How a Meta PM ships products without ever writing code | Zevi Arnovitz

در این پادکست، زوی آرنوویتز (Zevy Arnowitz)، مدیر محصول در شرکت متا (Meta)، تجربه شگفت‌انگیز خود را در استفاده از ابزارهای هوش مصنوعی برای ساخت محصولات واقعی بدون داشتن دانش برنامه‌نویسی به اشتراک می‌گذارد. او توضیح می‌دهد که چگونه با استفاده از مدل‌هایی مانند کلود (Claude) و محیط‌های توسعه‌ای مثل کرسر (Cursor)، توانسته است اپلیکیشن‌های درآمدزا بسازد. این گفتگو بر این موضوع تمرکز دارد که هوش مصنوعی چگونه مرزهای بین نقش‌های فنی و غیرفنی را از بین برده و به هر فرد خلاقی اجازه می‌دهد تا به یک سازنده تبدیل شود.

نکات کلیدی:
• استفاده از هوش مصنوعی به عنوان یک مدیر فنی ارشد (CTO) مجازی برای برنامه‌ریزی و معماری پروژه
• معرفی گردش کار اختصاصی شامل مراحل اکتشاف، برنامه‌ریزی، اجرا و بازبینی کد توسط مدل‌های مختلف
• اهمیت یادگیری مداوم و استفاده از هوش مصنوعی برای درک مفاهیم پیچیده فنی به جای برون‌سپاری صرف تفکر
• تکنیک بازبینی همتا (Peer Review) بین مدل‌های مختلف هوش مصنوعی برای کاهش خطاها و باگ‌های نرم‌افزاری

گذار از یک کاربر معمولی به یک سازنده با قدرت‌های فوق‌العاده

زوی آرنوویتز (Zevy Arnowitz) داستان خود را از زمانی شروع می‌کند که هیچ پیش‌زمینه فنی نداشت و در دبیرستان موسیقی کار می‌کرد. او توضیح می‌دهد که با ظهور مدل کلود ۳.۵ (Claude 3.5)، متوجه شد که ابزارهایی مانند بولت (Bolt) و لاوابل (Lovable) به او اجازه می‌دهند تنها با توصیف ایده‌هایش، اپلیکیشن بسازد. او این لحظه را به دریافت یک ابرقدرت تشبیه می‌کند.

او معتقد است که در دنیای امروز، عناوین شغلی در حال فروپاشی هستند و مسئولیت‌ها با هم ترکیب می‌شوند. زوی تاکید می‌کند که برای شروع، نیازی نیست مستقیماً سراغ ابزارهای پیچیده رفت؛ بلکه می‌توان با پروژه‌های ساده در چت جی‌پی‌تی (Chat GPT) شروع کرد و به تدریج به سمت محیط‌های حرفه‌ای‌تر مانند کرسر (Cursor) حرکت کرد. این مسیر به فرد کمک می‌کند تا ترس از دیدن کد را کنار بگذارد و با منطق برنامه‌نویسی آشنا شود.

ساختاردهی به هوش مصنوعی به عنوان یک مدیر فنی ارشد (CTO)

یکی از چالش‌های اصلی در کار با هوش مصنوعی، تمایل این مدل‌ها به نوشتن سریع کد بدون برنامه‌ریزی کافی است. زوی آرنوویتز (Zevy Arnowitz) برای حل این مشکل، یک سیستم اختصاصی طراحی کرده است که در آن هوش مصنوعی نقش یک مدیر فنی ارشد (CTO) را ایفا می‌کند. او به مدل دستور می‌دهد که صرفاً یک تاییدکننده نباشد، بلکه ایده‌های او را به چالش بکشد و بر معماری صحیح نظارت کند.

او توضیح می‌دهد که چت جی‌پی‌تی (Chat GPT) گاهی بیش از حد تلاش می‌کند تا کاربر را راضی نگه دارد، که این موضوع در پروژه‌های فنی خطرناک است. با ایجاد دستورالعمل‌های اختصاصی (Custom Instructions)، او هوش مصنوعی را مجبور می‌کند تا قبل از نوشتن حتی یک خط کد، تمام جوانب فنی، پایگاه داده و تجربه کاربری را بررسی کند. این رویکرد باعث می‌شود که محصول نهایی دارای ساختاری محکم و قابل توسعه باشد.

گردش کار عملیاتی: از ایده در لینیر (Linear) تا اجرای کد

زوی آرنوویتز (Zevy Arnowitz) یک سیستم مبتنی بر دستورات کوتاه (Slash Commands) در محیط کرسر (Cursor) ایجاد کرده است. این فرآیند با ثبت یک مسئله در نرم‌افزار مدیریت پروژه لینیر (Linear) آغاز می‌شود. سپس مرحله اکتشاف (Exploration Phase) شروع می‌شود که در آن هوش مصنوعی کد موجود را تحلیل کرده و سوالات شفاف‌کننده‌ای درباره ویژگی جدید می‌پرسد.

پس از نهایی شدن ایده‌ها، مرحله ایجاد طرح (Create Plan) آغاز می‌شود که خروجی آن یک فایل مارک‌داون (Markdown) شامل تمام مراحل اجرایی است. زوی اشاره می‌کند که داشتن یک طرح مکتوب بسیار حیاتی است، زیرا به او اجازه می‌دهد از مدل‌های مختلف برای بخش‌های مختلف استفاده کند؛ مثلاً از مدل جمینای (Gemini) برای طراحی رابط کاربری و از کلود (Claude) برای منطق سمت سرور. در نهایت، مرحله اجرا (Execute) کدها را به صورت خودکار تولید و در پروژه اعمال می‌کند.

