AI není delegování práce. To je spolupráce.
Proč tým, který AI bere jako dialog, poroste jinak než ten, který ji používá jako levný outsourcing — a co to znamená pro seniory, mediory, juniory i „AI-first“ setup.
Proč tým, který AI bere jako dialog, poroste jinak než ten, který ji používá jako levný outsourcing — a co to znamená pro seniory, mediory, juniory i „AI-first“ setup.
Realita
V delivery se dnes často řeší, jak postavit tým.
Na jedné straně máš:
- špičkové seniory, kteří systém znají do šroubku
- stabilitu, ale vysokou závislost
Na druhé:
- mediory a juniory
- škálování, ale větší potřebu řízení
A pak se začíná objevovat třetí model:
- malý tým
- silné využití AI
- menší hloubka znalosti kódu, ale vyšší rychlost
Na papíře to vypadá jako technologické rozhodnutí.
V praxi je to o tom, jak ten tým přemýšlí a jak pracuje.
Kde se to láme
Rozdíl dnes není v tom, jestli tým používá AI.
Rozdíl je v tom, jak ji používá.
AI není delegování práce
Tohle je moment, kde se týmy začnou rozcházet.
Používat AI neznamená:
- zadat úkol
- počkat
- mezitím řešit něco jiného
To je jen jiná forma outsourcingu.
A většinou to vede k horším výsledkům.
Protože odpovědnost za výsledek nikam nezmizí.
Co funguje v praxi
Vývojář, který AI používá dobře, nedělá méně práce.
Dělá ji jinak.
Neodevzdává přemýšlení. Zrychluje ho.
V praxi:
- dává AI rutinní nebo objemové věci, které ho nikam neposunou
- nechává si vysvětlit kontext, ne jen vygenerovat výstup
- diskutuje řešení, nebere první odpověď
- doptává se, zpřesňuje
- iteruje v krátkých cyklech
Je to spolupráce.
Ne „udělej to za mě“.
Co to dělá s týmem
Tady se začíná lámat delivery.
Tým, který AI používá dobře:
- roste rychleji
- sdílí kontext
- drží kontrolu nad tím, co pouští do produkce
Tým, který ji používá špatně:
- přestává rozumět tomu, co dělá
- degraduje svoje návyky
- vytváří skrytý technický dluh
Ten dluh není vidět hned.
Ale o to víc bolí později.
Dopad na delivery (realita, ne teorie)
Tohle není akademická debata.
Má to přímý dopad na delivery.
Pokud tým AI jen „deleguje“:
- začnou se rozpadat odhady
- roste množství bugů
- zpomalují se opravy
- roste tlak ze strany klienta
A někdo ten tlak musí nést.
Pro delivery manažera má špatně zaběhnuté používání AI ve vývoji z dlouhodobého hlediska tvrdé důsledky:
- vývojový tým ho vystavuje tlaku klienta — derou se termíny
- narůstá technický dluh, který se nevyřeší bez záměrné práce
- v organizaci často platí, že řízení dodávky je první linie odpovědnosti vůči zákazníkovi
- při incidentu nebo eskalaci je to často právě on, kdo nese vysvětlování a tlak navenek
- v praxi to bývá role otloukánka — první, kdo „to schytá“, i když příčinou je způsob práce s kódem a nástroji uvnitř týmu
V praxi jde typicky o roli delivery managera. Ta je první linie směrem ke klientovi — při problému vysvětluje, uklidňuje, obhajuje.
A často řeší důsledky rozhodnutí, která vznikla uvnitř týmu.
Klíčová věc
AI je silný nástroj.
Ale jen pokud současně:
- rozšiřuje přemýšlení
- nezastupuje ho
Rozdíl mezi těmito dvěma přístupy je dnes často větší než rozdíl mezi seniorem a juniorem na vizitce.
Shrnutí
Nejde o to, jestli máš:
- seniory
- juniory
- nebo AI-first tým
Jde o to, jak pracuješ.
- AI jako spolupráce → rychlost a kontrola
- AI jako delegování → chaos a dluh
A ještě jedna věc (která se neříká nahlas)
Špatně nastavené používání AI není jen technický problém.
Je to problém delivery.
A velmi rychle se propíše do:
- stresu
- tlaku
- každodenní operativy
Pokud tým ztrácí kontrolu nad tím, co dělá, někdo to musí vyrovnat. V praxi ten tlak často skončí na delivery.
A pokud to trvá dlouhodobě, není to o nástrojích. Je to o tom, že si ten tým ničí vlastní fungování.
Neřeším hype. Řeším výsledek.