строки приложения на 5 языков.
[0] https://www.oneusefulthing.org/p/superhuman-what-can-ai-do-i…
Надеюсь, это лучше для отдельных строк, но я слышал, как несколько носителей других языков (которые также могут говорить по-английски) жаловались на то, что веб-сайты теперь по умолчанию выдают переведенные AI версии статей. Они лучше, чем старый Google Translate, но, по-видимому, все еще достаточно плохи, чтобы они предпочли просто получить английский оригинал…
Думаю, что, как и в случае с голосовым переводом на YouTube с помощью искусственного интеллекта, у меня возникли схожие чувства: я бы предпочел послушать оригинальный голос, но с переведенными субтитрами, чем фальшивый голос.
Точно. Я бы не стал использовать его для массовых переводов. Это было буквально 4 слова.
Полезным было то, что я мог точно объяснить контекст, как с технической точки зрения, так и с точки зрения удобства использования, и он понимал его достаточно хорошо, чтобы предоставить соответствующие переводы.
> Каждый раз, когда я что-то делаю, я добавляю еще один уровень автоматизации/улучшения ИИ в свою личную установку разработки с целью попытаться увидеть, насколько я могу расширить свои собственные возможности по производству, одновременно реализуя высококачественные проекты.
Можете ли вы привести несколько примеров? Что сработало хорошо?
– Чрезвычайно строгие правила линтинга и форматирования для каждого языка, который вы используете в проекте. Включая JSON, YAML, SQL.
– Использование AI code gen для создания собственных инструментов разработки для автоматизации задач. Все, от «мне нужна цель make для автоматизации обновления моих конфигурационных файлов staging и production, когда я вношу определенные типы изменений» или «сделать ETL для очистки этой грязной базы данных» до «сделать инструмент codegen для автоматической генерации библиотечных функций из определенных мной типов» и «сгенерировать для меня отполированный CLI для этого API»
– Использование Tilt (tilt.dev) для автоматической пересборки и загрузки программного обеспечения в реальном времени на работающем кластере Kubernetes за считанные секунды. По сути, развертывание при сохранении.
– Гораздо более обширные и надежные наборы интеграционных тестов с выводом, таким, что агент ИИ может автоматически запускать интеграционные тесты, считывать ошибки и использовать их для итерации. И с некоторым руководством он может писать больше тестов на основе небольшого набора примеров. Он также отлично справляется с добавлением форматированных сообщений к каждому тестовому утверждению, чтобы сделать проваленные тесты более понятными
– Использование редактора, в котором агент ИИ имеет доступ к языковому серверу, линтеру и т. д. посредством диагностики, чтобы автоматически определять, когда он допускает серьезные ошибки, и исправлять их.
Во многом это традиционное программирование, но ускоренное настолько, что то, на что несколько лет назад уходили часы, теперь занимает буквально минуты.
Даже то, что занимало дни или недели, теперь делается за считанные минуты. И еще несколько часов, чтобы убедиться в правильности.
Я беспокоюсь, что когда я все это сделаю, у меня не останется времени на настоящую работу. Мне также нужно изучить все эти новые редакторы AI, зарегистрироваться в API и решить, какой из них лучше, а затем мне нужно научиться правильно подсказывать.
Я беспокоюсь, что вмешательство в работу ИИ равносильно изменению цветовых схем и выбору новых шрифтов.
Если вы этого не сделали, добавление строгих(er) правил линтинга — это легкая победа. Обеспечение документирования для публичных методов — это, на мой взгляд, здорово.
Чем больше вы можете сделать, чтобы сообщить ИИ, что вы хотите, с помощью цикла «код-линт-тест», тем лучше будут результаты.
Честно говоря, то же самое относится и к разработчикам-людям. Как бы ни раздражал строгий линтинг новых разработчиков, он гораздо менее раздражает, чем указание всех тех же проблем в обзоре кода. Это интересно, потому что я обнаружил, что все виды вещей, которые хороши для ИИ, на самом деле хороши и для людей: линтинг, быстрые и простые в запуске тесты, стандартизированные макеты кода и т. д. У людей просто больше возможностей адаптироваться к странностям в данный момент, что приводит к зависанию.
Для нас это была автоматическая генерация тестов – мы сосредоточили усилия на том, чтобы LLM написал 1 тест, вручную его проверив. Затем используйте это как контекст и скажите llm распространить на все пространственные группы и кристаллические системы.
Таким образом, мы получаем покрытие кода без особых усилий, это хорошо работает для четко определенных проблем, которые можно проверить с помощью тестирования.
