Asana měla podle zveřejněného případu nahradit zastaralý testovací systém. Práce, kterou původně odhadovala na pět let, se s pomocí OpenAI Codex vešla do dvou týdnů a přibližně 12 000 dolarů. To je přesně ten typ čísla, u kterého jsem si nejdřív řekla: moment, opravdu?
Pět let proti dvěma týdnům
Codex je AI nástroj OpenAI pro práci s kódem: umí číst, navrhovat a upravovat programový kód. Asana jej použila při výměně starého testovacího systému, tedy infrastruktury, která pomáhá ověřovat, že změny v aplikaci něco nerozbily. Testy nezní sexy, vím. Jenže právě staré testovací zázemí dokáže vývoj brzdit tak spolehlivě, že by si zasloužilo vlastní medaili.
Nejvýraznější na celém příběhu není jen rychlost. Pětiletý odhad a dvoutýdenní realizace jsou od sebe tak daleko, že nejde o běžné „AI nám trochu zrychlila psaní funkcí“. Mně osobně to připadá jako ukázka, že největší přínos podobných nástrojů může být v likvidaci dlouho odkládaného technického dluhu.
Technický dluh je zjednodušeně cena za stará provizorní řešení: fungují, ale jejich údržba časem stojí stále víc práce a nervů. Firmy ho často nechávají být ne proto, že by nevěděly, co opravit, ale protože oprava vypadá příliš draze nebo riskantně.
Číslo, které potřebuje kontext
Částka kolem 12 000 dolarů zní skoro absurdně nízko vedle pěti let inženýrské práce. Z dostupného souhrnu ale neplyne, co přesně do ní Asana započítala: zda jde jen o náklady na používání Codexu, nebo i o čas lidí, kontrolu změn, provoz a následnou údržbu. Stejně tak nevíme, jak byl původní pětiletý odhad sestavený a kolik vývojářů by na úkolu pracovalo.
To není detail pro hnidopichy s tabulkou. Srovnání „pět let za 12 tisíc“ se bude šířit velmi snadno, ale bez metodiky se z něj nedá poctivě vypočítat návratnost ani ho přenést do jiné firmy. Beru ho tedy jako zajímavý případ, ne jako univerzální ceník oprav starého kódu.
AI nezbavuje tým odpovědnosti
Podobné výsledky zároveň neznamenají, že lze poslat AI do repozitáře a jít si uvařit kávu na dva týdny. Testovací systém sahá do citlivé části vývoje: špatně provedená náhrada může vytvářet falešný pocit bezpečí, protože testy sice běží, ale nekontrolují to, co mají.
Právě proto mě zajímalo, kolik práce v projektu zůstalo lidem, jak Asana výstup ověřovala a zda nový systém obstál v běžném provozu. Z poskytnutého podkladu to nevyčtu. Bez těchto informací nelze poznat, zda Codex práci skutečně udělal sám, nebo hlavně umožnil zkušenému týmu rychleji projít úkol, který už měl dobře zmapovaný.
Nejcennější mohou být odložené opravy
Na příběhu Asany mě baví hlavně méně okázalá možnost: AI nástroje možná nebudou nejdřív stavět úplně nové aplikace, ale pomůžou týmům konečně uklidit věci, na které se roky nedostalo. Až se objeví více podobných případů s popsaným postupem a kontrolou kvality, půjde lépe poznat, jestli jde o opakovatelný vzorec, nebo o mimořádně dobře padnoucí úkol.
Každopádně bych se nedivila, kdyby se po takových zprávách začaly otevírat backlogy plné tiketů s názvem „jednou“. Já bych je raději otevírala opatrně a s verzováním zapnutým. Pro jistotu.
