Η τεχνητή νοημοσύνη άλλαξε τον κώδικα, όχι τη συνεργασία των ομάδων

Η τεχνητή νοημοσύνη έχει αλλάξει τον τρόπο που γράφεται ο κώδικας, αλλά όχι και τον τρόπο που συνεργάζονται οι ομάδες, γράφει ο Dhruv Deshpande σε άρθρο του στις 19 Οκτωβρίου 2026 στο Radar του O’Reilly.

Το καλοκαίρι, ο ίδιος ανέπτυξε ένα μικρό πείραμα με την ονομασία ContextCue, με αφορμή όσα έβλεπε κατά τη διάρκεια της πρακτικής του άσκησης. Οι μηχανικοί γύρω του χρησιμοποιούσαν AI σε όλο το εύρος της διαδικασίας ανάπτυξης λογισμικού, από τις προδιαγραφές και τον κώδικα μέχρι τα reviews και τα tests. Η ομάδα διατηρούσε επίσης επαναχρησιμοποιήσιμες «δεξιότητες» που μάθαιναν στους coding agents πώς δουλεύει η ομάδα. Μία από αυτές μπορούσε να μετατρέψει ένα UI design σε λειτουργικό frontend code.

Ο κώδικας προχωρούσε πιο γρήγορα, αλλά η κατανόηση γύρω από αυτόν όχι. Το λογισμικό αναπτυσσόταν από εννέα ομάδες σε τρεις ηπείρους, με μία ομάδα να συνεργάζεται στενά με τον πελάτη. Ένα αίτημα μπορούσε να ξεκινήσει σε μια συζήτηση με τον πελάτη, να περάσει από μία ομάδα και στη συνέχεια να φτάσει σε άλλη ομάδα σε διαφορετική ζώνη ώρας. Όταν έφτανε στην ανάπτυξη, μέρος του αρχικού νοήματος μπορούσε να έχει χαθεί.

Αυτό ακριβώς θέλησε να εξετάσει το ContextCue. Παίρνει ηχογραφημένες συσκέψεις και προσπαθεί να διατηρήσει κάτι περισσότερο από ένα transcript ή μια σύνοψη. Κρατά τον προφορικό διάλογο, σημαντικό οπτικό πλαίσιο από την οθόνη, τις αποφάσεις που ελήφθησαν, τους λόγους πίσω από αυτές και την πηγή από την οποία προήλθαν. Στόχος είναι να δημιουργηθεί ένα κοινό κομμάτι πλαισίου που μπορεί να ακολουθεί την εργασία από ομάδα σε ομάδα.

Παρότι παραμένει πείραμα, το πρόβλημα που επιχειρεί να λύσει είναι πολύ πραγματικό. Όπως το βλέπει ο ίδιος, μεγάλο μέρος του χρόνου στις κατανεμημένες ομάδες λογισμικού χάνεται στην προσπάθεια να υπάρξει κοινή κατανόηση πριν καν ξεκινήσει ο κώδικας. Η AI ήδη βοηθά στα τελικά στάδια της ανάπτυξης. Ο στόχος του ήταν να διαπιστώσει αν μπορεί να βοηθήσει νωρίτερα, την ώρα που οι ομάδες ακόμα προσπαθούν να καταλάβουν τι χτίζουν και γιατί.

Το σημείο όπου χάνεται το πλαίσιο

Οι συσκέψεις ήδη καταγράφονται και εργαλεία όπως το Microsoft Teams μπορούν να παράγουν σύνοψη με AI. Στην ομάδα του, αυτή η σύνοψη συχνά έφτανε με email και έμενε εκεί. Αυτό αρκούσε για όσους είχαν συμμετάσχει στη σύσκεψη. Ήταν όμως λιγότερο χρήσιμο για την ομάδα που αναλάμβανε αργότερα την εργασία, ειδικά αν βρισκόταν σε άλλη χώρα και δεν είχε παρακολουθήσει την αρχική συζήτηση.

Υπήρχαν και άλλα δύο προβλήματα. Μια σύνοψη συνήθως κάλυπτε μία σύσκεψη, ενώ η κατανόηση γύρω από ένα feature χτιζόταν συχνά μέσα από πολλές. Διαφορετικές ομάδες μπορούσαν να συζητήσουν το ίδιο αίτημα με διαφορά ημερών, προσθέτοντας κάθε φορά έναν νέο περιορισμό ή μια νέα ερμηνεία.