В Instagram было 13 сотрудников до того, как их купил Facebook. Секрет в том, что большинству сотрудников в компании с 1000 человек не нужно там присутствовать или заниматься очень узкоспециализированными случаями, которые ваша компания, скорее всего, не будет иметь.
Полностью согласен, что небольшие команды — это выход. Чем больше компания, тем больше когнитивного диссонанса навязывается сотрудникам. Мне нужна работа, где все вынуждены взаимодействовать с реальностью, а те, кто этого не делает, увольняются.
AWS, GCP и другие поставщики облачных услуг играют такую же большую роль в обеспечении возможности работы небольших команд. Раньше требовалась команда ops из 10+ человек, чтобы делать все то, что может делать AWS на месте
Я не совсем уверен, что эта тенденция связана с тем, что ИИ позволяет людям «управлять целыми флотами агентов».
Я думаю, что тенденция создания крошечных команд растет, и я думаю, что реальным драйвером стали увольнения и сокращения в 2023 году. Люди скептически относились к тому, переживет ли Twitter масштабные сокращения персонала Илона, но технически сайт выжил.
Я думаю, что эпоха имперского строительства 2016-2020 годов подходит к концу. Оценка менеджера по количеству его отчетов уже не в моде, и больше нет причин раздувать размеры команд.
Я думаю, что повышение производительности, которое можно получить просто за счет наличия достойного специалиста LLM, способного отвечать на технические вопросы, уже достаточно существенно даже без всей этой штуки с инструментами на основе Agent-in-a-look.
Сегодня утром я использовал Claude 4 Sonnet, чтобы разобраться, как собрать, упаковать и отправить контейнер Docker в GitHub Container Registry за 25 минут от начала до конца. Без помощи Клода я бы ожидал, что это займет у меня как минимум пару часов… и есть приличный шанс, что я застрял бы на каком-то незначительном моменте и сдался бы в отчаянии.
Транскрипт: https://claude.ai/share/5f0e6547-a3e9-4252-98d0-56f3141c3694 – описание: https://til.simonwillison.net/github/container-registry
Я не отрицаю, что LLM полезны. Я считаю, что тенденция должна была произойти, независимо от того, насколько полезны LLM.
ИИ в итоге стал удобным оправданием для крупных технологических компаний, чтобы оправдать свои увольнения, но Twitter уже нарисовал историю о том, насколько раздутыми были некоторые организации. Теперь, когда больше нет никакого статуса в том, чтобы иметь 9001 отчет, маятник качнулся в другую сторону – теперь сексуально хвастаться тем, как мало людей вы нанимаете.
Эх, я так думал об интернете в 2010-х. Казалось, что практически на любой вопрос можно ответить с помощью запроса в Google. Люди шутили, что работа программиста в основном заключается в поиске информации на Stack Overflow. Но потом Google начал отстой, и SO превратился в еще один expertexchange (который сам по себе был хорош в 2000-х).
Насколько я могу судить, агенты кодирования ИИ автоматизируют поиск информации в части SO (в основном нарушая лицензии OSS на Github). Но эта часть плоха только потому, что существующие инструменты для этого были намеренно усовершенствованы.
> экспертный обмен
Мой голос за непреднамеренно самое смешное название компании. Интересно, знали ли они об этом, когда наткнулись на него, или они были настолько глубоко в этом процессе, что было слишком поздно менять курс, когда они поняли, что натворили.
«и технически сайт сохранился».
Только если прищуриться. Если посмотреть на качество сайта, то оно сильно пострадало.
Самые большие “идите на хер” – это фишеры, покупающие синие галочки и подставляющие лицо генерального директора и владельца для подставных афер. Но у вас также есть просто крайне мусорный контент и кликбейты, которые постоянно получают (вероятно, ботовые) лайки и появляются в верхней части лент. Вы открываете политическую ветку, и каким-то образом в качестве верхнего ответа появляется ответ о медведе, едущем на велосипеде.
Twitter мертв и просто ждет, когда кто-то его оживит.
Я думаю, нам придется иметь дело с историями об акционерах, обливающихся потом из-за увольнений, больше, чем с более качественным программным обеспечением. Все заявляют об огромном росте производительности, но в целом качество программного обеспечения и создаваемые новые продукты, похоже, в лучшем случае не изменились. Где все это новое потрясающее программное обеспечение? Пора прекратить все разговоры и что-то показать. Мне все равно, что ваш SQL-запрос был обработан за вас, это не общая картина, это просто разговоры.
