top of page

אם AI עושה יותר , האם החברה צריכה פחות מפתחים? או מה שווה תוכנה אם אנחנו לא שולטים בה:)

תמונת הסופר/ת: Efrat Dagan
Efrat Dagan
לפני 57 דקות
זמן קריאה 3 דקות

זו שאלת השאלות והתשובה אליה אינה כה פשוטה.


נניח שצוות פיתוח יכול לספק ב־20% פחות שעות את כל מה שתכנן לרבעון הבא. עכשיו מגיעה ישיבת התקציב, וצריך להחליט מה עושים עם השעות שהתפנו. אם באמת התפנה זמן.


בחברה אחת יבטלו גיוס שתוכנן לרבעון. בחברה אחרת, סמנכ״לית המוצר תפתח את הרשימה של דברים שכבר שנתיים אומרים עליהם ״אין לנו כרגע אנשים לזה״. למשל, אינטגרציה שלקוח גדול מבקש, כלי פנימי שיכול לחסוך שעות לצוות התמיכה, או מוצר קטן לשוק שעד עכשיו היה יקר מדי לנסות.אותו שיפור בפריון. שתי החלטות גיוס שונות. כדי לדעת איזו מהן הגיונית, צריך לדעת כמה שווה לחברה העבודה שהיא יכולה סוף סוף לעשות.


ואיזה חלק מעבודת הפיתוח באמת התקצר? 

במחקר של NBER, שימוש בסוכני תכנות אוטונומיים נקשר לעלייה של 240% במספר ה־commits, ולעלייה של כ־30% במספר גרסאות התוכנה ששוחררו.  החוקרים מצאו שהדפוס הזה תואם לכך שהעבודה אנושית נדרשת בשלבים אחרים, כמו סקירת קוד ובדיקות, שעדיין משפיעים על קצב השחרור. לפי האומדן שלהם, AI ועבודה אנושית בעיקר משלימים זה את זה בתהליך הזה. כתיבת קוד מהירה יותר יכולה להגדיל את התפוקה, אבל כמה מזה יגיע למשתמשים תלוי גם במה שקורה בהמשך הדרך ובביקוש לתוכנה שנבנתה.


גם 30% יותר זה הרבה. אבל אם מנהלת הפיתוח שלי אומרת שהיא יכולה לייצר הרבה יותר קוד, הייתי שואלת אותה איפה העבודה תקועה היום. אם נוצר תור אצל שני האנשים שמכירים מספיק טוב את המערכת כדי לבדוק את השינויים, יכול להיות שדווקא שם היא צריכה עוד מפתחת מנוסה. למחקר


נניח ששלושה מפתחים מסיימים ביום שני שינויים שבדרך כלל היו מסיימים עד חמישי. שלושתם חסכו זמן. אבל עכשיו כל השינויים מגיעים יחד לאותה מפתחת שעושה את סקירת הקוד, והיא צריכה לבדוק גם איך הם עובדים זה עם זה. יכול להיות שהצוות עדיין יספק יותר באותו שבוע. כדי לדעת בכמה, צריך לספור גם את הזמן שלה ואת סבבי התיקונים, ולראות מתי השינויים באמת הגיעו ללקוחות.


וזה משנה גם את האופן שבו הייתי מודדת את ההשקעה. אם הצוות מצליח לספק יותר שינויים באותה איכות ובפחות שעות עבודה, יש שיפור בפריון. כדי לדעת אם הוא משתלם כלכלית, צריך להכניס לחשבון גם את עלות הכלים ואת הערך של מה שהגיע ללקוחות. לפעמים החיסכון הכי מעניין הוא בכלל היכולת להוציא מוקדם פתרון לבעיה שלקוח חיכה לה חודש.

אז כן, AI יכול להעלות את הפריון בפיתוח תוכנה. אבל אם מנהל פיתוח אומר לי שהצוות שלו נהיה פרודוקטיבי ב־30%, הייתי מבקשת לראות שינוי אחד שהגיע ללקוח ולעבור איתו על הדרך כולה. כמה זמן נחסך בכתיבה? כמה נוסף בבדיקה? והאם הלקוח קיבל פתרון מוקדם יותר?


גם בצד השני של המשוואה, העלות, יש שינויים מעניינים. ביוני Gartner פרסמה תחזית שלפיה עד 2028 עלויות כלי ה־AI לתכנות עשויות לעבור את השכר הממוצע של מפתח. אבל כבר עכשיו, כשחלק מהכלים מתומחרים לפי צריכה, כדי לתכנן תקציב צריך להבין כמה עבודה הסוכנים יעשו וכמה יעלה להפעיל אותם בקנה מידה גדול. לזה צריך להוסיף הטמעה, אבטחת מידע ואת הזמן של האנשים שבודקים ומתקנים את התוצרים. אם צריך לא מעט עובדים עדיין זה מייקר מאד את ההוצאות gartner.com



כשמנהל הפיתוח מתכנן תפוקה, מחלקת הכספים מתקצבת כלים ומשאבי אנוש בונים תוכנית גיוס, שלושתם בעצם מקבלים החלטות על אותה העבודה. . כאן חשוב לברר איפה AI מקצר את הדרך, איפה עדיין צריך ניסיון אנושי, וכמה עולה כל התהליך עד שהפיצ׳ר מגיע ללקוח.אחרי שיחה כזאת אפשר להחליט איפה השקל הבא יעשה יותר הבדל. לפעמים זה יהיה עוד מפתח. לפעמים עוד תקציב ל־AI. ולפעמים יתברר שצוות הפיתוח כבר עובד מספיק מהר, ומה שמעכב אותו בכלל יושב במקום אחר.



תגובות


bottom of page