Flaey เปลี่ยนวัตถุประสงค์ของมนุษย์ที่ชัดเจนให้กลายเป็นซอฟต์แวร์ที่ใช้งานได้โดยมอบความรับผิดชอบทางวิศวกรรมที่แท้จริงให้กับ AI และรักษาการตรวจสอบ การส่งมอบ และการเรียนรู้อย่างชัดเจน
โครงการระดับท้องถิ่นและระบบระดับองค์กรไม่จำเป็นต้องใช้เครื่องมือ การควบคุม หรือโครงสร้างพื้นฐานแบบเดียวกัน พวกเขาต้องการความชัดเจนแบบเดียวกันว่าใครเป็นเจ้าของทิศทาง ใครเป็นผู้ออกแบบและสร้าง ผลลัพธ์ถูกท้าทายอย่างไร เข้าถึงการใช้งานอย่างไร และประสบการณ์เปลี่ยนแปลงสิ่งที่เกิดขึ้นต่อไปอย่างไร
Flaey จะไม่กลายเป็นวิธีการที่แตกต่างเมื่อซอฟต์แวร์มีขนาดใหญ่ขึ้นหรือเป็นผลสืบเนื่องมากขึ้น รูปแบบความรับผิดชอบยังคงเหมือนเดิม ความโดดเดี่ยว ความเป็นอิสระ หลักฐาน การอนุมัติ และการฟื้นตัวจะรุนแรงขึ้นเมื่ออันตราย ความอ่อนไหว หรือไม่สามารถรักษาให้หายขาดได้เพิ่มขึ้น
ขนาดองค์กรไม่ใช่แบบจำลองความเสี่ยง ผลที่ตามมาก็คือ
มุมมองของมนุษย์ที่รับผิดชอบประการหนึ่งกำหนดว่าเหตุใดงานจึงควรดำรงอยู่ ใครบ้างที่ต้องรับใช้ สิ่งที่ไม่อาจประนีประนอม และผลลัพธ์ยังคงเป็นไปตามเจตนาดั้งเดิมหรือไม่ การแก้ไขโดยมนุษย์เลื่อนลอยโดยไม่ต้องออกแบบทุกวิธีแก้ปัญหาล่วงหน้า
ทิศทางที่ AI สามารถหาเหตุผลได้โดยไม่ลดทอนลงไปสู่การปฏิบัติงาน
AI ตรวจสอบความเป็นจริงในปัจจุบัน ตีความทิศทางและเป็นเจ้าของเส้นทางที่สอดคล้องกันผ่านผลิตภัณฑ์ สถาปัตยกรรม UX ข้อมูล การนำไปปฏิบัติ และผลที่ตามมาในการปฏิบัติงาน มันสร้างผลลัพธ์ที่สมบูรณ์มากกว่าที่จะแยกชิ้นส่วนหรือคำแนะนำให้คนอื่นทำให้เสร็จ
ตัวเลือกซอฟต์แวร์ที่สอดคล้องกันและทดสอบได้ซึ่งมีรูปร่างตามผลลัพธ์ที่ต้องการ
รหัสที่สร้างขึ้นและระบบอัตโนมัติสีเขียวไม่สามารถพิสูจน์ได้ด้วยตัวเอง การตรวจสอบจะทดสอบผู้สมัครตามวัตถุประสงค์ หลักการ ความเป็นจริงในปัจจุบัน พฤติกรรมความล้มเหลว และผลลัพธ์ของผู้ใช้ ยิ่งซอฟต์แวร์เป็นผลสืบเนื่องมากเท่าใด ความเป็นอิสระและหลักฐานก็จะยิ่งแข็งแกร่งขึ้นเท่านั้น
การตัดสินใจอย่างมีเหตุผลที่จะปฏิเสธ แก้ไข หรือเลื่อนตำแหน่งผู้สมัคร
การส่งมอบทำให้มองเห็นผลลัพธ์การพัฒนา แยกการแสดงตัวอย่างจากการยอมรับอย่างเป็นทางการ และเผยแพร่เฉพาะสิ่งที่ได้รับการอนุมัติจริงเท่านั้น เป็นการยืนยันสิ่งที่กำลังดำเนินอยู่และรักษาเส้นทางการฟื้นตัวตามสัดส่วน
