מדידת AI בפיתוח: למה יותר קוד לא שווה יותר תוצאות

על מדידה נכונה של AI בתהליך הפיתוח, למה בסוף הכל תשתית ארגונית ואיך כל זה קשור לקהילות, וחדרים שכדאי להיות בהם
מדידת AI בפיתוח: מה באמת חשוב מעבר לשורות קוד

יש משהו מוזר שקורה בארגונים שמאמצים AI בפיתוח.

הם מייצרים יותר קוד. הרבה יותר. ואז הם מגלים שהמפתחים עמוסים יותר מתמיד.

זה לא באג. זה תוצאה של מדידה לא נכונה.

גלעד שהם עובד על הבעיה הזאת מ-2016 – עוד לפני שה-AI נכנס לשיחה הארגונית. הוא ראה אותה מגיעה. בנה תשתית. ועכשיו יש לו תשובה שרוב הארגונים עדיין לא אימצו: המטריקה הנכונה היא לא כמה קוד ה-AI כתב – אלא כמה מהר הקוד הזה עבר merge לפרודקשן.

קוד שנזרק לפח הוא לא asset. הוא רעש, ובשיחה הזאת הוא מסביר למה, ומה עושים במקום.

הדבר שהכי אהבתי: ההבחנה בין code generation לבין code composition.

לא AI שכותב – AI שמרכיב. כמו לגו, לא פיסול. וזה דורש תשתית ארגונית שרוב החברות דילגו עליה בדרך לרכוש את ה-cursor הראשון.

על מה עוד דיברנו?

  • למה “40% קוד ב-AI” היא מטריקה שמטעה אתכם

  • מה עדיין מפריד סניור מ-AI (רמז: לא אינטליגנציה)

  • ומה קורה כשנותנים cursor לאנשי פרודקט בלי תשתית

    להאזנה בספוטיפי

  • הלינקדאין של גלעד

  • הלינקדאין של גלית

Share:

Related Posts