استراتژی بازبینی همتا (Peer Review) برای تضمین کیفیت کد

بزرگترین نگرانی برای افراد غیرفنی، ناتوانی در تشخیص اشتباهات در کدهای تولید شده توسط هوش مصنوعی است. زوی آرنوویتز (Zevy Arnowitz) راهکار هوشمندانه‌ای برای این موضوع دارد: او از مدل‌های مختلف می‌خواهد که کدهای یکدیگر را نقد کنند. او این فرآیند را «بازبینی همتا» می‌نامد.

او کدهای نوشته شده توسط کلود (Claude) را به مدل‌های دیگر مانند جی‌پی‌تی ۴ (GPT-4) می‌دهد و از آن‌ها می‌خواهد باگ‌ها را پیدا کنند. سپس نتایج را به مدل اصلی برمی‌گرداند و از او می‌خواهد که یا اشتباهات را اصلاح کند و یا از تصمیم خود دفاع کند. این تعامل بین مدل‌ها باعث می‌شود که کیفیت کد به سطح حرفه‌ای برسد. او همچنین از دستوری به نام «فرصت یادگیری» استفاده می‌کند تا هوش مصنوعی مفاهیم پیچیده را به زبان ساده برای او توضیح دهد تا دانش فنی خودش نیز رشد کند.

تفاوت ابزارهای مختلف و انتخاب مدل مناسب برای هر وظیفه

در این بخش، زوی آرنوویتز (Zevy Arnowitz) به تحلیل ابزارهای مختلف می‌پردازد. او معتقد است ابزارهایی مثل بولت (Bolt) یا لاوابل (Lovable) برای شروع عالی هستند اما محدودیت‌هایی در پروژه‌های پیچیده دارند. به همین دلیل او به کرسر (Cursor) مهاجرت کرده است که کنترل بیشتری به کاربر می‌دهد.

او مدل‌های هوش مصنوعی را مانند شخصیت‌های انسانی توصیف می‌کند؛ کلود (Claude) را یک همکار متفکر و خوش‌صحبت می‌بیند، جی‌پی‌تی (GPT) را مانند یک برنامه‌نویس نابغه اما گوشه‌گیر توصیف می‌کند که فقط مشکلات سخت را حل می‌کند، و جمینای (Gemini) را یک دانشمند دیوانه می‌داند که در طراحی بصری فوق‌العاده است اما گاهی رفتارهای غیرقابل پیش‌بینی دارد. شناخت این ویژگی‌ها به او کمک می‌کند تا در هر مرحله از پروژه، از ابزار درست استفاده کند.

آینده مدیریت محصول و نقش هوش مصنوعی در استخدام

زوی آرنوویتز (Zevy Arnowitz) تاکید می‌کند که هوش مصنوعی جایگزین انسان‌ها نمی‌شود، بلکه افرادی که کار با هوش مصنوعی را بلدند، جایگزین کسانی می‌شوند که از آن دوری می‌کنند. او تجربه خود را در استفاده از هوش مصنوعی برای آمادگی در مصاحبه‌های شرکت متا (Meta) بازگو می‌کند. او با ایجاد یک مربی مجازی، سوالات احتمالی را تمرین کرده و بازخوردهای سخت‌گیرانه دریافت کرده است.

او به مدیران محصول جوان توصیه می‌کند که به جای ترس از آتروفی مهارت‌ها، از این ابزارها برای افزایش سرعت یادگیری خود استفاده کنند. او معتقد است که هوش مصنوعی به افراد اجازه می‌دهد «تکرار» (Repetition) بیشتری در انجام پروژه‌ها داشته باشند و همین تکرارهاست که از آن‌ها یک متخصص می‌سازد. او همچنین بر اهمیت مستندسازی تاکید می‌کند و می‌گوید هر بار که هوش مصنوعی اشتباهی می‌کند، باید دستورالعمل‌ها را به‌روز کرد تا آن خطا دوباره تکرار نشود.

نتیجه‌گیری:
در نهایت، این گفتگو نشان می‌دهد که عصر جدیدی در توسعه محصول آغاز شده است که در آن «اشتیاق به یادگیری» و «توانایی برقراری ارتباط با هوش مصنوعی» بسیار مهم‌تر از دانش کدنویسی سنتی است. زوی آرنوویتز (Zevy Arnowitz) با ارائه نمونه‌های واقعی از اپلیکیشن خود، ثابت می‌کند که یک مدیر محصول می‌تواند به تنهایی یک تیم کامل باشد. پیام اصلی او این است که اکنون بهترین زمان برای «سازنده» بودن است، به شرطی که فرد از هوش مصنوعی نه برای فرار از تفکر، بلکه برای ارتقای سطح تفکر و اجرای خود استفاده کند. او با به اشتراک گذاشتن دستورات و گردش کار خود، راه را برای دیگر افراد غیرفنی باز می‌کند تا وارد دنیای ساخت محصولات نرم‌افزاری شوند و از پتانسیل‌های بی‌پایان این فناوری بهره‌مند گردند.