ซอฟต์แวร์การทำงานที่สามารถตรวจสอบย้อนกลับไปยังผู้สมัครที่ได้รับการยอมรับ
ใช้พฤติกรรมที่แท้จริง ความล้มเหลว และการแก้ไขเพื่อปรับปรุงผลิตภัณฑ์และวิธีการพัฒนา ประสบการณ์ส่วนใหญ่ยังคงอยู่ในท้องถิ่น เฉพาะบทเรียนที่ใช้ซ้ำได้ซึ่งมีหลักฐานสนับสนุนเท่านั้นจึงควรกลายเป็นหลักการที่คงทน การป้องกัน หรือความรู้สาธารณะ
วงจรการพัฒนาต่อไปที่ดีขึ้นโดยไม่สะสมระบบราชการ
วิธีการนี้เป็นแบบเรียกซ้ำแทนที่จะเป็นลำดับเครื่องมือที่เข้มงวด การปฏิเสธจะทำให้ผลลัพธ์กลับมาเป็นความรับผิดชอบที่ต้องปรับปรุง
Flaey ไม่จำเป็นต้องมีเครื่องจักรระดับองค์กรสำหรับทุกโครงการ และไม่อนุญาตให้มีการตั้งค่าง่ายๆ เพื่อซ่อนความเสี่ยงร้ายแรง เลือกการควบคุมตามผลที่ตามมา ความไว การพลิกกลับได้ และการพึ่งพาการปฏิบัติงาน
สภาพแวดล้อม AI ของมนุษย์หนึ่งคนและหนึ่งสภาพแวดล้อม AI ที่มีความสามารถอาจครอบคลุมหลายเส้นทาง การแสดงตัวอย่าง การทดสอบที่มุ่งเน้น การตรวจสอบแยกต่างหาก และการเผยแพร่ที่สามารถกู้คืนได้อาจเพียงพอเมื่อผลที่ตามมามีจำกัด
เส้นทางเดียวกันอาจใช้อัตลักษณ์ สภาพแวดล้อม นโยบาย หลักฐานอย่างเป็นทางการ การยอมรับที่เป็นอิสระ และการฟื้นตัวที่แข็งแกร่งยิ่งขึ้นเมื่อความล้มเหลวส่งผลกระทบต่อผู้คนจำนวนมาก ข้อมูลที่ได้รับการควบคุม หรือการดำเนินงานที่สำคัญ
เพิ่มความมั่นใจเพราะผลที่ตามมาต้องการ ไม่ใช่เพราะกระบวนการแบบเดิมๆ คาดหวัง
วิธีการอาจทำงานภายในเครื่องหรือผ่าน Cloudflare, AWS, Azure, Google Cloud หรือสภาพแวดล้อมอื่นที่เหมาะสม โมเดล AI พื้นที่เก็บข้อมูล และเครื่องมือการจัดส่งอาจมีการเปลี่ยนแปลงเช่นกัน การทดแทนมีความเหมาะสมเมื่อสามารถตอบสนองความรับผิดชอบเดียวกันได้โดยไม่ทำให้ขอบเขตที่กำหนดลดลง
วิธีการนี้จะยังสมเหตุสมผลหรือไม่หากผู้ขายปัจจุบันทุกรายมีการเปลี่ยนแปลงในวันพรุ่งนี้
Pagayo เป็นที่ที่โมเดลความรับผิดชอบนี้ถูกนำไปใช้และขยายออกไป แนวทางปฏิบัติในการพัฒนาในปัจจุบันและ Pagayo Development Cloud แสดงให้เห็นถึงการใช้งานที่สมบูรณ์ยิ่งขึ้น เป็นหลักฐานและแหล่งเรียนรู้ ไม่ใช่กองบังคับ
ดูว่า Pagayo ใช้วิธีการนี้อย่างไรเริ่มต้นด้วยการกำหนดทิศทางของมนุษย์ วิศวกรรม AI การตรวจสอบ การส่งมอบ และการเรียนรู้อย่างชัดเจน จากนั้นเลือกเฉพาะเครื่องมือและการป้องกันที่ซอฟต์แวร์ต้องการจริง