Понимание - новое узкое место в работе с AI (Рубрика Learning)

Посмотрел 20-минутное выступление Geoffrey Litt, design engineer в Notion. Его главный тезис: AI ускоряет производство изменений, но не формирование модели системы в голове. Поэтому узким местом становится уже не написание кода, а человеческое понимание. И важно оно не только для проверки результата. Агенты тоже учатся тестировать и рецензировать себя. Понимание нужно, чтобы участвовать: замечать связи, предлагать следующий ход и отвечать за развитие системы. Когда код работает, но команда уже не может объяснить, как и почему, накапливается когнитивный долг.

Litt предлагает превращать AI из генератора результата в преподавателя. Кстати, я многими из этих способов пользуюсь, но не в применении к ревью PR, а изучая какую-то новую тему. Эти подходы действительно работают и помогают лучше уложить картинку у себя в голове 1️⃣ После большого изменения просить не пересказ diff, а объяснение: контекст системы → интуитивная модель → логика решения → код в осмысленном порядке; 2️⃣ Завершать разбор коротким тестом из пяти вопросов. Его правило: не отдавать код на ревью, пока сам не ответил. Такой тест - ограничитель скорости понимания; 3️⃣ Для сложной логики поручать агенту сделать «микромир»: временный отладчик, симуляцию или пошаговый интерфейс, где видно изменение состояния; 4️⃣ Обсуждать планы и объяснения в общем пространстве команды, а не в личных чатах с агентами. Иначе каждый быстро движется со своей версией реальности.

В итоге, я бы свел рекомендации Джеффри к простому ритуалу: после каждой существенной AI-сессии зафиксировать, что изменилось, почему выбран этот путь, какие инварианты нельзя нарушать и что теперь умеет объяснить человек без помощи модели. Суть в том, что делегировать можно исполнение, но не владение системой. Хороший AI-процесс измеряется не только скоростью выпуска, но и тем, сохраняет ли команда способность придумать следующий шаг.

#AI #AI4SDLC #Agents #Engineering #Management