Ένα transcript μπορούσε επίσης να χάσει σημαντικό οπτικό πλαίσιο. Πολλές από τις συζητήσεις γίνονταν με κοινή χρήση οθόνης. Κάποιος μπορούσε να δείξει μια σελίδα και να πει «αυτό είναι πολύ αργό» ή να επισημάνει ένα σημείο της ροής εξηγώντας τι πρέπει να αλλάξει. Τα λόγια από μόνα τους δεν μετέφεραν πάντα το νόημα. Από εκεί ξεκίνησε η σκέψη ότι το πλαίσιο είναι κάτι μεγαλύτερο από ένα transcript.

Αν ένας πελάτης ζητήσει μια «πιο γρήγορη αναφορά», στη διάρκεια της κλήσης δείχνει μια σελίδα που αργεί να ανοίξει και εξηγεί ότι οι managers τη χρησιμοποιούν κάθε πρωί πριν από μια σύσκεψη. Όλοι σε εκείνη την κλήση καταλαβαίνουν ότι το «πιο γρήγορη» σημαίνει ότι η σελίδα πρέπει να ανοίγει ταχύτερα.

Δύο ημέρες αργότερα, άλλη ομάδα σε άλλη ζώνη ώρας συζητά το ίδιο αίτημα. Κανείς σε εκείνη τη σύσκεψη δεν είδε την αρχική οθόνη. Διαβάζουν το «πιο γρήγορη αναφορά» ως «η αναφορά πρέπει να ολοκληρώνεται νωρίτερα» και ξεκινούν να σχεδιάζουν backend εργασία. Και οι δύο περιλήψεις μπορεί να περιέχουν την ίδια φράση:

Να γίνει πιο γρήγορη η αναφορά.

Τίποτα σε αυτή τη φράση δεν δείχνει ότι οι δύο ομάδες εννοούν διαφορετικά πράγματα. Το πρόβλημα γίνεται ορατό μόνο όταν ο πελάτης δει το αποτέλεσμα.

Πρόκειται για απλό παράδειγμα, αλλά αποτυπώνει το ζήτημα που έβλεπε συνεχώς. Οι απαιτήσεις περνούν μέσα από ανθρώπους πριν γίνουν κώδικας. Αν το νόημα αλλάξει σε αυτή τη διαδρομή, η AI μπορεί να βοηθήσει μια ομάδα να υλοποιήσει πολύ αποτελεσματικά τη λάθος ερμηνεία.

Η εκδοχή του ίδιου προβλήματος στον αθλητισμό

Ο αθλητισμός τού έδωσε έναν ακόμη τρόπο να το σκεφτεί. Σε έναν αγώνα ποδοσφαίρου, ένας παίκτης μπορεί να χάσει μια καθοριστική ευκαιρία στο τέλος. Το report μπορεί να καταγράψει το σουτ, τον παίκτη, το λεπτό και αν η μπάλα πήγε στον στόχο. Αυτά τα στοιχεία είναι χρήσιμα, αλλά ο προπονητής που βλέπει το replay διαβάζει πολύ περισσότερα. Ο εξτρέμ ίσως έδωσε τη μπάλα πολύ νωρίς. Ένας αμυντικός ίσως οδήγησε τον επιθετικό στο πιο αδύναμο πόδι. Ένας συμπαίκτης ίσως έκανε κίνηση που άνοιξε τον χώρο.

Το γεγονός είναι μόνο ένα μέρος της ιστορίας. Ο προπονητής μαθαίνει από τη σειρά των γεγονότων που προηγήθηκαν.

Οι Jake M. Hofman, Daniel G. Goldstein και David M. Rothschild χρησιμοποιούν ένα αντίστοιχο πλαίσιο για τον αθλητισμό σε άρθρο τους στο Harvard Business Review, όπου περιγράφουν την AI ως steroid, sneaker ή coach, ανάλογα με το πώς βοηθά τους ανθρώπους. Η ιδέα του «coach» ήταν αυτή που έμεινε στον συντάκτη. Ένα χρήσιμο σύστημα AI δεν βοηθά μόνο τους ανθρώπους να παράγουν περισσότερο. Μπορεί επίσης να τους βοηθά να παίρνουν καλύτερες αποφάσεις, φέρνοντας μπροστά τα στοιχεία και την εμπειρία που προηγήθηκαν. Αυτό πλησιάζει στον ρόλο που ήθελε να δώσει το ContextCue στις ομάδες.

