Când lucrezi cu colegi din trei țări, pe două continente și în trei fusuri orare, diferențele culturale nu rămân la nivel de teorie. Le vezi în felul în care se dă feedbackul, în cât de repede este ridicată o problemă, în raportarea la ierarhie, în ritmul întâlnirilor și chiar în micile momente de început de zi. În proiectul nostru din zona automotive, derulat într-un model de externalizare de servicii, am înțeles destul de repede că shared delivery nu ține doar de structură, ci și de felul în care oamenii ajung să se înțeleagă și să colaboreze real.

Să construiești un produs IA este un lucru. Să știi dacă este cu adevărat pregătit pentru clienți este cu totul altceva. Am petrecut o parte semnificativă din timpul meu în săli de ședințe - și mai recent, în apeluri video - cu echipe de inginerie care au făcut totul corect. Luni de muncă. Prompt engineering atent, sisteme de retrieval, optimizare a latenței, comparații de benchmarkuri. Într-un mediu controlat, produsul arată excelent. Scorurile sunt bune. Demonstrațiile merg fără probleme.

Multă vreme, respectarea legilor a fost văzută ca responsabilitate a departamentului juridic. Odată cu EU AI Act, lucrurile încep să se schimbe. Respectarea legilor devine o preocupare și pentru echipele de software, deoarece anumite cerințe trebuie luate în considerare încă din etapa de proiectare.

UX-ul clasic se bazează pe o relație directă și deterministă între input și output. Apeși un buton și declanșezi o acțiune precisă. Interfața se comportă previzibil și poate fi verificată cu un checklist de principii sau euristici care asigură, în mare parte, un nivel optim de accesibilitate.

Modelele generative de limbaj (LLM) au dat complet peste cap profilul de latență al serviciilor de tip enterprise. Un request care înainte aștepta 40 ms pentru acces I/O, acum este blocat timp de 20 de secunde pentru a primi răspunsul de la un model. În arhitectura clasică care implică un thread-per-request, această realitate transformă concurența într-o constantă rigidă, care trebuie determinată în avans. Rezultatul? Un pod saturat raportează un consum CPU aproape de zero, deși nu mai poate primi trafic adițional. Decizii arhitecturale calibrate pentru zeci de milisecunde au fost determinate pentru un status-quo care nu mai corespunde realității.

Acest articol prezintă un caz practic de utilizare a Microsoft Agent Framework, urmărind evoluția lui Robby de la un chatbot simplu la o echipă de agenți complet echipați Robby este o mașină robot dotată cu IA. La prima vedere, își face deja treaba. Dă-i o comandă și va propune o manevră abilă. Cere-i să evite un copac și va genera o succesiune plauzibilă de pași. Pentru un demo scurt, pare inteligent.

Există o conversație care se repetă mereu în canalele de Slack ale designerilor și prin holurile conferințelor. Sună cam așa: „O să ne înlocuiască IA-ul?" Cineva dă din cap nervos. Altcineva spune „nu încă." Și apoi toți se întoarc la ecranele lor, jumătate dintre ei folosind în liniște IA-ul ca să-și facă treaba mai bine, fără să o spună cu voce tare. Eu vreau să o spun cu voce tare.

Agenții IA pot accelera dezvoltarea software, dar eficiența lor în proiecte reale depinde mai mult de calitatea contextului în care aceștia operează. În dezvoltarea aplicațiilor mobile, acest lucru devine esențial: o interfață aparent simplă depinde de arhitectură, state management, navigație, lifecycle, servicii, repository-uri, localizare, accesibilitate, testare, design system și constrângeri de platformă.

În ultima perioadă, discuția despre IA în IT a fost dusă foarte mult în zona de tooluri. Ce poate face Copilot? Cât cod poate genera un model? Cât de repede poate un developer să termine un task? Sunt întrebări valide, dar cred că ele acoperă doar o parte din schimbare.