Malý blog o práci v Jira, product managementu a o všem, co mozek sólo zakladatele tentokrát rozebírá až příliš důkladně.
Just: AI asistent pro Jira udělal velký krok dopředu. Analýzy teď nejdřív upřesňují, pak plánují, tahají čerstvý kontext z webu, generují obrázky, učí se ze zpětné vazby a pracují s opakovaně použitelným kontextem na úrovni projektu i celé organizace.
Týmový AI rozpočet není jen $20 za místo vynásobených počtem lidí. Skutečné měsíční náklady závisí na rolích, intenzitě použití workflow, kódovacích agentech a na tom, jak záměrně je stack rozdělen.
Ticket byl napsán minulý měsíc. Funkce vychází příští měsíc. Mezitím konkurent vydal něco podobného, API se změnilo a nový compliance požadavek tiše vstoupil v platnost.
Tyto nástroje vypadají, že řeší známý problém v Jira: převádějí vágní tickety do něčeho, s čím se dá pracovat. Háček je v tom, že hezky upravený výstup může v týmu vyvolat pocit, že už má jasno, i když to tak vůbec není.
Vágní ticket v Jiře zřídka vypadá na první pohled riskantně. Skutečný problém se objeví až později, když různí lidé doplní prázdná místa různými domněnkami a několik dnů soustředěné práce míří na špatnou věc.
Stejný prompt, stejný model, zcela odlišný výsledek. Rozdíl není v kouzlu formulace. Je v tom, zda model zná váš produkt, vaše uživatele, váš designový jazyk a váš stack dříve, než začne generovat.
Tři cesty, stejný backlog a úplně jiný zážitek. Rovo, konektory i Just dostávají AI do Jiry smysluplně, ale každý úplně jinak.
Stejný workflow v Jira může působit přesně nebo zvláštně nerovně podle toho, který model stojí za každým krokem. Důležité není, kdo vyhrává benchmarky, ale proč si určití poskytovatelé uvnitř skutečného produktu opakovaně získávají tytéž role.
