Book Review: The Field Guide to Understanding 'Human Error' by Sidney Dekker

sean goedecke4 Hot8 min1 d agoAI

Giving and taking credit in big tech companies

Kỹ sư tại các công ty công nghệ lớn thường mong đợi sự ghi nhận từ công việc tốt, nhưng thực tế không đơn giản như vậy. Credit và trách nhiệm được phân bổ thông qua mạng lưới không chính thức của các kỹ sư đáng tin cậy, nơi quản lý dựa vào đó để đánh giá. Việc chủ động ghi nhận công sức (qua bài đăng nội bộ, trao đổi 1:1) là cần thiết, nhưng giữ kín credit sẽ phản tác dụng. Chia sẻ credit cho đồng nghiệp không chỉ khuyến khích họ ủng hộ bạn mà còn biến dự án cá nhân thành thành quả tập thể, đồng thời giảm rủi ro đổ lỗi. Ngược lại, những dự án đơn lẻ với credit tập trung dễ trở thành tâm điểm đổ lỗi khi thất bại. Chiến lược tối ưu là tự quảng bá vừa đủ để được chú ý, đồng thời ghi nhận rộng rãi cho cộng sự để xây dựng mạng lưới những người ủng hộ.

Lập trình viên nên đọc bài này để hiểu cách xây dựng sự tin tưởng và sự hỗ trợ từ đồng nghiệp thông qua cách chia sẻ công nhận một cách thông minh, tránh trở thành đối tượng bị chỉ trích khi công việc gặp vấn đề.

#career #company-culture #big-tech Source

Tech Lead Digest152 Hot11 min1 mo agoAI

Doing nothing at work

Kỹ sư nên duy trì mức sử dụng 80% thay vì luôn bận rộn để sẵn sàng xử lý những việc đột xuất quan trọng như giải quyết sự cố hay đẩy nhanh tính năng nổi bật. Tránh các nhiệm vụ "glue work" không được ưu tiên chính thức, từ chối công việc không lương ngoài kênh chính thức và trì hoãn tác vụ có thể thay đổi/hủy bỏ giúp duy trì năng suất bền vững. Tập trung toàn lực vào vài thời điểm then chốt trong năm thay vì căng thẳng suốt thời gian sẽ giảm sai sót do stress.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa năng lượng và thời gian của mình bằng cách tập trung vào những công việc có tác động lớn nhất thay vì bị rơi vào vòng luân chuyển công việc không hiệu quả.

#career #productivity #company-culture Source

sean goedecke34 Hot9 min23 d agoAI

In defense of not understanding your codebase

Bài viết bảo vệ quan điểm làm việc với hiểu biết không đầy đủ về codebase trong hệ thống phần mềm lớn, phản bác luận điểm "Lập trình như xây dựng lý thuyết" của Peter Naur khi cho rằng việc xây dựng lại toàn bộ hệ thống khi kiến thức nhóm bị mất là không khả thi ở quy mô lớn. Các kỹ sư hiện đại phải đưa ra quyết định tự tin dù hiểu biết không hoàn chỉnh, đồng thời xem "duy trì lý thuyết về codebase" chỉ là một giá trị kỹ thuật trong số nhiều giá trị khác.

Những lập trình viên làm việc trong hệ thống lớn sẽ hiểu rằng không thể duy trì sự hiểu toàn bộ mã nguồn từ đầu, nhưng vẫn cần làm việc hiệu quả khi thiếu kiến thức chi tiết—điều này giúp họ tránh rơi vào rắc rối khi phải "xóa và viết lại" mã như một số quan điểm cổ điển đề xuất.

#llm #company-culture Source

Elena's Growth Scoop29 Hot12 min1 mo agoAI

Please stop the AI Confidence Theater

Bài viết chỉ trích "AI Confidence Theater" – xu hướng thổi phồng khả năng và quy trình AI trên mạng xã hội lẫn trong doanh nghiệp, gây hại bằng cách bóp méo kỳ vọng, tạo FOMO, khó khăn trong tuyển dụng và áp lực giả vờ thành thạo AI. Tác giả đề xuất thay đổi bằng cách chia sẻ kết quả thực tế, thừa nhận giới hạn và tập trung vào công việc duy trì hệ thống AI vốn ít hào nhoáng nhưng mang lại giá trị thực.

Nếu bạn đang tìm hiểu về cách xây dựng dự án AI thực tế và tránh bị lừa bởi hype không có cơ sở, bài viết này giúp bạn phân biệt giữa tuyên bố hype và kiến thức thực sự để đưa ra quyết định sáng suốt về việc đầu tư thời gian và nguồn lực.

