Założyciel firmy AI ostrzega: kierownicy projektów muszą przyjąć oprogramowanie agentowe
Henrik Kniberg wyjaśnia, jak agenci AI zmieniają tworzenie oprogramowania — od zautomatyzowanych wydań po autonomiczne zarządzanie rejestrem zadań. Twierdzi, że kierownicy projektów, którzy nie nauczą się współpracy z AI, szybko staną się wąskim gardłem.
Wpływ AI: AI rewolucjonizuje tworzenie oprogramowania, umożliwiając zespołom wydajniejszą realizację pracy o wyższej jakości.
Zmiana w zarządzaniu projektami: Kierownicy projektów muszą dostosować się i zintegrować AI ze swoją pracą, w przeciwnym razie ryzykują, że staną się wąskim gardłem procesu tworzenia oprogramowania.
Praktyki zwinne: Utrzymanie zwinnego podejścia ma kluczowe znaczenie; minimalna biurokracja umożliwia szybszą realizację projektów dzięki wsparciu AI.
Wykorzystanie agentów: Agenci AI wykonują zadania takie jak zarządzanie wydaniami i porządkowanie rejestru zadań, pozwalając zespołom skupić się na złożonych problemach.
Umiejętności przyszłości: Nauka skutecznego zarządzania kontekstem AI ma kluczowe znaczenie dla kierowników projektów, którzy chcą pozostać konkurencyjni w zmieniającym się środowisku.
Henrik Kniberg ma doświadczenie w zarządzaniu projektami w firmach Spotify, LEGO i Mojang. Obecnie jest współzałożycielem i głównym naukowcem w firmie Abundly.ai. Jest także autorem książki „Generatywna sztuczna inteligencja w pigułce”.
Spotkaliśmy się z nim, aby porozmawiać o tym, jak AI zmienia tworzenie oprogramowania, a w konsekwencji także zarządzanie projektami. Powiedział, że kierownicy projektów muszą się zaangażować albo staną się wąskim gardłem.
Od produktu do startupu AI
Jestem współzałożycielem i głównym naukowcem w firmie Abundly.ai, gdzie kieruję rozwojem naszej platformy autonomicznych agentów AI.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Wcześniej pracowałem jako trener metodyki Agile w firmach Spotify i LEGO, a w Mojang zajmowałem się tworzeniem gry Minecraft. Właściwie stworzyłem film zatytułowany „Kultura inżynieryjna Spotify”, do którego ludzie często odwołują się jako do „Modelu Spotify”. Opisałem w nim podejście firmy do tworzenia produktów.
Jestem także autorem książki „Generatywna sztuczna inteligencja w pigułce”.
Jak AI pozwala zespołom tworzącym oprogramowanie dostarczać więcej mniejszym nakładem pracy
Zarządzanie projektami związanymi z tworzeniem oprogramowania może być teraz prowadzone znacznie szybciej dzięki pomocy AI, co radykalnie zmienia sposób realizacji projektów.
Dzięki temu ja i mój zespół możemy bardziej skupić się na architekturze, projektowaniu i UX — czyli obszarach, na które powinniśmy poświęcać czas — a mniej na wpisywaniu i debugowaniu kolejnych linii kodu.
W rezultacie możemy dostarczać więcej, zachowując wyższą jakość. Robimy to w krótszym czasie i w mniejszym zespole.
Dzięki AI możemy dostarczać więcej, zachowując wyższą jakość. Robimy to w krótszym czasie i w mniejszym zespole.
Dlaczego zespoły powinny dążyć do minimum funkcjonalnej biurokracji
Nie odchodzimy od tradycyjnych metod zarządzania projektami — w rzeczywistości nigdy ich nie stosowaliśmy.
Zaczęliśmy od metod zwinnych i ciężko pracujemy nad tym, aby zachować zwinne podejście także w miarę rozwoju firmy. Pracujemy w rytmie tygodniowym: w piątki synchronizujemy się, aby omówić postępy i priorytety. Prowadzimy prostą tablicę Kanban z limitami WIP oraz kolumną segregowania zgłoszeń, która działa jak skrzynka odbiorcza opróżniana co tydzień — każdy element albo do niej trafia, albo z niej wypada.
Każdy commit jest automatycznie wdrażany do współdzielonego środowiska testowego. Na środowisko produkcyjne wdrażamy mniej więcej dwa razy w tygodniu, a w razie potrzeby częściej.
Większość dni zaczynamy także od nieformalnego spotkania. Po prostu zbieramy się i rozmawiamy o tym, czym zajmujemy się danego dnia.
Ogólnie staramy się utrzymywać minimum funkcjonalnej biurokracji. AI nam w tym pomaga.