Это было проблемой всей отрасли в Кремниевой долине в течение многих лет. Несмотря на все их разговоры об изменении мира, за последнее десятилетие мы получили только приложения для такси и отелей. Ничего по-настоящему революционного.
ИИ помогает вам готовить код быстрее, но вам все равно нужно хорошо понимать код. То, что часть написания выполняется быстрее, не означает, что разработчик теперь может взвалить на себя больше ответственности. Это приведет только к выгоранию, потому что человеческий разум может справиться только с определенным объемом ответственности.
> но вам все равно нужно хорошо понимать код
Я лично обнаружил, что именно здесь ИИ помогает больше всего . Я часто создаю довольно сложные модели, которые также нужно масштабировать, и почти все ресурсы, доступные SO/Google, как правило, застревают на уровне мышления «подогнать/предсказать», которым ограничены многие люди DS.
Возможность задавать вопросы о нетривиальных моделях по мере их создания, глубокое погружение в детали того, как именно работают определенные улучшения производительности и какие компромиссы существуют, и даже просто получение обратной связи о вашем подходе — это огромное улучшение моей способности действительно четко понимать проблему и ее решение до того, как написать строку кода.
Кроме того, невероятно легко допустить простую ошибку при моделировании сложной проблемы, а получение немедленной обратной связи — это своего рода отладка, которую в противном случае можно получить только в командах, состоящих из нескольких высококвалифицированных людей (что на определенном уровне является роскошью, доступной только людям, работающим в крупных компаниях).
Для моей работы vibe-кодирование смехотворно ужасно, в первую очередь потому, что нет тонн примеров больших систем машинного обучения для относительно уникальной проблемы, с которой вам часто приходится сталкиваться. Но избежание ошибок в начальном процессе моделирования кажется суперсилой. Вдобавок ко всему, быстрая возможность рефакторинга раннего прототипа кода в реальные конвейеры ускоряет многие из самых утомительных частей процесса.
Они часто объединяют роли front-end и back-end (а иногда и sysadmin/devops/infrastructure) в одного разработчика, так что теперь я думаю, что они будут использовать ИИ, чтобы попытаться получить еще больше. Выгорание, будь проклято, просто судя по их истории.
На днях я прочитал несколько книг: «Бизнес на миллион долларов, один человек» и «Компания одного человека» . В обеих книгах обсуждается, как с развитием кода (для создания продукта), инфраструктуры для его размещения (с AWS, чтобы вам не нужно было строить центры обработки данных) и сети людей, которым можно продавать (Интернет в целом и, в частности, социальные сети, как органические, так и основанные на рекламе) вероятность управлять крупной многомиллионной компанией в одиночку значительно возрастает, как никогда ранее в истории человечества.
Они были написаны до появления ChatGPT и LLM в целом, особенно связанных с кодированием, поэтому потолок должен быть еще выше сейчас, и это вдвойне верно для технических основателей, поскольку LLM не идеальны, и если ваш vibed-код в конечном итоге сломается, вам нужно будет знать, как это исправить. Но да, в будущем, когда агенты будут выполнять работу от вашего имени, возможно, ваша собственная работа тоже будет становиться все меньше и меньше.
Это правда, особенно с движением «vibe», происходящим в реальном времени на X… «вы можете просто делать вещи» — я создаю слои приложений AI b2c/b2b, и хотя у меня есть технический соучредитель по машинному обучению, я в значительной степени масштабирую это с помощью AI от стратегии, визуальных эффектов до кодирования. Например, с Клодом, созданным для масштабирования моей компании, затем построил панель управления на основе AI в курсоре вокруг нее в качестве командного центра. При масштабировании нам не нужна команда более ~5 человек, чтобы достичь 7 fig MRR.
У Грега Айзенберга есть некоторые из лучших взглядов на эту тему в X. Он очень хорошо формулирует смену парадигмы. @gregisenberg — один пример: https://x.com/gregisenberg/status/1936083456611561932?s=46 )
> 26. Многие начинающие основатели будут развивать бизнес быстрее, чем опытные пользователи, потому что они лучше владеют искусственным интеллектом/выросли на видеоблогах.
Ах да, фантастические идеи.
Подзаголовок содержит конкретное искажение:
> Стартапы раньше хвастались оценками и венчурным капиталом. Теперь ИИ делает доход на одного сотрудника новым святым Граалем.
