‏اول یادگیری، بعد اهرم

نویسنده تعریف می‌کنه که شرکتش مثل خیلی از استارتاپ‌ها امسال با یه تصمیم مدیریتی یهو رفت سراغ Claude Code و این دستور بخش به بخش تو کل شرکت پخش شد. تیم طراحی با خود ابزارهای هوش مصنوعی غریبه نبود، ولی کار با Claude Code، MCP، کدبیس، گیت‌هاب و ترمینال براشون کاملاً تازه بود و هرکس باید خودش کلی چیزو امتحان می‌کرد تا جا بیفته.

به گفته‌ی نویسنده، مشکل اصلی فنی نبود؛ طراح‌ها احساس می‌کردن باید باکفایت به نظر برسن قبل از اینکه واقعاً فرصت کنن باکفایت بشن. این سردرگمی رو تو پیام‌های خصوصی و جلسه‌های دونفره با هم در میون می‌ذاشتن، نه علنی. نویسنده می‌گه بعد از دو سه ماه تلاش، تیم بالاخره به یه ریتم خوب رسید.

نکته‌ی محوری مقاله اینه که رهبرها می‌تونن یه چیزو طراحی کنن: اجازه‌ی نامطمئن بودن جلوی بقیه. تا وقتی سردرگمی پنهون بمونه، آدم‌ها فقط از روی چیزی که به نظر جواب می‌ده کپی می‌کنن و امیدوارن کسی ازشون توضیح نخواد. نویسنده به کار Vaughn Tan اشاره می‌کنه که می‌گه شرکت‌ها عدم‌قطعیت رو با ریسکِ قابل‌اندازه‌گیری اشتباه می‌گیرن، در حالی که آزمایش‌های کوچیک و برگشت‌پذیر زودتر شواهد می‌سازن.

در آخر، نویسنده می‌گه یه طراح که تنها ابزارو یاد بگیره تیمو زیاد جلو نمی‌بره؛ طراحی و مهندسی باید با هم workflow رو عوض کنن. طبق نظرسنجی‌ای که نقل می‌کنه، ۶۳ درصد طراح‌ها گفتن از سرعت تغییرات غرق شدن و ۶۱ درصد گفتن انتظار می‌ره با همون حقوق کار بیشتری بکنن — یعنی اهرم هوش مصنوعی وقتی هر ساعت صرفه‌جویی به توقع بیشتر تبدیل می‌شه، به فشار کاری بدل می‌شه.

نکات کلیدی:

• فشارِ باکفایت به نظر رسیدن قبل از یادگیری، سردرگمی رو پنهون می‌کنه
• آزمایش‌های کوچیک و برگشت‌پذیر بهتر از تعهدهای بزرگ و پرهزینه‌ان
• تغییر باید تیمی باشه، نه فقط یه نفر
• بدون فضای امن برای اشتباه، اهرم هوش مصنوعی به فشار کاری تبدیل می‌شه