Agent za kod najbolje radi u kratkim potezima, uz čovjeka koji svaki put pogleda što je napravio. Dugi samostalni zadaci, oni koji se na mrežama prikazuju kao budućnost programiranja, po Andrewu Ngu su precijenjeni.
Ng vodi DeepLearning.AI i suosnivač je Coursere. U izdanju newslettera The Batch od 4. rujna napisao je da se rad s agentima trenutno mijenja brže od svega ostalog u AI inženjerstvu, i da praktična korist od vrlo dugih zadataka nije ni blizu onome što se o njoj priča.
To se kosi s načinom na koji se alati prodaju. Claude Code, Codex i Cursor zadnjih se godinu dana reklamiraju samostalnošću. Ng tvrdi suprotno: posao se sastoji od niza malih koraka, a svaki završava provjerom.
Planiranje, izvođenje, nadzor
Prvo se istražuje postojeći kod i piše specifikacija, pa se plan pregleda zbog sigurnosnih rupa i nepotrebne složenosti. Tek onda agent radi, i to s razinom samostalnosti koju mu se namjerno odredi. Rezultat provjeravaju i testovi i čovjek.
Treći dio je objava. Kod izlazi tek kad prođu sve automatske provjere, a agenti se koriste i za čitanje zapisa i prijavu problema.
Pet vještina
Ng nabraja vođenje cijelog kruga, određivanje razine samostalnosti i sigurno pokretanje agenata, pregled napravljenog, prilagodbu agenta i okoline te razumijevanje osnova, prije svega kako agent barata kontekstom i kako tipično griješi.
Savjet je kratak. Trud ide u odluku što se gradi, u arhitekturu, u specifikaciju i u provjeru. Ne u sam kod.
Stav, ne mjerenje
Zaključke izvodi iz razgovora s, kako navodi, desecima vrhunskih AI inženjera. Brojki nema. Nema podatka koliko posla agenti naprave bez nadzora ni usporedbe s radom bez njih, pa tekst stoji kao stav čovjeka koji područje poznaje, a ne kao rezultat istraživanja.
DeepLearning.AI usto prodaje tečajeve baš iz tih vještina, što pismo čini i najavom vlastitog programa. Ostaje ono najkonkretnije što u njemu piše: tko od agenta očekuje da posao odradi sam, čeka nešto čega zasad nema.