Исправленная форма:
> Стартапы раньше хвастались оценками и венчурным капиталом. Теперь ИИ делает темпы роста выручки на одного сотрудника новым святым Граалем.
В частности, как и в случае со всем капитализмом роста, в долгосрочной перспективе не имеет значения, сколько дохода генерирует каждый сотрудник. Измеряемый фактор — насколько каждый сотрудник увеличивает темпы роста дохода. Если бизнес увеличивает доход на +5% в годовом исчислении, то работника, который может увеличить этот темп на 20% (до +6% в годовом исчислении), стоит оставить; работник, который может увеличить доход только на 5%, принес +0% в годовом исчислении после первоначального повышения и будет заменен автоматизацией, ИИ и т. д. (Вот почему технологии не будут инвестировать в технический долг: это может снизить расходы, но эта единовременная эффективность, как правило, не имеет значения, когда увеличение темпов роста дохода приводит к гораздо большему доходу, чем стоимость долга.)
Несколько превосходных идей, представленных в статье. Неважно, сработают ли они все, важно, что они расширяют наше мышление в сферу ИИ и его роли в будущем бизнес-стартапов и операций.
Для меня доход на одного сотрудника — это отвлечение от сути представленных идей.
Когда я работал в стартапе, который пытался максимизировать доход на одного сотрудника, это было абсолютной катастрофой для клиента. Не было никаких инвестиций в качество — не было выделенного QA, и все были слишком заняты, чтобы беспокоиться о качестве, пока что-то не стало кризисом. Обзоры кода активно не поощрялись, потому что это отвлекало людей от их назначенной работы, чтобы проверять работу других людей. Автоматизированное тестирование и инструменты были минимальными. Если вы зайдете на subreddit компании, вы увидите ежедневные сообщения о серьезных проблемах и людей, угрожающих коллективными исками. Были серьезные проблемы с конфиденциальностью и безопасностью, которые просто игнорировались.
На самом деле зависит от типа бизнеса, в котором вы работаете. В стартапе, в котором я работаю, я работал почти исключительно над качеством обслуживания в течение последнего года, редко над новыми функциями — потому что пользователи хотят платить за надежность. Если нет инвестиций в качество, то либо бизнес принимает глупое решение и заплатит за него, либо пользователи не так уж заботятся об этом, как вы думаете.
Есть два типа программного обеспечения: те, которые никто не использует, и те, на которые люди жалуются.
Тогда каждому придется писать свое собственное программное обеспечение.
Я работал в нескольких компаниях, и частота и серьезность проблем с клиентами намного превосходили все, с чем я сталкивался где-либо еще.
Похоже, что все чаще и чаще акционеры мечтают о том, что компании однажды смогут стать просто сотрудниками ИИ для цифровых вещей + роботизированными сотрудниками для физических вещей +, возможно, генеральным директором-человеком, «дирижирующим» всем. Больше никаких мерзких сотрудников, выкачивающих то, что по праву должно быть прибылью для владельцев. Это как будто некий моральный императив, к которому бизнес всегда стремится втихую. Вы богаты и хотите владеть чем-то вроде компании по производству супов? Просто арендуйте полностью автоматизированную фабрику и кучу работников ИИ, и вы мгновенно начнете отгружать и зарабатывать деньги! Это ли окончательное конечное состояние капитализма?
Звучит неиронично здорово, если бы мы могли это сделать, повышение производительности позволило бы резко повысить уровень жизни при умеренном перераспределении. Я не думаю, что это то, куда нас ведут эти llms.
Если я покупаю суп, я бы предпочел, чтобы производитель, розничный торговец и любое другое звено цепочки поставок были максимально эффективны, чтобы они могли конкурировать на рынке и предлагать мне суп определенного качества по максимально низкой цене.
Отдельный потребитель не получает никакой выгоды от того, что компании упускают возможности автоматизации.
Вы бы предпочли купить винты, изготовленные индивидуально на токарном станке?
Лично я считаю, что лучшие супы, которые я когда-либо пробовал, были приготовлены не на кухнях, оптимизированных с точки зрения эффективности или автоматизации, а на кухнях, оптимизированных с точки зрения качества.
Это были не дешевые супы, но они были определенно хороши.
Предметы роскоши и товары повседневного спроса имеют различные оптимизации, которые одновременно обеспечивают прибыль и экономическую полезность.
Дорогой суп и доступный суп могут быть предназначены для двух разных рынков.
Качество зависит от используемых ингредиентов и правильного приготовления. Ни то, ни другое не является тем, чего не могут сделать машины.