Το ContextCue ξεκινά από την καταγραφή μιας σύσκεψης. Το FFmpeg χειρίζεται το media και το Faster-Whisper μεταγράφει τον λόγο. Το transcript διατηρείται σε χρονικά σφραγισμένα τμήματα, ώστε κάθε επόμενη απάντηση να μπορεί να παραπέμπει στο σημείο όπου ειπώθηκε κάτι.

Το σύστημα εξετάζει επίσης επιλεγμένα καρέ από την κοινή χρήση οθόνης με ένα vision model όπως το Qwen VL. Έτσι διατηρούνται περιπτώσεις όπου το νόημα εξαρτάται από το σημείο που έδειχνε κάποιος και όχι μόνο από τα λόγια του.

Το τελικό αποτέλεσμα οργανώνεται γύρω από ένα αίτημα ή μια απόφαση και όχι γύρω από μια σύσκεψη. Για παράδειγμα:

# Αίτημα: Πιο γρήγορη αναφορά

Τι εννοούσε ο πελάτης: Η σελίδα της αναφοράς ανοίγει πολύ αργά. Πηγή: κλήση με τον πελάτη, εμφανίστηκε στην οθόνη

Γιατί έχει σημασία: Οι managers την ανοίγουν πριν από πρωινή σύσκεψη. Πηγή: κλήση με τον πελάτη, προφορικά

Τι σχεδιάστηκε: Να ολοκληρώνεται πιο γρήγορα η αναφορά. Πηγή: σύσκεψη προγραμματισμού ομάδας

Ανοιχτό ζήτημα: Το τρέχον πλάνο δεν ταιριάζει με το αρχικό αίτημα.

Η μορφή είναι σκόπιμα απλή. Ο συντάκτης χρησιμοποίησε Markdown γιατί μπορεί να το διαβάσει ένας άνθρωπος, να το αξιοποιήσει ένα language model και να αποθηκευτεί ή να εκδοθεί εκδόσεις του χωρίς να εξαρτάται από ειδική διεπαφή. Όταν μια μεταγενέστερη σύσκεψη αγγίζει το ίδιο αίτημα, η σελίδα μπορεί να ενημερωθεί αντί να δημιουργηθεί άλλη μία αποσυνδεδεμένη σύνοψη. Έτσι αλλάζει η μονάδα μνήμης από τη σύσκεψη στο θέμα.

Γιατί έχει σημασία στη δουλειά προϊόντος

Μία από τις πιο καθαρές χρήσεις που είδε ήταν στη διαχείριση προϊόντος. Ένας product manager που γράφει user story συνήθως δουλεύει με συνδυασμό από tickets, σημειώσεις συσκέψεων, feedback πελατών και συζητήσεις με μηχανικούς. Οι σημαντικές λεπτομέρειες είναι συχνά σκορπισμένες παντού.

Αν ο product manager δώσει σε ένα AI model μόνο την τελευταία σύνοψη σύσκεψης, το μοντέλο βλέπει μόνο μία στιγμή από την ιστορία. Μια σελίδα ContextCue μπορεί να του δώσει περισσότερα. Μπορεί να περιέχει το αρχικό αίτημα του πελάτη, τον επιχειρηματικό λόγο πίσω από αυτό, έναν τεχνικό περιορισμό που τέθηκε αργότερα, μια απόφαση από το product και ένα ανοιχτό ερώτημα που ακόμη περιμένει απάντηση.

Αυτό δίνει στο μοντέλο πολύ καλύτερη αφετηρία για να δημιουργήσει user story. Το ίδιο το μοντέλο δεν αλλάζει. Αυτό που βελτιώνεται είναι το υλικό πάνω στο οποίο δουλεύει. Η διάκριση αυτή έχει σημασία, γιατί μεγάλο μέρος της δουλειάς γύρω από την AI επικεντρώνεται στα prompts και στα μοντέλα, ενώ η ποιότητα του πλαισίου συχνά κρίνει αν το αποτέλεσμα είναι χρήσιμο.

