Un refinement de aproape o oră, în jur de 15 estimări discutate și, la final, surpriza: valorile nu se salvaseră. În mod normal, am fi încercat să reconstruim discuția din memorie sau am fi deranjat din nou echipa. De data aceasta, am apelat la transcrierea întâlnirii și la un asistent IA. În câteva minute aveam lista estimărilor, pe care am putut să o verific. Nu este vreun scenariu spectaculos despre viitor. Este doar un exemplu banal despre cum IA ne schimbă deja munca de zi cu zi.
Dacă ne uităm la titlurile de pe YouTube, meseria de Project Manager ar trebui să fie deja pe cale de dispariție. Dincolo de hype și clickbait, schimbarea este reală, dar mai puțin spectaculoasă. Am fost programator înainte să devin manager de proiect în 2018, așa că am prins și perioada de dinaintea acestei avalanșe de instrumente IA.
În 2022, la primele conversații cu ChatGPT, eram curios dacă îl pot integra cu Google Assistant. Răspunsul a fost că nu poate și că nu avea acces la internet. L-am întrebat dacă putem comunica vocal, nu doar în scris. Tot nu. Și dacă poate evolua dincolo de un simplu chatbot? Din nou, nu. Îl mai întrebam de ce este cerul albastru și dacă știe bancuri — răspunsurile erau destul de robotice, dar exacte. Patru ani mai târziu, putem vorbi cu IA, îl putem conecta la instrumente și îi putem delega sarcini. Nu toate sistemele au aceleași capacități, dar saltul față de 2022 este evident.
Tocmai de aceea aș împărți relația noastră cu IA în trei moduri de lucru: asistent, sfătuitor și executant. Nu sunt niveluri oficiale, ci o modalitate de a vedea cum trecem de la ajutor punctual la delegare.
De aici am început probabil cei mai mulți: rezumate de ședințe, action items, documentație, rapoarte, mesaje sau o primă analiză a datelor. Accesul la întâlniri și documente a redus munca administrativă.
Când se suprapun două ședințe, transcrierea/facilitatorul ne arată ce s-a decis în cea de la care am lipsit. În cazul estimărilor pierdute, nu a decis IA nimic în locul echipei: doar ne-a ajutat să recuperăm ce discutasem deja. Pare puțin, până când alternativa este să reiei ședința.
Există limite. Unele instrumente au prelucrat doar o parte dintr-un fișier mare și mi-au sugerat să fac singur restul. Alteori informația era într-un sistem inaccesibil asistentului. IA nu repară documentația fragmentată și nu garantează că a înțeles corect.
Ce facem însă cu timpul economisit? Timp salvat nu înseamnă automat valoare creată. Dacă îl folosim pentru a lămuri un risc sau a discuta cu echipa, atunci câștigul contează.
Următorul pas nu mai este să cerem un rezumat, ci să folosim IA ca partener de pregătire. Urmează o discuție cu stakeholderii? Putem întreba cine ar putea fi afectat de o schimbare și ce perspective ne lipsesc. Mergem la devs? Putem cere o explicație preliminară despre un flux, o dependență sau riscurile unei soluții. Uneori întrebarea mai bună valorează mai mult decât răspunsul rapid.
Un exemplu concret este identificarea stakeholderilor. Un IA generic poate sugera echipe dependente, securitate, operațiuni, utilizatori sau consumatori de date. Un agent conectat la informațiile reale ale organizației poate fi mult mai util: dacă are documentația relevantă, ne poate ajuta să găsim responsabilul unei arii sau echipele care depind de un produs.
Am folosit un astfel de agent intern, inclusiv când persoana care avea contextul nu era disponibilă. Dar nu luam lista de nume drept adevăr absolut: oamenii schimbă echipe, responsabilitățile se mută și documentația rămâne în urmă. Agentul arată cine figura ca responsabil; cu oamenii verificăm cine decide în realitate.
La prezentarea de la Programmers' Week am întrebat publicul ce preferă când are nevoie de un răspuns tehnic: să meargă direct la un dev sau să întrebe mai întâi IA și apoi să vină cu întrebări mai clare. Mulți au ales a doua variantă. Cineva a adăugat și opțiunea C: să încerci mai întâi să te lămurești singur, nu orice întrebare are nevoie de un chatbot.
Există o diferență între a te pregăti înainte de o conversație și a încerca să eviți conversația. Un "ai cinci minute?" poate deveni o discuție de două ore, dar uneori sunt chiar cinci minute foarte bine folosite. Nu ne dorim echipe în care toți vorbesc doar cu propriul IA și uită să mai vorbească între ei.