#ai #llm #ai-agents Source

Tech World With Milan35 Hot17 min1 mo agoAI

What is the future of software engineering with Adam Bender, Principal Software Engineer at Google

Adam Bender, kỹ sư phần mềm chính tại Google, cho rằng cuộc tranh luận về AI coding quá tập trung vào tốc độ và sinh code, bỏ qua những thách thức kỹ thuật rộng lớn hơn. Ông phân biệt lập trình (một cá nhân viết code) với kỹ thuật phần mềm (duy trì code sống, tích hợp và dễ bảo trì trong nhiều năm), nhấn mạnh AI thúc đẩy phần trước nhưng hầu như không ảnh hưởng đến phần sau. Những lo ngại chính bao gồm hệ sinh thái nhà phát triển như một hệ thống thích ứng phức tạp, nguy cơ mất kiểm soát trí tuệ khi codebase phát triển nhanh hơn khả năng hiểu của con người, lỗ hổng kiểm thử tích hợp khi AI tạo ra quá nhiều unit test, các API nội bộ trở nên công khai vô tình do AI bỏ qua ranh giới không chính thức, và khó khăn trong việc dạy phán đoán kỹ thuật cho lập trình viên mới sử dụng AI. Ông khuyến nghị bắt đầu bằng cách xác định chất lượng phù hợp với doanh nghiệp, sau đó lập bản đồ toàn bộ hệ sinh thái nhà phát triển để dự đoán hậu quả cấp hai và cấp ba từ việc tăng đột ngột sản lượng code.

Lập trình viên nên đọc bài này để hiểu cách AI không chỉ thay đổi cách viết code mà còn làm thay đổi toàn bộ quy trình và văn hóa của software engineering, từ việc quản lý codebase lớn đến việc đào tạo kỹ năng quyết định cho đội ngũ mới.

#testing #ai-coding #company-culture Source

Hacker News1 Hot6 min3 d agoAI

The Gospel According to Graybeard

"Di chuyển nhanh" không còn là vấn đề thực tế mà trở thành quan điểm đạo đức phổ biến khắp nơi, từ cách chúng ta đặt câu hỏi "Làm sao để triển khai nhanh sản phẩm này...".

Bài viết này giúp lập trình viên hiểu cách cân bằng giữa tốc độ phát triển và chất lượng, tránh rơi vào nhầm lẫn giữa "moving fast" và "ship broken code" trong môi trường công nghệ ngày càng cạnh tranh.

#leadership #company-culture #technical-debt Source

SQL Authority1 Hot6 min3 d agoAI

AI Code Review Bottleneck: Nobody Owns It

Mọi người đều thừa nhận tình trạng tắc nghẽn trong quá trình review code bằng AI là có thật, nhưng khi nhìn vào sơ đồ tổ chức, không thấy ai chịu trách nhiệm chính thức cho vấn đề này.

Lập trình viên nên đọc bài này vì nó giúp họ hiểu rõ rằng vấn đề "chậm trong quá trình đánh giá mã AI" không chỉ là vấn đề kỹ thuật mà còn là vấn đề quản lý và phân chia trách nhiệm trong tổ chức, từ đó tìm cách giải quyết hiệu quả hơn.

#database #leadership #ai-coding Source

swizec.com32 Hot5 min1 mo agoAI

You get what you hire

Khi tuyển dụng, kỹ sư thường giải quyết vấn đề theo chuyên môn của họ—backend developer sẽ tập trung vào backend, frontend developer vào frontend. Bài viết minh họa qua hai ví dụ thực tế về dashboard logistics, cho thấy quyết định tuyển dụng ảnh hưởng trực tiếp đến định hướng kỹ thuật sản phẩm. Do đó, việc phân công đúng người phù hợp với yêu cầu là yếu tố quan trọng quyết định kết quả cuối cùng.

Lập trình viên nên đọc bài này để hiểu cách quyết định đội ngũ kỹ thuật sẽ quyết định hướng phát triển kỹ thuật của dự án, từ đó giúp họ có thể chọn người phù hợp nhất cho từng vấn đề để tối ưu hóa kết quả.

#leadership #company-culture Source

Book Review: The Field Guide to Understanding 'Human Error' by Sidney Dekker

What do you remember?

Recommended for you

Giving and taking credit in big tech companies

Doing nothing at work

In defense of not understanding your codebase

Please stop the AI Confidence Theater

What is the future of software engineering with Adam Bender, Principal Software Engineer at Google

The Gospel According to Graybeard

AI Code Review Bottleneck: Nobody Owns It

You get what you hire

One account, the whole ecosystem

8syncdev.com

Courses

Coding practice

IELTS

ZUS — AI IDE

mind0

AcoLeads