مت آوسمن (Matt Ausman)، مدیر ارشد فناوری (CIO) شرکت Zebra Technologies، آینده‌ای را متصور است که در آن هوش مصنوعی (AI) باعث حذف بک‌لاگ‌ها (Backlogs) خواهد شد؛ چرا که توسعه‌دهندگان می‌توانند با سرعت بسیار بالا، قابلیت‌های جدیدی را که تصور می‌کنند، خلق کنند.
او معتقد است که در آینده، ظرفیت تولید نرم‌افزار نامحدود خواهد بود، اما این موضوع چالش‌های جدیدی را برای مدیران و کارکنان IT ایجاد می‌کند. سوال اصلی این است که آیا تیم‌های فناوری اطلاعات قادر خواهند بود در برابر ایده‌های نادرست مقاومت کنند یا صرفاً به دلیل سرعت بالای تولید، هر آنچه پیشنهاد می‌شود را پیاده‌سازی خواهند کرد؟ او تاکید می‌کند که صرفِ اینکه کسی ایده‌ای را مطرح کند، به معنای ارزشمند بودن آن برای اجرا نیست.
تغییر در ساختار تیم‌ها و نقش‌های جدید
بر اساس تحلیل‌ها، ساختار تیم‌های توسعه در حال تغییر است. برای مثال، اندازه تیم‌های اسکرام (Scrum teams) از هشت نفر به پنج یا شش نفر کاهش یافته است، در حالی که بهره‌وری آن‌ها به لطف هوش مصنوعی افزایش یافته است. در آینده، ممکن است تیم‌ها تنها از دو عضو تشکیل شوند: یک مالک محصول (Product Owner) عملکردی و یک مالک محصول فنی که با استفاده از هوش مصنوعی، وظایف مختلفی از جمله جمع‌آوری نیازمندی‌ها، تولید موکاپ‌ها (Mockups) و کدنویسی را مدیریت می‌کنند و تمرکز اصلی خود را بر نظارت بر عامل‌های هوشمند (Agents) برای اطمینان از معماری (Architecture)، رفع باگ‌ها (Bugs) و امنیت قرار می‌دهند.
همچنین، نقش‌های تخصصی جدیدی در حال ظهور هستند که مدیریت هوش مصنوعی را هدف قرار داده‌اند، از جمله:
- مهندس پرامپت (Prompt Engineer)
- مهندس MLOps
- مهندس داده‌های مصنوعی (Synthetic Data Engineer)
- مهندس اعتماد (Trust Engineer)
- مهندس دانش (Knowledge Engineer)
- مهندس تعامل انسان و هوش مصنوعی (Human-AI Interaction Lead)
تغییر در اولویت‌های مهارتی و استراتژیک
در حالی که مهارت‌های فنی همچنان ضروری هستند، اما وزن مهارت‌های دیگر در حال افزایش است. تخصص در حوزه‌های کسب‌وکار (Business Domains)، قدرت تشخیص (Discernment)، توانایی برقراری ارتباط موثر و هوش هیجانی (Emotional Intelligence) به ضرورت‌های اصلی تبدیل شده‌اند. مدیران فناوری اطلاعات باید به دنبال نیروهایی باشند که نه تنها قادر به حل مسئله هستند، بلکه می‌توانند در تصمیم‌گیری‌های استراتژیک و مدیریت تغییرات، شریک تجاری خوبی برای سازمان باشند.
در نهایت، با توجه به سرعت بالای تغییرات تکنولوژی، مدل‌های سنتی آموزش نیز در حال تغییر هستند. رویکرد “میکرو-لرنینگ” (Microlearning) و یادگیری مستمر به جای دوره‌های طولانی‌مدت، به ابزاری حیاتی برای بقای سازمان‌ها در عصر هوش مصنوعی تبدیل خواهد شد. مدیران ارشد فناوری باید سازمان‌های خود را به گونه‌ای بازسازی کنند که بتوانند با سرعت ورود تکنولوژی‌های جدید به بازار، خود را تطبیق دهند.
