W październiku 2026 roku prowadzę 19 aplikacji. Co miesiąc wypuszczam ponad sześć wydań z ulepszeniami i uruchamiam cztery nowe aplikacje.
Kiedy tak wiele aplikacji prowadzi jedna osoba, praca ręczna po prostu się nie skaluje. Muszę w pełni skupić się na podejmowaniu decyzji.
Termin „skill ops" pojawił się w rozmowie z AI. W Google prawie nic o nim nie ma, więc wygląda na słowo wymyślone na poczekaniu. Bardzo mi się spodobało.
Skill ops.
To prowadzenie operacji przy założeniu, że pracę wykonują skille. W poprzedniej pracy ludzie wkładali na przykład sporo wysiłku w budowę platformy danych, a dane zbierali i analizowali ludzie. Gdybym próbował robić to sam, operacje by stanęły.
Wystarczy, że postawię podstawę z Firebase i Google Analytics, a analizę zostawię AI.
- Analiza danych to jedna linijka: „Przeanalizuj to".
- Analiza logów też: „Sprawdź to".
Zadaniem człowieka jest przyjrzeć się uzyskanym wnioskom, zdecydować, co robić, i wydać polecenia.
Prowadzę serwisy Tenkaichi i Buzz Spot. Są na wczesnym etapie, więc naturalnie treści jest jeszcze niewiele. Jeśli nikt nic nie publikuje, muszę publikować sam, aż serwisy się zapełnią.
Mimo to, gdybym pisał każdy artykuł sam, operacje nie nadążyłyby.
- „Zbadaj tę restaurację i przygotuj o niej wpis".
- „Kto jest silniejszy: Yamcha czy Ryomen Sukuna?"
Ustawiłem to tak, że takie pytanie do AI automatycznie prowadzi aż do opublikowanego wpisu. SEO też jest objęte. Aktualizacja sitemap.xml i zgłaszanie do indeksowania w Search Console także działają w ramach skill ops.
To, czego nauczyłem się dzięki skill ops, przenosi się także na rozwój oprogramowania w dużych firmach. Dotąd incydenty badaliśmy tak:
- Sprawdzić logi w CloudWatch lub Elasticsearch.
- Odszukać kod, który wygenerował wpis w logu.
- Jeśli leży poza obszarem własnego zespołu, poprosić na Slacku odpowiedzialny zespół o zbadanie sprawy.
- Naprawić błąd metodą prób i błędów w środowisku lokalnym.
Zamiast tego trzymaj repozytoria backendu, frontendu i infrastruktury na swoim komputerze i pozwól AI zająć się wszystkim, od czytania logów po przekopywanie repozytoriów. Oczywiście pozwolenie Claude Code na czytanie wszystkich logów produkcyjnych to problem bezpieczeństwa, więc trzeba ograniczyć się do środowiska deweloperskiego albo podawać fragmenty. Mimo to praca oparta na agentach AI doskonale sprawdza się w firmach.
A raczej spodziewam się, że od teraz, jeśli nie zaprojektujemy całej pracy wokół agentów AI, odczujemy to w produktywności. Ludzie dadzą radę, jeśli się przyłożą, ale będzie to męczące. Wiemy już bowiem, jak wygodna jest AI.
Aby ludzie mogli skupić się na decyzjach, warto od początku projektować pracę wokół AI.