Πώς μεγαλώνει το πλαίσιο

Κάθε νέα σύσκεψη μπορεί να ενημερώνει μια υπάρχουσα σελίδα ή να ξεκινά μια καινούρια. Με τον χρόνο, δημιουργείται έτσι ένα αρχείο εξέλιξης ανά θέμα. Αυτό διαφέρει από έναν φάκελο γεμάτο με περιλήψεις συσκέψεων. Ένας φάκελος αναγκάζει κάποιον να θυμάται σε ποια σύσκεψη βρισκόταν η χρήσιμη λεπτομέρεια. Μια σελίδα θέματος συγκεντρώνει τα σχετικά στοιχεία σε ένα σημείο.

Το αποθηκευμένο πλαίσιο μπορεί επίσης να αναζητηθεί. Ο συντάκτης χρησιμοποίησε embeddings και το Qdrant για να ανακτά σχετικά μέρη από προηγούμενες συσκέψεις. Μια ερώτηση όπως «Τι εννοούσε ο πελάτης με το πιο γρήγορα;» μπορεί να επιστρέψει την απάντηση μαζί με τη σύσκεψη και το timestamp που τη στηρίζουν.

Άλλα αιτήματα χρειάζονται πιο δομημένη προσέγγιση. Το «Βρες τη σύσκεψη της Τρίτης» είναι μια αναζήτηση. Το «Γιατί αλλάξαμε αυτή την απαίτηση;» μπορεί να απαιτεί πληροφορίες από πολλές συσκέψεις. Το «Τι μένει ακόμη άλυτο;» πρέπει να αναζητά ανοιχτά ζητήματα και όχι μόνο παρόμοιο κείμενο.

Το ContextCue μπορεί να εκθέτει αυτές τις λειτουργίες μέσω του Model Context Protocol, ώστε ένα language model να επιλέγει το σωστό εργαλείο για το αίτημα. Το βασικό δεν είναι το ίδιο το πρωτόκολλο. Το χρήσιμο στοιχείο είναι ότι διαφορετικά είδη ερωτήσεων μπορούν να χρησιμοποιούν διαφορετικούς τρόπους πρόσβασης στο ίδιο κοινό πλαίσιο.

Γιατί αξίζει να κρατιούνται οι ηχογραφημένες συζητήσεις

Μία μελέτη τον έκανε να δει την ηχογραφημένη συζήτηση ως κάτι ιδιαίτερα πολύτιμο. Στο «Generative AI at Work», που δημοσιεύτηκε στο Quarterly Journal of Economics το 2025, οι Erik Brynjolfsson, Danielle Li και Lindsey Raymond μελέτησαν έναν AI assistant που χρησιμοποιούνταν από εργαζόμενους στην εξυπηρέτηση πελατών.

Διαπίστωσαν ότι οι εργαζόμενοι με χαμηλότερη δεξιότητα και λιγότερη εμπειρία βελτιώθηκαν περισσότερο. Το σύστημα φάνηκε να τους βοηθά να επικοινωνούν πιο κοντά στον τρόπο που μιλούν οι πιο έμπειροι εργαζόμενοι. Εκείνο που τράβηξε το ενδιαφέρον του συντάκτη ήταν ότι μέρος της χρήσιμης γνώσης προερχόταν από παλαιότερες συνομιλίες.

Μια εταιρεία περιέχει πολλή γνώση που ποτέ δεν γίνεται επίσημο έγγραφο. Υπάρχει σε εξηγήσεις, κλήσεις με πελάτες, συζητήσεις σχεδιασμού, παραδείγματα, διορθώσεις και μικρές αποφάσεις που λαμβάνονται στη διάρκεια συσκέψεων. Οι ηχογραφημένες συσκέψεις είναι ένα σημείο όπου αυτή η γνώση ήδη υπάρχει.

