Mały blog o pracy w Jira, zarządzaniu produktem i o wszystkim, co mózg solo-foundera postanawia znowu rozkładać na części.
Just: asystent AI dla Jira zrobił duży krok naprzód. Analizy najpierw doprecyzowują, potem planują, pobierają świeży kontekst z sieci, generują obrazy, uczą się z informacji zwrotnej i pracują ze współdzielonym lub projektowym kontekstem.
Budżet na AI dla całego zespołu to nie tylko $20 za miejsce pomnożone przez liczbę osób. Rzeczywiste miesięczne koszty zależą od ról, intensywności używania przepływów pracy, agentów do kodowania i od tego, jak świadomie rozdzielony jest stack.
Ticket powstał w zeszłym miesiącu. Funkcja wychodzi w przyszłym. W międzyczasie konkurent wypuścił coś podobnego, API się zmieniło, a nowy wymóg compliance po cichu wszedł w życie.
Te narzędzia wyglądają jak rozwiązanie znanego problemu Jira: zamieniają mgliste tickety w coś, z czym da się ruszyć. Haczyk polega na tym, że dopracowany wynik może sprawić, że zespół poczuje się dogadany, choć wcale jeszcze taki nie jest.
Nieprecyzyjny ticket w Jira rzadko na pierwszy rzut oka wygląda ryzykownie. Prawdziwy problem wychodzi później, gdy różne osoby dopowiadają sobie brakujące rzeczy na różne sposoby, a kilka dni skupionej pracy okazuje się skierowane nie tam, gdzie trzeba.
Ten sam prompt, ten sam model, zupełnie inny wynik. Różnica nie tkwi w magii sformułowania. Tkwi w tym, czy model zna twój produkt, twoich użytkowników, twój język designu i twój stack przed rozpoczęciem generowania.
Trzy drogi, ten sam backlog i zupełnie inne doświadczenie. Rovo, konektory i Just przenoszą AI do Jira w sensowny sposób, ale każdy robi to według innej logiki.
Ten sam workflow w Jira może sprawiać wrażenie precyzyjnego lub dziwnie nierównego, w zależności od tego, który model stoi za każdym krokiem. Liczy się nie to, kto wygrywa benchmarki, lecz dlaczego określeni dostawcy wciąż zdobywają te same role w prawdziwym produkcie.
