המקצוע שלמדתם כבר לא קיים
לפני שנתיים המפתחים הבכירים שלנו בילו את רוב היום בכתיבת קוד. היום רובם לא כותבים. הם מגדירים ארכיטקטורה, קובעים סטנדרטים, מנחים סוכני AI ובוקרים תוצרים. הפלט לכל מפתח עלה. שיעור הבאגים ירד. התפקיד השתנה לחלוטין.
זה לא ניסוי מקומי. באנתרופיק, מהנדסים משתמשים ב-Claude כדי לכתוב את רוב הקוד החדש. במטא, כלי AI פנימיים מייצרים pull requests שמפתחים אנושיים בודקים ומשפרים. בגוגל, מעל 25% מהקוד החדש מיוצר על ידי AI ועובר סקירה אנושית. הדפוס זהה בכל חברה שאימצה סוכני AI ברצינות: הערך של המפתח עבר מהקלדה לחשיבה.
אנחנו עובדים ככה כבר למעלה משנתיים, על פני 150+ פרויקטים ארגוניים. הנה מה שבאמת השתנה, מה עובד, ומה רוב החברות מפספסות כשהן מנסות לאמץ פיתוח מבוסס AI.
מה מפתח בכלל עושה היום
ה-Tech Lead כמנצח
התפקיד המרכזי בצוותי תוכנה כיום הוא מוביל טכנולוגי, אבל תיאור התפקיד לא דומה למה שהיה לפני חמש שנים.
Tech Lead היום מגדיר את ארכיטקטורת המערכת, קובע סטנדרטים לקוד, כותב מפרטים מפורטים לסוכני AI, בודק את הפלט ומשפר. הוא לא פותח IDE כדי לכתוב פונקציה מאפס. הוא פותח מסמך מפרט ועובד עם סוכן כדי לייצר, לבדוק ולשפר את המימוש.
חשבו על זה כך: בעבר מפתח בכיר ניהל 2-3 מפתחים זוטרים, בדק את ה-PRs שלהם, ענה על שאלות, לימד דפוסים. היום הוא מנהל סוכני AI שמייצרים קוד בנפח גבוה יותר ובאיכות עקבית יותר. לולאת המשוב מהירה יותר. הסוכן לא מתעייף, לא שוכח את הסטנדרט מהשבוע שעבר, ולא מכניס חוסר עקביות בין קבצים.
ההבדל מניהול בני אדם: סוכנים צריכים הנחיות מדויקות יותר מראש אבל דורשים פחות הכוונה חוזרת. ברגע שמגדירים דפוס נכון, הסוכן עוקב אחריו על פני אלפי שורות בלי סטייה.
בדיקות שנבנות יחד עם הקוד
בתהליך המסורתי, מפתחים כתבו קוד ו-QA בדקו אותו ימים או שבועות אחר כך. ההפרדה הזו יצרה לולאת משוב שנמדדה בימים.
עם סוכני AI, היצירה והאימות קורים יחד. כשסוכן מייצר קוד, הוא גם מייצר מסמכי בדיקות, כותב בדיקות אוטומטיות ומאמת את הפלט מול הדרישות שהוגדרו. ה-Tech Lead בודק את החבילה המלאה: קוד, בדיקות ותיעוד כיחידה אחת.
זה לא אומר שבני אדם מפסיקים לבדוק. כל תוצר עובר סקירה אנושית. אבל הסוכן מטפל בבדיקות השיטתיות (סגנון קוד, כיסוי בדיקות, עקיבות לדרישות), ומשחרר את הבודק האנושי להתמקד בהחלטות ארכיטקטוניות, מקרי קצה ולוגיקה עסקית שדורשת שיקול דעת.
אצלנו ב-Globalbit אנחנו מודדים את השינוי הזה בצורה קונקרטית. סבבי סקירת קוד שנדרשו 2-3 סיבובים נסגרים עכשיו בסיבוב אחד, כי הסוכן כבר תפס את הבעיות שהיו מסומנות בסקירות הקודמות.
ניתוח דרישות שנבלע לתוך הפיתוח
גם תפקיד אנליסט המערכת המסורתי עבר שינוי.
כשמנהל מוצר מגיש דרישה, סוכן ה-AI מנתח אותה מול הארכיטקטורה הקיימת, בודק התאמה ל-UX Guidelines, מתייחס ל-Design System המוגדר ומייצר מפרט טכני מפורט. ה-Tech Lead עובר על המפרט ומדייק אותו עם הסוכן לפני שנכתבת שורת קוד אחת.
ככה נוצר רצף אחד: ניתוח, תכנון, פיתוח, בדיקות. ארבעה שלבים שפעם כללו ארבעה אנשים שונים עם העברות בין כל אחד, עכשיו מטופלים על ידי Tech Lead אחד שעובד עם סוכני AI בלולאה צמודה. זו אחת הסיבות שבגללן ליווי ה-AI שלנו מתחיל במיפוי תהליכי עבודה קיימים לפני שנכתבת שורת קוד אחת.
בעיית ה-handoff, שבה מידע הלך לאיבוד בין אנליסט, מפתח ו-QA, כמעט נעלמה. הסוכן נושא את ההקשר המלא מהדרישה דרך המימוש ועד הבדיקות.