Το πρώτο όφελος που παρατήρησε ήταν προσωπικό

Ως intern, ένα από τα πιο δύσκολα πράγματα όταν μπαίνεις σε ένα μεγάλο project είναι να καταλάβεις γιατί τα πράγματα είναι όπως είναι. Μπορείς να διαβάσεις τον κώδικα και πάλι να μην ξέρεις γιατί επιλέχθηκε μια συγκεκριμένη σχεδίαση. Ένα ticket μπορεί να περιγράφει τι πρέπει να χτιστεί, όχι όμως τη συζήτηση που οδήγησε εκεί.

Η συνηθισμένη λύση είναι να ρωτήσεις κάποιον. Αυτό συχνά είναι το σωστό, αλλά σημαίνει και ότι διακόπτεις κάποιον που έχει ήδη δουλειά να τελειώσει. Ένα κοινό επίπεδο πλαισίου θα μπορούσε να κάνει μερικές από αυτές τις ερωτήσεις πιο εύκολες να απαντηθούν, χωρίς άλλο meeting ή άλλο μήνυμα ανάμεσα σε ζώνες ώρας.

Η ίδια ιδέα θα μπορούσε να βοηθήσει στο onboarding, στις επαναλαμβανόμενες συσκέψεις, στις παραδόσεις μεταξύ ομάδων και σε περιπτώσεις όπου κάποιος χρειάζεται να καταλάβει μια παλιά απόφαση. Αυτές τις δυνατότητες τις βλέπει από τη θέση του ως intern, αλλά χρειάζονται ακόμη σωστή μέτρηση.

Τι λειτούργησε και τι παραμένει δύσκολο

Οι δοκιμές του μέχρι τώρα είναι περιορισμένες. Δημιούργησε ένα μικρό σύνολο ερωτήσεων για τις οποίες ήξερε ήδη τη σωστή πηγή. Το ContextCue βρήκε τη σωστή πηγή πρώτο περίπου εννιά φορές στις δέκα και την έφερε μέσα στις τρεις πρώτες απαντήσεις σε κάθε δοκιμή αυτού του συνόλου.

Αυτό ήταν ενθαρρυντικό, αλλά έκανε και πιο καθαρά τα δυσκολότερα σημεία του προβλήματος. Μια πραγματική εταιρεία μπορεί να χρησιμοποιεί πολλά διαφορετικά εργαλεία συσκέψεων. Διαφορετικές ομάδες μπορεί να έχουν διαφορετικούς κανόνες για το τι επιτρέπεται να καταγράφεται. Κάποιο πλαίσιο πρέπει να είναι ορατό σε όλη την εταιρεία, ενώ άλλο πρέπει να μένει μέσα στην ομάδα. Οι άνθρωποι χρειάζονται επίσης να ξέρουν πότε καταγράφονται οι συσκέψεις και πώς θα χρησιμοποιηθούν αυτές οι καταγραφές.

Υπάρχει και το ζήτημα του χρόνου. Μια ομάδα μπορεί να πάρει μια απόφαση τον Μάρτιο και να την αλλάξει τον Απρίλιο. Η απόφαση του Μαρτίου δεν πρέπει να εξαφανιστεί, γιατί εξηγεί πώς έφτασε η ομάδα στη σημερινή θέση. Ταυτόχρονα, το σύστημα πρέπει να δείχνει καθαρά ότι η απόφαση του Απριλίου την αντικατέστησε.

Αυτό το είδος ιστορικού είναι χρήσιμο, αλλά πιο σύνθετο από μια απλή αναζήτηση. Χρειάζεται κανόνες για ιδιοκτησία, δικαιώματα πρόσβασης, χρόνο και εμπιστοσύνη. Το ContextCue δεν λύνει όλα αυτά.

Αυτό που κράτησε ο ίδιος από την πρακτική του άσκηση ήταν η αντίθεση ανάμεσα στο πόσο είχε αλλάξει η AI τον κώδικα και στο πόσο λίγο είχε αλλάξει τις παραδόσεις γύρω από τον κώδικα. Οι μηχανικοί είχαν ήδη ισχυρά εργαλεία όταν μια απαίτηση ήταν ξεκάθαρη. Το πιο αργό κομμάτι συχνά βρισκόταν πριν από εκείνο το σημείο, όσο οι ομάδες προσπαθούσαν να καταλάβουν ένα αίτημα, να προσθέσουν περιορισμούς και να το περάσουν σε άλλη ομάδα.