To początek serii. Opowiem o transformacji, którą zaczęliśmy w tech, w Prolog, jakieś dwa miesiące temu: dlaczego się zaczęła, co się udaje i co drogo kosztowało. To nie teoria ze sceny. To, co przeżyliśmy.
Postanowiłem to napisać z prostego powodu: gdy szukałem, jak to zrobić, znalazłem dużo opinii i mało prawdziwej relacji kogoś, kto był w środku procesu. Jeśli ten tekst stanie się punktem oparcia dla kogoś innego, kto buduje, to już się opłaciło.
Zaczęło się od niepokoju.
Co zobaczyłem
W marcu ja i Jean, mój wspólnik, pojechaliśmy na SXSW w Teksasie, jedne z największych targów innowacji na świecie. Wróciłem inny, a niepokój nie mijał. Nie chodziło o to, co zobaczyłem na scenie. Chodziło o to, co widziałem, jak firmy już robią w praktyce.
Po powrocie zanurzyłem się w techniczne treści ludzi, którzy naprawdę budują z AI tam, za granicą. Nie letnie treści z Instagrama i LinkedIna. Te głębokie, od ludzi, którzy sami przykładają rękę i publikują to, czego się nauczyli. I natykałem się na przypadek za przypadkiem firmy, która naprawdę zmieniła sposób pracy. Różnica jest subtelna i ogromna zarazem: one nie „zaczęły używać AI”, one postawiły AI w centrum.
I nie da się tego zbyć jako hype ze sceny. To adopcja na skalę przemysłową: duża firma i mała firma, wszyscy idą w to samo miejsce. Jedną z rzeczy, która mnie uderzyła, była prosta liczba: 9 na 10 firm z Fortune 100 już wdrożyło Copilota. Ale liczbą, która się liczy, nie jest ta o adopcji. To rozmiar zysku. Kto tylko wpasował AI w stary przepływ, raportuje 10, 20% więcej produktywności. Kto przebudował wokół niej, raportuje wielokrotność: 5x, 10x. Otworzę te przypadki jeden po drugim w kolejnych artykułach. Na razie liczy się zwrot, który wszystkie mają wspólny.
Używać z boku vs. postawić w centrum
To rozróżnienie wydaje się małe, a to ono decyduje o wszystkim.
Używać AI to otworzyć narzędzie z boku i trzymać się tego samego procesu co wcześniej. Przepływ zostaje taki sam, stanowiska zostają takie same, review zostaje takie samo. AI to kolejna zakładka, i każdy radzi sobie z nią sam. Zysk pojawia się na marginesie.
Postawić w centrum to przeprojektować proces wokół niej. Zakładasz, że AI zbuduje sporą część pracy, i na tej podstawie przerabiasz przepływ, stanowiska i review. Kontekst przestaje umierać w jednej rozmowie i staje się wspólny. Zysk jest innego rzędu, bo to nie ta sama praca szybciej. To praca zmieniająca kształt.
Ta sama praca, dwa miejsca dla AI
AI z boku vs. AI w centrum
AI siedzi w zakładce z boku. Przepływ, role i przegląd zostają takie same. Każdy radzi sobie sam, po swojemu.
+10–20% zysku na marginesie. Wąskie gardło zostaje tam, gdzie było.Przepływ, role i przegląd są budowane od nowa, żeby to AI budowała. Wspólny kontekst, nie ginie w jednej rozmowie.
Inny rząd wielkości zysku. Nie 10% więcej; to sama praca się zmienia.Kiedy to olśnienie przyszło, pytanie przestało brzmieć „jakie narzędzie wdrażamy”, a stało się „co w naszym sposobie pracy zostało zaprojektowane dla świata bez AI”. Wtedy spojrzałem do środka.
Diagnoza: każdy radzi sobie sam
Gdzieś pod koniec marca, jeszcze zanim przeszliśmy na Claude, usiadłem z ludźmi z produktu, designu i inżynierii Prologa i zadałem proste pytanie: jak używasz AI na co dzień? Co jest dobrze, gdzie się blokuje, jakie wąskie gardło widzisz w operacji.
To, co usłyszałem, mnie dopadło.
Każdy używał innego narzędzia. Jeden Copilota, inny Claude’a, jeszcze inny wrzucał wszystko do wewnętrznej AI Prologa. A gorszy od luźnego narzędzia był luźny kontekst: to, co ktoś budował, rozmawiając z AI, umierało tam, razem z nim. Zespół utrzymania na przykład zbudował dobry materiał wewnątrz AI Prologa, z regułami tamtego produktu. Tyle że to nie docierało do zespołu opon, który potrzebował tego samego rodzaju kontekstu i zaczynał od zera.
Jedna utkwiła mi w głowie. Devowie unikali używania AI do review dużego PR-a w obawie, że spalą kredyty przed końcem tygodnia. Pomyśl o absurdzie: człowiek musiał wybierać między dokończeniem własnego taska z AI, który zobowiązał się dowieźć, a wydaniem tego samego kredytu na review gigantycznego PR-a kolegi. Zrobiła się rywalizacja o rzadki zasób. I wtedy nikt nie chce brać cudzego review.
