Addy Osmani cikke szerint, ha az AI réteg bármiben is kiválóvá válik, az az, amihez létezik „megoldáskulcs”. Iskolaévnyi teljesítményeket régen a helyes válaszokhoz mértek; az AI korában azonban a tartós emberi érték nem a probléma-megoldásban rejlik, hanem abban, hogy milyen problémákat választunk, és hogyan ítéljük meg a megoldások minőségét. A többit az ügynökök (agents) egyre gyorsabban és gyakran pontosabban elvégzik.
Szerzői háttér
Addy Osmani 16 évesen kezdett mérnökként, Írország vidéki részén böngészőt fejlesztett. Több mint 14 évet töltött a Google‑nál, ahol mérnöki csapatokat vezetett a Chrome, Gemini és Cloud AI projekteknél, és több O’Reilly könyv szerzője. Többször visszautasított ajánlatokat frontier laboroktól és FAANG‑cégektől, ha nem érezte a megfelelő illeszkedést.
Mire érdemes optimalizálni a karrierben?
Osmani szerint a legtöbb karrier tanács ma is érvényes: szállj fel a „rakétára”, de ne tölts túl sok időt szétszámolni a helyedet. A lényeges különbség, hogy mostantól a ritka erőforrásokra érdemes optimalizálni. A tőke és az idő relatíve bőséges, de a jó kapcsolatok és a bizonyított, nyilvános teljesítmény továbbra is ritka. Hangsúlyozza: csinálj jó munkát, és ügyelj rá, hogy azok lássák, akik értékelik a jó munkát.
Problalomkeresés, nem csak -megoldás
Korábban a programozási versenyek és LeetCode‑feladatok a készséget mérték, de az ügynökök ezek nagy részét gyorsan elvégzik. A különbséget ma az adja, aki jó ítélőképességgel és intuícióval képes kiválasztani a fontos problémát. Osmani saját karrierjéből azt emeli ki, hogy a problémák megtalálása gyakran előzte meg a megoldásukat: a korai tapasztalatokból szerzett visszatekintés és ítélet az, ami felépíti a „taste”-et (ízlést), és ezt az ügynökök nem pótolják.
Az ítélőképesség megőrzése és fejlesztése
A kockázat nem az, hogy az ügynök rossz kódot ír — ezzel már találkoztunk korábban — hanem hogy elveszítjük a képességet megítélni, mi a jó. Ajánlásai:
- Válassz néhány igazán fontos problémát, és dolgozd meg őket „nehéz úton”, agent nélküli gyakorlással, hogy mély mentális modelleket építs ki a rendszerekről és nyelvekről.
- Olvass sokkal több kódot, mint amennyit írsz.
- Kezeld az ügynök által javasolt diffeket úgy, mint emberi review‑t, amit alaposan indokolnod kell.
- Tarts naplót azokról a javaslatokról, amelyek helytelennek tűnnek, és magabiztosan jelöld meg őket — ez az ízlés felhalmozásának helye.
A munkavégzésről át kell térni az irányításra
Ahogy embert delegálnál, úgy kell megtanulnod delegálni az ügynöknek: határozd meg a feladat terjedelmét, a kész állapot definícióját, állíts be bizalmi szintet, és ellenőrizd az eredményt. Az autonómia nem rangkérdés, hanem per‑feladatra kapcsolható beállítás: kísérletezz kis, visszafordítható feladatokkal magas autonómiával, és tarts alacsony szintet azoknál, ahol a hibák nehezen javíthatók.
Specifikáció és verifikáció két külön készség: az ügynök nem olyan jó, mint az a szándék, amit neki adsz. A legjobb mérnökök pontos specifikációkat írnak; a tiszta gondolkodást képesek lefordítani precíz instrukciókra. Fontos, hogy verifikálj — ne várd el, hogy az ügynök magát ellenőrizze.
Vállald, ami kimegy a termelésbe
Ha az ügynök írta a kódot és az élesben elromlik, az „az AI csinálta” nem védőbeszéd. A változathoz a neved kapcsolódik: vegyél fel elszámoltatható szerepet, értsd, mi ment ki, és tudj javítani rajta.
A legambiciózusabb problémák megoldása
Rich Sutton „bitter lesson” gondolata szerint a skálázható általános módszerek gyakran legyőzik a kézzel hangolt megoldásokat. Karrier szempontból nincs értelme kis, egyszerű verziókat megoldani: az érték a nehezebb verziókon koncentrálódik.
Az utolsó mérföld sprintelése
Az ügynökök ritkán írnak teljes rendszert end‑to‑end; általában gyorsan adják a funkció 70%-át, de az utolsó 30% — a hibakeresés, az éles szél‑esetek kezelése, a megfelelő architektúra és ízlés kialakítása — adja a teljes játékot. Amikor az első vázlatok ingyen jönnek, a befejezés maga a termék. Osmani taktikája: néhány havonta teljesen újraépíti a projektet a legújabb, legrövidebb élű modellel; ez szerinte kevésbé fárasztó, mint félig halott kódot javítani.
xG, reputáció és befejezés
Az életpálya‑analógiában az xG a lehetőségek számát méri, a befejezés pedig azt, hogy mennyit konvertálsz sikerre. A jó hír: a lehetőségek általában megjelennek, de azt te szabod meg, hogy ott állsz‑e, amikor megérkeznek. Osmani szerint a nagy lehetőségek nála mindig a nyilvános munkából származtak, nem a pályázatokból. Azt javasolja: fogadj a csapatra és a piaci lehetőségre, ne ragadj le a cég jelenlegi demójánál — az azonnali állapot csupán pillanatkép.
A jövőről és a határokról
Osmani szerint lehetséges, hogy a jövőben a modellek sok tudásmunkát kiváltanak; nem törlik el egyik napról a másikra a szakmákat, és mindig lesznek olyan feladatok, amiket nem képesek elvégezni. Új munkák jönnek létre, a verifikáció mindig szűk keresztmetszet marad, és valakinek el kell dönteni, mely problémák érdemesek megoldásra. Ezt a szerepet átvehetjük mi.
Záró gondolatok: figyelem, választás, elszámoltathatóság
Összefoglalva: a világban nincs hiány lehetőségből; hiány van olyan emberekből, akik megtalálják a megfelelő problémát, megmondják, hogy a gép megoldotta‑e azt, és befejezik a munkát azon a ponton túl, ahol a gép abbahagyta. Az ügynökök skálázzák a kimenetet végtelenül; az ember figyelme nem. Védjük a figyelmünket: amit más gradál, azt automatizálni fogják. A karrier a gradálhatatlan rész — annak a kiválasztása, mi számít, őszinte ítélet arról, mikor vagy kész, és az érte való felelősségvállalás. Csináld nyilvánosan, közel a nehéz problémákhoz; a többi gyakran követi majd.
E cikk Phil Chen eredeti gondolataiból nőtt ki; Osmani a cikk végén megemlíti továbbá az AI Codecon: Building with Open Source AI nevű, augusztus 31‑i fél napos virtuális konferenciát, amelyre regisztrálni lehet, és ahol nyílt modellekkel, önhosztolt infrastruktúrával és valós AI munkafolyamatokkal dolgozó szakértők szólnak majd hozzá.
