Học tập ngay tại nơi làm việc

Nhiều năm trước, tôi đã viết về thời gian học việc ở Đức của mình. Tôi bỏ học năm 16 tuổi và đi làm tại một công ty con của Siemens, nơi những người thú vị nhất ngồi dưới tầng hầm và dùng Delphi thay vì Rosie SQL theo quy định của công ty (cả hai đều gần như đã chìm vào quên lãng cùng với sự tiến bộ). Tôi học cách trở thành một lập trình viên bằng cách quan sát họ. Bằng cách pha cà phê cho họ. Bằng cách la cà đủ lâu để những phán đoán của họ thấm vào tôi.

Trong năm qua, tôi đã suy nghĩ rất nhiều về trải nghiệm đó, bởi vì chúng tôi đã xây dựng một thứ gì đó tại Shopify hoạt động dựa trên cùng một nguyên tắc.

Cô ấy tên là River. River là một AI agent sống trong Slack của công ty chúng tôi. Bạn nói chuyện với cô ấy giống như cách bạn nói chuyện với một đồng nghiệp: bằng cách nhắc đến River trong một kênh Slack. Cô ấy có thể đọc code, chạy test, viết code, mở pull request, truy vấn kho dữ liệu của chúng tôi, xem các dấu vết production, và nhiều hơn thế nữa. Chúng tôi sử dụng điều này liên tục.

Trong 30 ngày qua, 5,938 nhân viên Shopify đã làm việc với River trên 4,450 kênh Slack khác nhau. Riêng trong tuần trước, nó đã mở 1,870 pull request trong monorepo chính của chúng tôi. Khoảng một trong tám pull request được merge vào codebase của chúng tôi tuần trước là do River tạo ra và được chúng tôi review.

Hiện tại có rất nhiều coding agent trên thế giới. Điều làm cho River trở nên đặc biệt là một ràng buộc: Cô ấy chỉ làm việc một cách công khai.

Một ràng buộc đã trở thành một tính năng

Khi chúng tôi bắt đầu xây dựng River, điều hiển nhiên là để mọi người sử dụng cô ấy ở chế độ riêng tư. Đó là cách nhiều trợ lý AI khác hoạt động. ChatGPT là một cửa sổ riêng tư. Claude là một cửa sổ riêng tư. Cursor là giữa bạn và IDE.

Chúng tôi đã đưa ra quyết định ngược lại. River sống trong Slack, chat công ty của chúng tôi. River không trả lời tin nhắn trực tiếp. Cô ấy lịch sự từ chối và đề nghị tạo một kênh công khai để bạn và cô ấy bắt đầu làm việc. Bản thân tôi làm việc với River trong kênh #tobi_river và nhiều người đã làm theo mô hình này. Do đó, mọi cuộc trò chuyện đều có thể tìm kiếm được. Bất kỳ ai tại Shopify đều có thể tham gia. Trong kênh của riêng tôi, có hơn 100 người, những người phản hồi các luồng thảo luận, bổ sung thông tin và bối cảnh, tiếp nối công việc, giúp đỡ việc review, nhắc nhở tôi rằng tôi đã lạc hậu đến mức nào, và quan trọng là, học hỏi từ việc quan sát.

Điều này hơi kỳ lạ lúc đầu. Mọi người đã quen với không gian làm việc riêng tư với các công cụ của họ. Việc yêu cầu sự giúp đỡ có cảm giác khác khi cả công ty có thể thấy câu hỏi. Nhưng một điều đã xảy ra mà chúng tôi hy vọng nhưng không hoàn toàn dự đoán được tác động của nó:

Mọi người bắt đầu học hỏi lẫn nhau.

Một kỹ sư hỗ trợ trong #help_checkout sẽ xem một kỹ sư backend ở kênh khác nhờ River tìm đúng truy vấn log, và ngày hôm sau cô ấy sẽ làm điều tương tự. Một nhân viên mới sẽ cuộn lại #river để xem cách những người cao cấp xác định phạm vi yêu cầu trước khi họ gửi yêu cầu đầu tiên của mình.

Như thường lệ với tiếng Đức, có một từ để chỉ loại môi trường này: Lehrwerkstatt. Nghĩa đen: Một xưởng dạy học. Toàn bộ mặt bằng xưởng là lớp học. Bạn học bằng cách ở gần công việc. Trở thành một người học hỏi không ngừng là một trong những giá trị cốt lõi của công ty.

Shopify muốn trở thành một Lehrwerkstatt trên quy mô lớn và River hiện đã đưa chúng tôi đến gần lý tưởng này hơn bao giờ hết. Đó là học tập thẩm thấu, bởi vì nó không yêu cầu một chương trình giảng dạy, một kế hoạch đào tạo, hay một người quản lý. Nó chỉ yêu cầu công việc của mọi người phải được hiển thị ở mức tối đa có thể. Mọi người học hỏi lẫn nhau.

