AI enthusiasts are in a race against time, AI skeptics are in a race against entropy

TL;DR

Charity Majors opisuje fundamentalny konflikt w zespołach inżynieryjnych: entuzjaści AI popychają tempo rozwoju (wyścig z czasem), a sceptycy ostrzegają przed utratą niezawodności i wiedzy instytucjonalnej (wyścig z entropią). Obie strony mają rację — kluczowy problem to brak naturalnej pętli feedbackowej między nimi, a rozwiązanie wymaga zarówno przywództwa, jak i inżynierii systemowej.

Co warto wiedziec

• →Feedback loop design as organizational architecture for AI/human teams - Bez pętli feedbackowej łączącej entuzjastów AI ze sceptykami, systemy degradują się niezauważenie — kod się kompiluje ale nikt go nie rozumie, wiedza instytucjonalna paruje. To jest problem do zaprojektowania, nie do przeczekania.

Praktyczne

• Audit your last 10 AI-assisted commits and rate each on: (1) Could I debug this alone at 2am? (2) Is there a runbook/test that explains WHY, not just WHAT? (3) Do I understand every dependency it introduced?
  czas: 1himpact: high
• Design a 'PR template' for AI-assisted work that requires: (1) what context the AI had, (2) what was changed vs kept, (3) what tests cover it, (4) how to debug if it breaks. Make it mandatory in your Drizzle migrations and Server Action changes.
  czas: 1himpact: high
• Set up observability (Sentry + structured logging + OpenTelemetry traces) BEFORE the next feature, not after first production incident
  czas: 1dayimpact: high
• For your next feature, try the 'enthusiast-skeptic loop' explicitly: (1) build with AI assistance aggressively, (2) then do a 'skeptic pass' where you delete/redesign anything you can't justify, (3) document the deltas
  czas: 1himpact: med

Zrodlo