Problema estimărilor în era dezvoltării cu AI: De ce intuiția ta ar putea avea dreptate
Problema estimărilor în era dezvoltării cu AI
Îți amintești când spuneai șefului "funcția asta o rezolv în două săptămâni" și era ok? Acuma pare un vis îndepărtat. AI-ul care nu doar completează cod, ci construiește soluții întregi, a dat peste cap orice calcul de timp previzibil.
Formula veche (care mergea decent)
Pe vremea când codau doar oamenii, estimările aveau o logică simplă:
- Cunoașterea codului + Complexitatea designului + Viteza de tastat + Timpul pentru teste și debug = Un timeline aproximativ
Știai codebase-ul ca pe buzunar. Auth-ul era solid, dar schema de DB un haos. Calculai orele de refactor, edge case-urile și productivitatea zilnică.
Nu era perfect – întârzia cu 20-40% – dar ținea direcția. Aveai modele mentale care funcționau.
AI-ul intră în joc: Reset total la estimări
Acum dai aceeași sarcină unui AI coder. Totul se schimbă:
Înțelege arhitectura din prima? Depinde de docu, limita de context și cât de bine generalizează modelul la stack-ul tău.
Scoate soluția perfectă imediat? Dacă da, rezolvă în ore. Dacă trebuie prompt-uri iterative, ajungi la zile.
Cât rescrii tu? Codul AI cere customizări, securitate extra și tweak-uri de integrare.
Realitatea? Prea multe variabile scăpate de sub controlul tău ca dev.
Confesiunea "coding pe vibe"
Mulți dev nu recunosc public: facem "coding pe vibe" mai des decât vrem. Adică:
- Ghicim după viteza de inferență AI, nu după complexitatea funcției
- Sperăm să "prindă" din prima, fără să planificăm iterații
- Subestimăm integrarea cu sistemul existent
- Supraestimăm cât de rapid găsim halucinații sau găuri de securitate
Nu e lene – e că uneltele vechi nu mai pupă realitatea asta.
Ce merge cu adevărat (sfaturi practice)
Dacă te chinui cu timeline-uri AI, iată ce ajută dev-ii:
1. Testează baseline-ul AI-ului tău
Înainte de estimări, rulează câteva task-uri mici. Cronometrează inferența, iterațiile și reviziile. Ai date reale, nu presupuneri.
2. Desparte timpul uman de cel AI
Nu estima unitar. Împarte:
- Generare AI: Prompt-uri, inferență, output inițial
- Review uman: Audit cod, check securitate, refactor
- Integrare: Legătură cu sistemul, teste, debug
Așa devine previzibil, că estimezi ce controlezi tu.
3. Creează pachete de context
AI-ul crapă fără context. Cheltuie 2-3 ore pe docu arhitectură, convenții cod, exemple. Output-ul iese mai bun, iterațiile scad. Proiectul se scurtează overall.
4. Acceptă incertitudinea cu buffere
Nu mai zice "5 zile". Spune "3-8 zile, în funcție de model". E onest și util pentru planificare.
5. Urmărește și optimizează procesul
Fiecare echipă are workflow-ul ei cu AI. Unii adoră prompt-uri deep, alții iterații. Măsoară ce merge la stack-ul și echipa ta, apoi ajustează estimările pe date reale.
Imaginea de ansamblu
Disconfortul cu estimările nu înseamnă că greșești. Semnalează că bazele estimărilor clasice se clatină. Trecem de la "cât durează oamenilor să codeze?" la "cât ia AI-ului să priceapă, să propună și oamenilor să valideze/integreze?".
E mai greu de prezis, că depinde de:
- Calitatea modelului și viteza inferenței
- Specificul problemei vs. datele de training
- Docu și structura codebase-ului
- Cum dirijezi AI-ul în echipă
Partea bună
Bonusul? Când AI-ul lovește perfect din prima – și se întâmplă des – livrezi în zile ce lua săptămâni. Variabilitatea crește, dar throughput-ul mediu explodează.
Cheia: recunoaște varianța, măsoar-o serios, adaptează-ți mindset-ul.
Cum mergi înainte
Dev-ii care vor domina nu se agață de metode vechi. Ei:
- Acceptă că estimările sunt mai haotice
- Măsoară obsesiv workflow-ul AI
- Construiesc context și prompt-uri solide
- Dau game largi, dar timeline-uri reale
- Livrează rapid și învață din fiecare rundă
Asta cu "coding pe vibe" nu e problemă – e noul normal în dev inteligent, unde estimezi cu AI-ul, nu împotrivă.