Ktoś z zespołu podsumował to zdaniem, którego nie mogłem już wyrzucić z głowy:
Produkujemy z AI, a review robimy bez AI.
Każdy radzi sobie sam, po swojemu, z narzędziem, jakie akurat było. To, co działało u jednego, nie stawało się przepisem dla drugiego. Nie było standardu, nie było wspólnego miejsca.
I nie chodziło tylko o sposób, chodziło o strukturę
Im dłużej patrzyłem, tym jaśniejsze się stawało, że nie da się tego rozwiązać, ucząc tylko wszystkich, żeby „lepiej używali”. Sposób używania był objawem. To struktura pod spodem nie była gotowa. Pojawiły się trzy dziury.
Po pierwsze, kontekst był porozrzucany. Kawałek w Notion, inny na Drive, inny w Jira, w Figmie, w Fathom. Nie było jednego źródła prawdy. Więc każda nowa rozmowa z AI zaczynała się od wyjaśniania wszystkiego od zera, bo informacja, której potrzebowała, była w pięciu miejscach i wykurowana w żadnym. Płaciliśmy w tokenach, w requestach i w czasie tylko po to, żeby poskładać na nowo kontekst, który już gdzieś istniał.
Po drugie, człowiek był klejem. Ktoś z produktu generuje speca z AI, wrzuca do doca, wysyła link kolejnej osobie, która bierze to i wrzuca do swojego projektu AI. AI pojawiała się na końcach, nigdy w środku: produkowała kawałek, człowiek przenosił wynik na rękach do następnego narzędzia, a inna AI zaczynała od nowa. Przepływ pozostawał ludzki.
Po trzecie, architektura. Fundament, który budowaliśmy przez dziesięć lat, powstał dla świata, w którym wąskim gardłem był człowiek, nie AI. Jest miejscami poplątany i ma kawałki bez testów, i właśnie to blokuje szybką zmianę, którą AI by umożliwiła. To niczyja wina moralna. To nagromadzenie dziesięciu lat decyzji, które działały aż do teraz. AI po prostu to obnażyła.
I ważne, żeby to powiedzieć: to nie wina zespołu ani Prologa. To, co dzieje się w każdej firmie, która przykleiła AI na wierzch starego sposobu pracy. Każda dziesięcioletnia firma nosi sposób działania, który działał do teraz. AI kieruje na niego reflektor. A odpowiedzialność za zmianę tego jest moja.
Dlaczego przebudować wszystko, nie tylko inżynierię
Pierwsza pokusa to rozwiązać to w inżynierii. Ma to sens, bo tam AI przyjęła się najszybciej i tam już zaczęliśmy. Ale właśnie tu czai się pułapka.
Jeśli jeden obszar idzie z prędkością AI, a ten obok pozostaje przy prędkości ludzkiej, to nic nie przyspieszyłem. Tylko przeniosłem wąskie gardło w inne miejsce.
Pomyśl o całym przepływie. Jeśli inżynieria zaczyna dowozić w godziny, ale produkt wciąż potrzebuje tygodni na specyfikację, to teraz kolejkę trzyma produkt. Rozwiążesz produkt i inżynierię, a walidacja dalej jest ręczna? Zablokowało się na walidacji. I nie kończy się to na tech: jeśli wypuścimy dużo, a marketing nie zdąży ogłosić w tym samym tempie, wąskie gardło poszło do marketingu. Przyspieszenie jednego odcinka nie likwiduje korka. Tylko przepycha go do następnego.
Przyspieszenie odcinka nie opróżnia kolejki
Wąskie gardło tylko zmienia miejsce
Przyspieszyłem tylko inżynierię
Przyspieszyłem produkt i inżynierię
Każdy odcinek, który przyspieszasz, podpala następny. Korek nie znika; zmienia miejsce.
Dlatego pod koniec kwietnia zaczęliśmy przebudowywać całe tech. Produkt, design, dane, jakość. Nie tylko inżynierię. Jeśli AI idzie do centrum, to idzie do centrum całego przepływu, nie jednego kawałka.
Co nas czeka
W kolejnych artykułach otworzę każdą część tego. Czym jest „harness”, infrastruktura, dzięki której AI naprawdę dowozi, zamiast tylko oddawać luźne kawałki. Jak zmienia się praca każdego stanowiska, gdy to AI zaczyna budować, a człowiek staje się tym, kto kieruje i robi review. I dlaczego właściwe pytanie, gdy coś się psuje, przestało brzmieć „co teraz robię”, a stało się „czego zabrakło w kontekście, żeby to się nie powtórzyło”.
Transformacja się toczy, z trafieniami i z błędami. Opowiem o obu tutaj, w miarę jak będą się dziać. To nie przepis. To, co przeżywamy. Jeśli posłuży za mapę komuś, kto też buduje, tym lepiej.