Kako naj se začetnik uči, ko del kode napiše AI?

Manj izkušen razvijalec lahko z AI agenti opravi nalogo, ki ji sam še ne bi bil kos. Za ekipo je to lahko koristno že danes. Za mentorja pa odpre novo vprašanje: kaj se je razvijalec med delom naučil in kaj bo znal narediti, ko agentov predlog ne bo pravilen?

V skupinski razpravi RE:moat #40 se pojavi prav takšen primer. Manj izkušen razvijalec z agenti že prispeva vrednost, čeprav brez njihove pomoči še ne bi dosegal potrebne ravni. Gre za posamičen primer iz pogovora, ne za dokaz, da enak pristop deluje pri vsaki nalogi ali v vsaki ekipi.

Je pa dobro izhodišče za razmislek o mentorstvu. Kako organizirati delo, da bo začetnik ob pomoči AI tudi napredoval?

Naloga ima rezultat in učni cilj

Pri začetniku sta pomembna oba. Ekipa potrebuje delujočo rešitev, razvijalec pa mora postopoma razumeti sistem, v katerem dela.

Pri odpravljanju napake je pričakovani rezultat jasen: aplikacija naj v opisanem primeru deluje pravilno. Učni cilj je lahko ožji: razumeti, kje se podatek izgubi, kako napako ponoviti in kako s testom preprečiti njeno ponovitev. Tako ima mentor nekaj konkretnega, kar lahko preveri tudi takrat, ko je večino sprememb predlagal agent.

To ne zahteva, da začetnik najprej vse opravi brez pomoči. Zahteva pa, da zna pojasniti pomembne odločitve. Zakaj je spremenil prav ta del kode? Na katero predpostavko se rešitev opira? Kateri test bi pokazal, da je predpostavka napačna?

Naslednji predlogi so praktična razdelava teme iz pogovora. Niso opis postopka, ki bi ga uporabljala omenjena ekipa.

Pregled naj pokaže razumevanje rešitve

Predstavljajmo si nalogo, pri kateri se v aplikaciji isti zapis včasih ustvari dvakrat. Agent predlaga popravek in doda test. Začetnik spremembo odda v pregled.

Mentor lahko poleg pregleda kode zahteva kratek prikaz:

• Kako ponovimo prvotno napako?

• Kaj jo povzroča in kako predlagana sprememba odpravi vzrok?

• Kaj test dejansko preveri? Ali bi pred popravkom zaznal napako?

• V katerih okoliščinah bi težava lahko ostala?

Če razvijalec na ta vprašanja ne zna odgovoriti, je to uporabna informacija za naslednji korak učenja. Morda mora spremljati pot podatka skozi aplikacijo, primerjati dve možni rešitvi ali skupaj z mentorjem pregledati test.

Samo število zaključenih nalog te razlike ne pokaže. Smiselno je spremljati tudi, katere vrste težav razvijalec že razume, pri katerih zna sam preveriti predlog in kdaj pravočasno poišče pomoč.

Kaj se zgodi, ko AI prevzame preprostejše primere?

V isti epizodi je omenjena tudi razporeditev dela v podpori strankam: AI obravnava prvo raven vprašanj, ljudje pa zahtevnejše primere. To je drugačen primer, vendar odpira povezano vprašanje o učenju.

Preprostejši primeri so lahko prostor, kjer novi sodelavci spoznajo izdelek, besedišče strank in pogoste težave. Če jih začne obravnavati sistem, mora ekipa razmisliti, kako bo novinec to znanje pridobil drugače. Sicer lahko do njega prihajajo predvsem zapleteni primeri, za katere še nima dovolj podlage.

Ena možnost je delo z izbranimi že rešenimi primeri. Novinec pripravi svojo razlago, jo primerja z rešitvijo in z mentorjem pregleda razliko. Druga možnost je pregled vzorca odgovorov AI: ali je sistem pravilno razumel težavo, uporabil veljavno navodilo in primer pravočasno predal človeku?

Obe dejavnosti morata imeti učni namen. Naključno pregledovanje odgovorov brez povratne informacije hitro postane le dodatno opravilo.

Pri naslednji nalogi dogovorite, kaj mora začetnik razumeti

Začnite z eno dovolj omejeno nalogo. Pred delom zapišite pričakovani rezultat in eno stvar, ki naj bi jo razvijalec bolje razumel. Dogovorite se, kako bo po delu pokazal, da jo razume.

Ob pregledu poglejte rešitev in način preverjanja. Če je rezultat dober, razvijalec pa ne zna presoditi, zakaj, učni del naloge še potrebuje pozornost. Če prepozna napačen predlog agenta in ga zna utemeljeno zavrniti, je tudi to pomemben napredek.

Takšen pregled pomaga mentorju izbrati naslednjo nalogo. Hkrati pokaže, kje AI začetniku pomaga razvijati samostojnost in kje delo še vedno sloni predvsem na presoji nekoga drugega.

Če želite z ekipo preizkusiti, kako vključiti AI v delo in učenje sodelavcev, si oglejte GenAI izobraževanja FaciliTribe. Za izhodišče izberite konkretno nalogo, pri kateri želite izboljšati rezultat in način preverjanja.

Izhodišče članka so izbrani odlomki skupinske razprave v RE:moat #40. Predlog mentorstva in učni primeri so uredniška razdelava. Stran epizode · Posnetek pogovora.