> Вы бы предпочли купить винты, изготовленные индивидуально на токарном станке?
Я не думаю, что вы это имели в виду, но прессованные винты обладают гораздо лучшими свойствами, чем нарезанные винты.
Вы рисуете себе утопию на пределе некоего идеализированного мира. Попробуйте на секунду вернуться на планету Земля.
Не будет шкалы «качества», которую вы сможете настроить, чтобы определить идеальное качество супа. Будут градации, и вы будете застрять с тем, что предлагает магазин. Если вы хотите суп среднего качества, но в магазине продается только 3 марки супа (потому что в отличие от вашей утопии кто-то на самом деле должен поддерживать запасы и отношения с их цепочкой поставок), и ваш любимый бренд решает снизить свое качество. Это не «на самом деле хорошо» из-за какой-то экономической причины. Ваш суп сейчас просто отстой.
О, но «рынок в конечном итоге предоставит новый бренд» — ужасная стратегия, когда они начинают приправлять суп свинцом, чтобы придать ему вкус корицы или что-то в этом роде.
Я не эфирное существо. Я человек, мне нужно, чтобы сейчас было хорошо. Не в теории земля.
Вы описываете три возможных нежелательных результата:
– консолидация, при которой существует лишь несколько различных вариантов супа
– гонка на выживание по качеству
– отравление
Все это возможно в рамках нашей нынешней системы, и у нас есть механизмы (законы и рыночная конкуренция), которые ограничивают масштабы их возникновения.
Что такого особенного в технологии экстремальной автоматизации, что, по вашему мнению, увеличит распространенность этих проблем? За счет каких механизмов эти проблемы будут возникать чаще (а не реже), поскольку производственные технологии станут более эффективными?
Я бы предпочел не жить в полностью автоматизированном обществе, где акционеры и генеральные директора пожинают всю прибыль, в то время как остальные из нас перебиваются лишь достаточным БД, чтобы не допустить революции.
Я не понимаю этот сценарий. Если все будут на UBI, то большинство людей по сути будут на грани нищеты. Откуда эти генеральные директора черпают всю свою прибыль?
Я лично думаю, что гораздо более вероятным сценарием является то, что малый бизнес из одного или нескольких человек станет гораздо более распространенным явлением. Они смогут делать гораздо больше самостоятельно, в том числе с меньшим опытом в областях, в которых у них может быть мало знаний. Я не думаю, что обычные сотрудники сегодня должны рассматривать LLM как конкурентов, скорее они должны рассматривать его как инструмент, который они могут использовать, чтобы уравнять свои шансы с нынешними генеральными директорами.
Если кто-то может использовать полностью автоматизированную фабрику с оплатой по факту, а фабрики взаимозаменяемы, то, похоже, стоимость капитала в вашем воображаемом будущем близка к нулю. Любой, у кого есть идея супа, может начать производить его с эффективностью мирового класса, цены для потребителей должны быть низкими, а разнообразие должно быть заоблачным.
Как Джонни Депп в том фильме..
Почему вы поставили две точки вместо одной или трех?
Тебе придется быть более конкретным.
Я думаю, что это начало конца раннего венчурного капитала в b2b saas. Капитал роста все еще будет, но все больше не будет причин его привлекать. Он будет расширять возможности людей с реальными навыками, а не тех, у кого в резюме крутые школы
Я думаю, что за исключением b2c, prosumer, SMB, да… люди хотят видеть быстрый рост доходов (по сравнению с наблюдательностью и идеями)… но предприятия… не так много, а это половина рынка b2b
Наоборот, корпоративные и оборонные технологии процветают. ИИ означает возможность переделать и расширить эру автоматизации кода. На этот раз это довольно очевидно для покупателей и инвесторов, так что даже не нужно их просвещать. Аналогично, в сфере государственных/оборонных технологий, Palantir прорвал плотину, и у большинства наших пользователей там инстинктивная аллергическая реакция на Palantir+XAI, так что довольно дружелюбно.
[отмечено]
Деньги Нью-Йорка прекрасно осведомлены о чуши, как и приспешники Блумберга. Они знают об этом и очень хмурятся по реальным причинам. Однако, жители Лос-Анджелеса, вероятно, было бы разумно провести тест на чувствительность ваших продавцов.
источник: повторы сериала «Полиция Майами»
ИИ получает самые высокие оценки, но наступление через налоговый кодекс на занятость инженеров, вероятно, является более существенным фактором.
https://news.ycombinator.com/item?id=44226145
Source: news.ycombinator.com