Imparare sul campo

Anni fa ho scritto del mio apprendistato in Germania. Ho abbandonato la scuola a 16 anni e sono andato a lavorare in una filiale di Siemens, dove le persone più interessanti stavano in cantina e usavano Delphi invece del Rosie SQL imposto dall'azienda (entrambi ormai persi nel tempo e nel progresso). Ho imparato a fare il programmatore guardandoli. Preparando loro il caffè. Stando lì abbastanza a lungo perché il loro giudizio si infiltrasse nel mio.

Nell'ultimo anno ho ripensato molto a quell'esperienza, perché abbiamo costruito qualcosa in Shopify che funziona sullo stesso principio.

Si chiama River. River è un agente AI che vive nella Slack della nostra azienda. Le parli come parleresti a un collega: menzionando River in un canale Slack. Sa leggere codice, eseguire test, scrivere codice, aprire pull request, interrogare il nostro data warehouse, analizzare tracce di produzione e molto altro. Lo usiamo continuamente.

Negli ultimi 30 giorni, 5.938 dipendenti Shopify hanno lavorato con River in 4.450 canali Slack diversi. Solo nell'ultima settimana ha aperto 1.870 pull request nel nostro monorepo principale. Circa una pull request su otto unite al nostro codebase la scorsa settimana è stata scritta da River e revisionata da noi.

Ci sono molti agenti di coding in giro in questo momento. Ciò che rende River speciale è un vincolo: Lavora solo in pubblico.

Un vincolo diventato una feature

Quando abbiamo iniziato a costruire River, la scelta ovvia era permettere alle persone di usarla in privato. È così che funzionano molti altri assistenti AI. ChatGPT è una finestra privata. Claude è una finestra privata. Cursor è tra te e l'IDE.

Noi abbiamo preso la decisione opposta. River vive in Slack, la chat aziendale. River non risponde ai messaggi diretti. Rifiuta gentilmente e suggerisce di creare un canale pubblico dove tu e lei possiate iniziare a lavorare. Io stesso lavoro con River nel canale #tobi_river e molti hanno seguito questo schema. Ogni conversazione è quindi ricercabile. Chiunque in Shopify può intervenire. Nel mio canale personale, ci sono oltre 100 persone che reagiscono ai thread, aggiungono colore e contesto, raccolgono il testimone, aiutano con le revisioni, mi ricordano quanto sono arrugginito e, cosa importante, imparano guardando.

All'inizio era strano. Le persone sono abituate a spazi di lavoro privati con i loro strumenti. Chiedere aiuto è diverso quando tutta l'azienda può vedere la domanda. Ma è successo qualcosa che speravamo ma di cui non avevamo previsto appieno l'impatto:

Le persone hanno iniziato a imparare le une dalle altre.

Un ingegnere del supporto in #help_checkout guardava un ingegnere backend in un altro canale ottenere da River la query di log giusta, e il giorno dopo faceva la stessa cosa. Un nuovo assunto scorreva #river per vedere come i senior impostavano una richiesta prima ancora di inviare la prima.

Come spesso accade con il tedesco, esiste una parola per questo tipo di ambiente: Lehrwerkstatt. Letteralmente: Un laboratorio didattico. L'intera officina è l'aula. Impari stando vicino al lavoro. Essere un apprendista costante è uno dei valori fondamentali dell'azienda.

Shopify vuole essere una Lehrwerkstatt su larga scala e River ci ha avvicinato a questo ideale più che mai. È apprendimento per osmosi, perché non richiede un curriculum, un piano di formazione o un manager. Richiede solo che il lavoro di tutti sia visibile al massimo grado possibile. Tutti imparano da tutti.

Sono davvero entusiasta di questa scoperta – in qualche modo accidentale – e ho pensato di condividerla.

Perché questo è più importante, non meno, con l'AI

Una preoccupazione comune sull'AI è che farà smettere le persone di pensare. Perché uno sviluppatore junior dovrebbe imparare a fare debug se l'agente lo fa per lui? Perché dovrebbe leggere il codebase se può semplicemente chiedere?

Penso che la preoccupazione sia reale, ma l'inquadramento sia sbagliato. Il rischio non è che l'AI faccia il lavoro. Il rischio è che l'AI faccia il lavoro e noi non impariamo mai da esso*. Se ogni interazione con un agente avviene in una finestra privata, l'unica persona che impara qualcosa è quella alla tastiera. Tutti gli altri sono esclusi dall'apprendistato.

Quando le persone lavorano insieme ai loro agenti in pubblico, accade l'opposto. I migliori pattern di prompt si diffondono, la conoscenza si diffonde. Il modo intelligente in cui uno sviluppatore ha indagato su un bug delle autorizzazioni di Slack diventa il modello per come tutti gli altri indagano. La skill che qualcuno ha scritto per insegnare a River il data warehouse del checkout aziendale viene riutilizzata da altre dodici squadre. River stessa impara: ogni canale può precaricare le zone, le skill e le istruzioni di cui la sua squadra ha bisogno, scritte dalle persone più vicine al lavoro. River ha anche una memoria che impara e disimpara costantemente informazioni critiche sull'azienda e il modo migliore di lavorare.

L'agente non sostituisce l'apprendista, né sostituisce il mentore. L'agente rende l'intera azienda un'apprendista perché tutti osservano costantemente le persone più esperte lavorare al suo fianco.

Questo è anche il motivo per cui il tasso di merge continua a salire. Non abbiamo riaddestrato un modello. Non abbiamo cambiato modello. Un miglioramento dal 36% al 77% in due mesi è arrivato da persone che guardavano River lavorare, notavano dove si bloccava, scrivevano cosa avrebbe dovuto sapere e aiutavano a rendere River stessa un compagno di squadra migliore. Il gusto accumulato di ogni squadra confluisce nell'agente. L'agente migliora nell'essere Shopify.

L'azienda si muove alla velocità del suo segreto più lento

Quando penso al perché questo sia importante, torno a qualcosa in cui credo da molto tempo: la velocità di un'organizzazione è determinata dalla velocità del suo canale di comunicazione a larghezza di banda più bassa e dal suo ritmo. Le riunioni sono lente. Le email sono lente. I DM privati sono lenti. Forse non per gli individui coinvolti, ma per l'organizzazione. Le informazioni e le decisioni che ne derivano non si diffondono mai completamente nel resto dell'organizzazione senza un enorme sforzo comunicativo aggiuntivo.

Una conversazione pubblica tra umani o con un agente competente non è nessuna di queste cose. È veloce, è ricercabile, è insegnabile e si accumula. La persona successiva che ha la stessa domanda non deve porla.

Non credo che il futuro del lavoro veda gli umani sostituiti dagli agenti. Nel 2018 ho scritto un pezzo intitolato Il Futuro Ruolo dell'Eccellenza Umana, su come gli scacchi siano diventati più popolari, non meno, dopo che i computer hanno imparato a giocarli. La stessa lezione vale qui. Il modello giusto non è umano o macchina. È l'apprendista e il maestro, entrambi che si guardano imparare a vicenda, entrambi che migliorano sul pavimento dell'officina.

Questo è ciò che è River. Questa è la nostra Lehrwerkstatt.