Tôi thực sự hào hứng với khám phá - phần nào đó là tình cờ - này và nghĩ rằng tôi nên chia sẻ.

Tại sao điều này lại quan trọng hơn, chứ không kém đi, với AI

Một mối lo ngại phổ biến về AI là nó sẽ khiến mọi người ngừng suy nghĩ. Tại sao một lập trình viên mới vào nghề lại phải học cách debug nếu agent đã làm điều đó cho họ? Tại sao họ phải đọc codebase nếu họ chỉ cần hỏi?

Tôi nghĩ mối lo ngại là có thật nhưng cách đặt vấn đề là sai. Rủi ro không phải là AI làm công việc đó. Rủi ro là AI làm công việc đó và chúng ta không bao giờ học hỏi từ nó*. Nếu mọi tương tác với một agent diễn ra trong một cửa sổ riêng tư, người duy nhất học được điều gì đó là người ngồi trước bàn phím. Mọi người khác đều bị loại khỏi quá trình học việc.

Khi mọi người làm việc cùng với các agent của họ một cách công khai, điều ngược lại sẽ xảy ra. Các mẫu prompt tốt nhất lan truyền, kiến thức lan truyền. Cách thông minh mà một nhà phát triển đã điều tra một lỗi quyền Slack trở thành khuôn mẫu cho cách mọi người khác điều tra. Kỹ năng mà ai đó đã viết để dạy River về kho dữ liệu checkout của công ty được mười hai nhóm khác tái sử dụng. Bản thân River cũng học hỏi: mỗi kênh có thể tải trước các zone, kỹ năng và hướng dẫn mà nhóm của nó cần, được viết bởi những người gần gũi nhất với công việc. River cũng có một bộ nhớ liên tục học hỏi và quên đi những thông tin quan trọng về công ty và cách tốt nhất để thực hiện công việc.

Agent không thay thế người học việc, cũng không thay thế người cố vấn. Agent biến toàn bộ công ty thành một người học việc bởi vì mọi người liên tục quan sát những người giàu kinh nghiệm nhất làm việc cùng với nó.

Đây cũng là lý do tại sao tỷ lệ merge liên tục tăng lên. Chúng tôi đã không huấn luyện lại một mô hình. Chúng tôi đã không chuyển đổi mô hình. Sự cải thiện từ 36% lên 77% trong vòng hai tháng đến từ việc mọi người quan sát River làm việc, nhận thấy nó bị kẹt ở đâu, và ghi lại những gì nó lẽ ra phải biết và giúp River trở thành một đồng đội tốt hơn. Sự tinh tế tích lũy của mỗi nhóm chảy vào agent. Agent ngày càng giỏi hơn trong việc trở thành Shopify.

Công ty di chuyển với tốc độ của bí mật chậm nhất của nó

Khi tôi nghĩ về lý do tại sao điều này lại quan trọng, nó quay trở lại điều tôi đã tin từ lâu: tốc độ của một tổ chức được quyết định bởi tốc độ của kênh giao tiếp và nhịp điệu có băng thông thấp nhất của nó. Các cuộc họp thì chậm. Email thì chậm. DM riêng tư thì chậm. Có thể không chậm đối với các cá nhân tham gia vào chúng, nhưng chậm đối với tổ chức. Thông tin và quyết định đến từ chúng không bao giờ khuếch tán hoàn toàn ra phần còn lại của tổ chức nếu không có nỗ lực giao tiếp bổ sung rất lớn.

Một cuộc trò chuyện công khai giữa con người với nhau hoặc với một agent có năng lực không phải là bất kỳ điều nào trong số đó. Nó nhanh, nó có thể tìm kiếm được, nó có thể dạy được, và nó có tác dụng kép. Người tiếp theo có cùng câu hỏi sẽ không phải hỏi nó.

Tôi không nghĩ tương lai của công việc là con người bị thay thế bởi các agent. Tôi đã viết một bài vào năm 2018 có tên The Future Role of Human Excellence, về việc cờ vua trở nên phổ biến hơn, chứ không kém đi, sau khi máy tính học cách chơi. Bài học tương tự cũng áp dụng ở đây. Mô hình đúng đắn không phải là con người hay máy móc. Đó là người học việc và người thợ cả, cả hai cùng quan sát nhau học hỏi, cả hai cùng tiến bộ trên sàn xưởng.

Đó là những gì River là. Đây là Lehrwerkstatt của chúng tôi.