Staramy się utrzymywać minimum funkcjonalnej biurokracji. AI nam w tym pomaga.
Jak agenci zmieniają zarządzanie wydaniami i zmianami
Codziennie eksperymentujemy z przepływami pracy z agentami, ponieważ jest to podstawa naszej działalności.
Na przykład stworzyliśmy agenta zarządzającego wydaniami. Za każdym razem, gdy chcemy wdrożyć coś na środowisko produkcyjne, co zdarza się mniej więcej dwa razy w tygodniu, kontaktujemy się z tym agentem — na Slacku albo w naszej aplikacji.
Po otrzymaniu wiadomości agent sprawdza najnowsze zmiany na naszej gałęzi testowej, analizuje commity oraz generuje i publikuje dwie wersje informacji o wydaniu — jedną do użytku wewnętrznego i drugą do użytku zewnętrznego, w której pomija zmiany niewidoczne dla klientów. Następnie analizuje naszą stronę z dokumentacją, aby sprawdzić, czy coś wymaga aktualizacji, i tworzy żądanie wprowadzenia zmian dla wszelkich zmian, które należy wprowadzić.
Nieustannie dostosowujemy instrukcje dla tego agenta. Ostatnia modyfikacja polegała na dodaniu sprawdzania pod kątem problemów z bezpieczeństwem.
Innym przykładem, nad którym obecnie pracujemy, jest agent obsługujący wewnętrzne zgłoszenia zmian w produkcie. Gdy interesariusz zgłasza problem lub prosi o dodanie funkcji, agent automatycznie ocenia priorytet, analizuje kod, aby sprawdzić złożoność zmiany, i publikuje analizę na Slacku. Następnie ustala, czy powinien samodzielnie naprawić problem i utworzyć PR, czy też nie jest pewien i powinien najpierw zapytać nas o zgodę. Tworzy również zgłoszenie w naszym rejestrze zadań, aby śledzić postępy. A gdy samodzielnie wprowadza zmianę, testuje ją w przeglądarce, aby ocenić jej wpływ na interfejs użytkownika, dodaje zrzuty ekranu do PR-a i sprawdza jakość kodu.
Celem tego agenta jest automatyczna obsługa wszystkich prostszych zadań, dzięki czemu mój zespół może skupić się na bardziej złożonych zadaniach. Choć, prawdę mówiąc, te złożone zadania również wykonujemy z pomocą AI!
Nasze pozostałe zastosowania obejmują badania, wstępną selekcję, audyty zgodności, przekierowywanie dokumentów i wiele innych.
Dlaczego ludzie muszą pozostać w pętli w inżynierii oprogramowania opartej na AI
Zasadniczo próbujemy uczynić AI częścią każdego procesu. Na przykład AI w zarządzaniu rejestrem zadań może realizować niektóre zgłoszenia i zajmować się zarządzaniem wydaniami.
Zasadniczo próbujemy uczynić AI częścią każdego procesu. Jednak tam, gdzie jest to właściwe, pozostawiamy człowieka w pętli.
Co jednak najważniejsze, tam, gdzie jest to właściwe, pozostawiamy człowieka w pętli.
Chociaż wykorzystujemy AI podczas tworzenia oprogramowania, jest ono raczej partnerem do programowania w parach niż zleceniem pracy jakiejś zagranicznej firmie outsourcingowej. Oznacza to, że nadal jesteśmy głęboko zaangażowani w kod — po prostu pozwalamy AI napisać jego większą część.
Jak działa stos technologiczny oparty przede wszystkim na AI
Skoro mowa o tworzeniu oprogramowania, korzystamy z Cursor wraz z Claude Opus. Eksperymentujemy również z Claude Code.
Cursor + Claude to niezwykle potężne połączenie, przypominające programowanie w parach z genialnym, błyskawicznie działającym kolegą. Stworzyliśmy też dość obszerny zestaw dokumentów z zasadami, które pomagają dostarczać modelowi AI odpowiedni kontekst.
Nasz produkt jest wdrażany w Google Cloud Run i Vercel, z ciągłym dostarczaniem, dlatego umieszczamy rzeczy na środowisku produkcyjnym, po prostu tworząc PR i scalając go z gałęzią główną — albo prosząc o to agenta. Nasz kod, zarówno frontend, jak i backend, jest napisany w języku Typescript.
Używanie tego samego języka w całym stosie ułatwia życie zarówno naszym agentom, jak i nam.
Używanie tego samego języka w całym stosie ułatwia życie zarówno nam, jak i naszym agentom.
