Ļaujiet mums kaut ko izkļūt no ceļa: jā, AI ir iespaidīgs. Tas kodē, raksta, analizē un veic PhD līmeņa pētījumus. Tas palīdz izstrādātājiem rakstīt tīrāku kodu, tirgotāji rada nebeidzamas satura variācijas, un analītiķi crunch numurus ar jaunu ieskatu un mērogu. bet, ja jūs uztraucaties, atjaunojot LinkedIn, lai redzētu, vai GPT-5 nāk par jūsu darba nosaukumu - jūs meklējat nepareizā virzienā. tas nav AI, par kuru jums ir jāuztraucas. Jūs zināt, tie, kas neatceras dzīvi pirms autocomplete. Tie, kas lūdz ChatGPT par pētījuma rokasgrāmatu un pēc tam baro rezultātus uz Notion, automātiski marķēti un apkopoti. Tie, kas pabeidza pandēmijas laikā, iemācīja sevi lūgt kā pro, un tagad izturas pret GPT un AI copilots kā tikai vēl vienu pārlūkprogrammas cilni. Un šeit ir nepatīkams gabals: uzvedības zinātne tos atbalsta. Desmitiem gadu pētījumi - no lasītprasmes pētījumiem līdz kognitīvās psiholoģijas pētījumiem - stāsta mums to pašu. Mācīšanās kļūst grūtāka, jo mēs vecākiem. Neironu plastiskums samazinās. Rezistence pret ieradumu maiņu palielinās. TL;DR: tas nav jūsu vaina, ka jūs nepārkāpjat katru jaunu AI rīku. bet tas ir jūsu problēma. ir Lielākā daļa no mums nemīl pārmaiņas – mēs ienīstam pūles, kas prasa pārmaiņas. Mainot jūsu rīkus un darba plūsmas, ir nepieciešams laiks, un laiks ir nepietiekams, ja jūs nodarbojaties ar novecojušām sistēmām, korporatīvām sarkanām joslām vai vienkārši mēģināt slēgt nākamo sprintu.Tajā pašā laikā AI natives iterē.Viņi veido veselu MVP ar diviem cilvēkiem un AI darbināmu rīku kaudzi.Viņiem nav jāzina viss – viņiem vienkārši jāzina, kā uzdot pareizo jautājumu. Pievērsīsimies programmatūras inženierijai. Google nesen teica, ka AI palīdz ģenerēt aptuveni 20% no tā koda. Pārtrauciet to. Viena no piecām rindām — rakstīta vai ar mašīnas palīdzību. Tas nav hype. Tas ir infrastruktūra. Tas nav par margināliem efektivitātes ieguvumiem — tas ir fundamentāla pārmaiņa. tomēr daudzi vecāko inženieru uzņēmumi joprojām rūpējas par vecajām koda bāzēm, skeptiski par Copilot vai pārāk dziļi Jira biļetēs, lai izpētītu jaunus darba veidus. Lūk, kickeris: AI nav nepieciešams, lai jūs nokļūtu. Tam ir nepieciešams tikai kāds, kurš zina, kā to izmantot. Dodiet jaunākajam inženierim, kurš ir apmācīts AI-native rīku iegūšanā, piekļuvi jūsu mantotajam kaudzei, un viņi to optimizēs, pārveidos un izvietos pirms nākamās standup. Kāpēc? Tāpēc, ka viņi nav svērti ar svētajām govīm par "kā tas vienmēr ir darīts." Viņi neuzskata, ka AI ir obligāts — viņi to uzskata par bāzes līniju. Tāpat jūs nejautājat, izmantojot Google Dokumentus, nevis rakstāmmašīnu. Viņi izmanto tādus rīkus kā Codeium, Replit, Cursor un pat pielāgotus LLM, lai automātiski dokumentētu, automātiski pārbaudītu, automātiski ieviestu un pat ierosinātu arhitektūras izmaiņas.Viņi nebaidās no lietas izjaukšanas.Viņi pieņem, ka viss ir fiksējams - it īpaši, ja AI palīgs skatās viņu mugurā.Viņi arī nav pakļauti parastajiem "būtiem" - jūs zināt, attaisnojumi, lai nenonāktu AI: tas nav atvērts avots, tas nedarbojas mūsu aizmugurē, tas halucinē, tas ir pārāk jauns, pārāk riskants, pārāk nepierādīts. Šis modelis nav unikāls programmatūrai. Tas notiek visās zināšanu pamatā esošajās nozarēs. Mārketingā AI natives izmanto ģeneratīvos rīkus, lai izveidotu personalizētu saturu mērogā, ātrāk veiktu A / B testus un reaģētu uz signāliem reālajā laikā. Tiesībās viņi izmanto AI, lai izstrādātu līgumus, analizētu regulatīvos dokumentus un sagatavotu gadījumu kopsavilkumus ar dažiem viedajiem ieteikumiem. Medicīnā jauni ārsti mācās šķērsot atsauces diagnozes ar LLM, kas apmācīti jaunākajā medicīnas literatūrā. pat finanšu jomā jaunākie analītiķi automatizē atkārtotu modelēšanu un paātrina pētniecības ciklus ar AI palīdzību. AI rīki atkārtoti definē domēna zināšanu vērtību. Institucionālās zināšanas reiz bijušas tavs vējš. Tagad tas ir tas, kas tevi palēnina. Pieredze joprojām ir svarīga – bet tikai tad, ja tā ir apvienota ar pielāgošanu. Zināt, kā lietas vairs nepietiek. Jums ir jāsaprot, kā lietas tagad. Konkurences priekšrocība ir pārcēlusies no uzkrātās zināšanas uz elastību, lai integrētu jaunus rīkus. izmanto, lai strādātu varētu darboties lietots darbam varētu strādāt Un, lai gan lielākā daļa AI hype ir vērsta uz darba zaudēšanu, patiesība ir vairāk nianses. Mēs neesam virzījušies uz AI apokalipses virzienu. Mēs nonākam uz paātrinātu pārvietošanās fāzi - kur tie, kas zina, kā izmantot AI, pārspēj tos, kas to nedara. Tātad, ja jūs uztraucat, ka AI ņems savu darbu, jūs jau esat daži soļi atpakaļ. patiesais drauds? Gen-Z grāds, kurš miegā aicina inženierus, jautri izveido pielāgotus GPT, izveido automatizācijas nedēļas nogalē un neatceras, kā darbs darbojās bez desmitiem AI rīku. Tas nav cilvēks pret mašīnu, tas ir vecie ieradumi pret jauno sviras līmeni.Un pašlaik sviras līmenis palielinās – ātri.Atšķirība starp tiem, kas izmanto AI un tiem, kas to neizmanto, ne tikai paplašinās. AI vietējie iedzīvotāji negaida. viņi veido, optimizē un piegādā. Pienācīgi pielāgojiet — vai palieciet atpakaļ.