Observ o așteptare tot mai mare ca un Project Manager să înțeleagă partea tehnică, fără să devină dev. Cu IA poate investiga preliminar o problemă sau discuta mai aplicat cu echipa, dar trebuie să înțeleagă răspunsurile.
Mai departe apar agenții care pot executa sarcini, nu doar produce răspunsuri. În echipa în care lucrez nu avem încă agenți care preiau autonom sarcini de dezvoltare. Știu echipe care experimentează astfel de fluxuri, iar eu am făcut propriile încercări acasă pe proiecte unde îmi permit să testez și să mă mai cert cu agentul când o ia pe arătură.
Diferența apare când trecem de la "explică-mi problema" la "investigheaz-o, încearcă o soluție, testează și arată-mi ce ai făcut". Nu mai cerem doar răspunsuri: delegăm muncă.
Aici apare partea familiară pentru un PM: obiectiv, context, constrângeri, criterii de acceptare, feedback și validare. Trebuie să spunem nu doar ce vrem, ci și ce nu vrem. Dacă cerem repararea unei probleme, este util să precizăm că nu dorim și refactorizarea întregii aplicații, doar pentru că agentului i s-a părut o idee bună. Un coleg experimentat știe deja istoria proiectului; agentului trebuie să-i oferim contextul. Iar la final tot trebuie să verificăm rezultatul.
Figura 1. Pe măsură ce IA preia mai multă execuție, contextul, validarea și responsabilitatea nu dispar.
IA ne poate oferi mai multă viteză și mai mult output. Numai că verificarea acelui output nu este gratuită. Dacă o echipă produce mult mai mult cod, cineva trebuie să-l și verifice. Dacă validarea devine noul blocaj, nu am rezolvat automat problema productivității; poate doar am mutat-o. Iar tentația unui looks good to me dat prea repede există, indiferent cine a scris codul.
Un manager de proiect nu trebuie să dicteze cum se face code review, ci să înțeleagă unde se consumă timpul echipei. Mai sunt și riscurile legate de securitate, documente vechi sau răspunsuri convingătoare, dar greșite.
Și mai apare o întrebare: dacă IA propune soluția, IA o dezvoltă, IA zice că testele au trecut și "echipa" o livrează că a zis IA că este ok, cine răspunde când ceva nu funcționează? Cu siguranță nu IA-ul. Responsabilitățile rămân la cei care iau și aprobă deciziile, conform rolurilor lor. Putem delega munca, dar nu și responsabilitatea pentru rezultat.
Nu avem o listă definitivă a competențelor viitorului. Dar, dacă IA preia mai multă execuție, cred că unele lucruri devin și mai valoroase.
Judgment. IA ne poate propune zece variante în câteva secunde. Dificultatea nu mai este doar să găsim soluții, ci să alegem ce merită făcut, ce ignorăm și când spunem "stop".
Communication. Un asistent ne poate ajuta să ne pregătim pentru o conversație, dar nu construiește automat încrederea și nu rezolvă tensiunile dintre echipe. Uneori contează mai mult ce nu s-a spus într-o ședință decât ce apare în rezumatul ei.
Technical literacy. Dacă ne apropiem de implementare cu ajutorul IA, trebuie să înțelegem suficient cât să putem pune întrebări relevante, să evaluăm implicațiile și să recunoaștem când ceva nu are sens. Asta nu înseamnă că fiecare PM trebuie să scrie cod.
Domain knowledge. Un model poate avea acces la multă documentație și totuși să nu știe de ce s-a luat o decizie aparent ciudată acum trei ani. Istoricul produsului, excepțiile și contextul organizațional sunt adesea mai complexe decât ce am reușit să scriem în documente.
Ownership. IA poate analiza, recomanda sau executa. Dar cineva își asumă folosirea rezultatului și consecințele. Un "așa mi-a spus IA-ul" nu este o explicație suficientă pentru echipă sau pentru client.
Mai spun uneori că un PM este și pompier, și psiholog. IA probabil ne va ajuta să stingem mai repede unele incendii. Partea cu oamenii - conflicte, motivații, frustrări și relații - este însă mult mai complicată decât câteva instrucțiuni bine formulate.
Ce va rămâne uman? Nu cred că avem încă răspunsul complet și nici nu aș vrea să-l înlocuim cu încă o predicție sigură despre dispariția profesiei. Poate întrebarea mai utilă este ce merită să delegăm și ce trebuie să rămână în grija noastră. IA poate face din ce în ce mai multe lucruri. Noi trebuie să știm de ce le facem, pentru cine și cine își asumă rezultatul.
de Rareș Zete , Sergiu Dornea
de Ovidiu Popa
de Horatiu Marc