Cały nasz kod znajduje się w jednym repozytorium obejmującym wiele projektów, aplikacji i bibliotek. To również upraszcza pracę, ponieważ pojedynczy commit może zawierać zarówno zmiany frontendu, jak i backendu. Ułatwia to zarządzanie zależnościami.
Jeśli chodzi o zarządzanie projektami, korzystamy z tablicy Kanban w Notion, aby organizować i wizualizować naszą pracę oraz priorytety. Skonfigurowaliśmy też agenta, który może z nią współpracować. Oto typowy scenariusz: ktoś zgłasza problem na Slacku, a po kilku wiadomościach w obie strony ktoś pisze: „Hej @backlogger, proszę dodać do tego zgłoszenie”. Agent interpretuje wątek na Slacku, wyszukuje podobne zgłoszenia na naszej tablicy Kanban i aktualizuje istniejące zgłoszenie albo tworzy nowe, dołączając odpowiedni kontekst oraz zrzuty ekranu ze Slacka. Niezwykle przydatne!
Korzystamy z tego agenta każdego dnia. Nasze spotkania dotyczące planowania przebiegają teraz znacznie szybciej, ponieważ każde zgłoszenie ma bardzo jasny opis, zrzut ekranu i link do wątku na Slacku. W przyszłości rozszerzymy to rozwiązanie tak, aby sugerowało również priorytety i automatycznie naprawiało proste problemy.
Jak Claude Opus 4.5 zmienił zasady gry
Ogólnie rzecz biorąc, nieustannie zaskakuje mnie tempo, w jakim narzędzia i modele ewoluują oraz się rozwijają. Zmusza nas to do ciągłego oceniania najnowszych rozwiązań.
Niedawno wydano Claude Opus 4.5, który naprawdę dobrze radzi sobie z bardziej złożonymi zmianami w kodzie. Dlatego teraz częściej rozwiązujemy problem „za jednym podejściem” — czyli piszemy jedno szczegółowe polecenie — zamiast pracować małymi krokami, angażując człowieka na każdym etapie.
Zasadniczo prosimy go o rozwiązanie trudnego problemu, a sami idziemy na lunch.
Jest zaskakująco skuteczny. Nadal musimy przejrzeć kod, ale najczęściej wszystko jest w porządku.
Dlaczego kierownicy projektów muszą nauczyć się pracować z agentami AI
W przyszłości kierownicy projektów będą musieli przyzwyczaić się do pracy w zespołach składających się z ludzi i współpracowników AI. To oznacza również ciebie.
Ty, jako kierownik projektu, musisz przyzwyczaić się do pracy z agentami AI jak ze współpracownikami. Jeśli tego nie zrobisz, staniesz się wąskim gardłem procesu. Wszystko będzie przebiegać w tempie, za którym nie będziesz w stanie nadążyć.
Nieumiejętność skutecznego korzystania z AI będzie przypominać nieumiejętność skutecznego korzystania z internetu. Oczywiście nadal można zarządzać projektami bez korzystania z internetu. Będzie to jednak poważne ograniczenie, a perspektywy zawodowe będą marne.
Nieumiejętność skutecznego korzystania z AI będzie przypominać nieumiejętność skutecznego korzystania z internetu.
Jak lepsze zarządzanie kontekstem zapewnia bardziej niezawodne wyniki AI
Ta dziedzina nieustannie się zmienia, dlatego najważniejsze jest eksperymentowanie.
Eksperymentuj z różnymi narzędziami AI i zastosowaniami. Rozwijaj swoje umiejętności jako użytkownik i inżynier kontekstu. Przyjrzyj się też temu, na co ty i twój zespół poświęcacie czas — gdzie AI może pomóc go zaoszczędzić lub poprawić jakość?
Poza eksperymentowaniem kluczowe jest zarządzanie kontekstem — zrozumienie, jak duże modele językowe pracują z kontekstem. Jeśli to przeanalizujesz, będziesz w stanie skuteczniej wybierać narzędzia AI i z nich korzystać. Większość niepowodzeń związanych z AI wynika ze złego zarządzania kontekstem. Innymi słowy, AI zawodzi, ponieważ nie ma informacji, których potrzebuje.
Nikt nie wie, co wydarzy się w przyszłości, ale jeśli dobrze opanujesz korzystanie z generatywnej AI, będziesz w lepszej sytuacji, aby poradzić sobie z tym, co przyniesie przyszłość.
Śledź dalszy rozwój
Możesz śledzić, jak Henrik Kniberg przesuwa granice zastosowania agentów w zarządzaniu projektami, na platformach YouTube, LinkedIn i X. Nie przegap też jego produktu Abundly.ai.
Na The Digital Project Manager pojawi się więcej wywiadów z ekspertami!
