TL;DR
TL;DR: A projektek többsége nem technológiai okokból bukik, hanem az őszinte beszélgetés elkerülése miatt. A flow nem luxus, hanem termelési feltétel — a megszakítások újraindítási költsége mérhető és halmozódik. Az AI-korszak prompt-kultúrája ugyanezt a mintát ismétli: a promptolás virtuozitása és a tényleges szakértelem között szakadék van, amit a technológia nem hidal át. A valódi fegyelem — akár a zenben, akár a programozásban — évtizedek alatt épül be, és ez az, ami a látszólagos varázslat mögött rejlik.
A bitek hosszú éjszakája
A szoftverprojektek többsége nem technológiai, hanem emberi okokból bukik: az őszinte beszélgetés elkerülése, a flow-állapot rendszeres megszakítása és a szakértelem látszólagos pótlása eszközökkel. Tom DeMarco és Timothy Lister 1987-es Peopleware-je ezt dokumentálta először — és az AI-korszak prompt-kultúrája ugyanezt a mintát ismétli finomabb formában.
Harminc éve, egy decemberi héten négy éjszakát töltöttem az irodában. Nem mentem haza. Kávé, kóla, cigaretta, kód. A záró könyvelési határidő közeledett, a rendszer instabil volt, és én voltam az, aki „megoldja”.
Emlékszem a monitor fényére hajnali négykor. Az üres teremre. A billentyűzet kopogására. A flow-ra — az örömre, amikor végre összeállt egy modul. Az érzésre, hogy hős vagyok.
Aztán elolvastam a Peopleware-t. És rájöttem: nem hős voltam. Rendszerkudarc áldozata.
A „bitek hosszú éjszakája” nem hőstett. Tünet. Annak a jele, hogy valami súlyosan elromlott a szervezetben, a folyamatokban, az emberi kommunikációban. Olyan, mint amikor a [CORPUS — book:26485c0e_Quantum thief]-ben a karakterek egy üres, geometriai erdőben ébrednek, emlékeik hiányosak, és hiába nyúlnak az exomemória után, csak egy üres falat találnak. A túlóra is egyfajta üres fal: egy illúzió, hogy dolgozunk, miközben a rendszer, ami lehetővé tenné a valódi munkát, összeomlott.
A Peopleware alapparadoxona
Tom DeMarco és Timothy Lister 1987-ben leírták a tech ipar legbrutálisabb igazságát: a projektjeink többsége nem technológiai problémák miatt bukik, hanem emberi okok miatt. Nem azért, mert rossz az architektúra. Nem azért, mert lassú a framework. Azért, mert elkerüljük az őszinte beszélgetést.
A „People Over” nem motivációs poszter. Termelési rendszer alapelve.
A flow termelési feltétel, nem luxus. Ha egy fejlesztőt megszakítasz, nem 5 percet vesztesz — vesztesz 15-20 percet, amíg visszatér a mentális állapotba, ahol volt. A context switch (kontextusváltás) költsége mérhető. És halmozódik. Ha naponta 6-8 ilyen megszakítás van, a fejlesztő napi 2-3 órát tölt újratöltéssel. Nem kódírással. Újratöltéssel. Képzeld el egy pilóta helyzetét: nem lehet a leszállás közepén hirtelen elterelni a figyelmét a repülésirányítás egy másik, nem sürgős kérdésére, majd visszatérni a leszálláshoz. A szoftverfejlesztés mentális igénybevétele hasonlóan koncentrált állapotot kíván.
A túlóra legtöbbször nem elkötelezettség, hanem menekülés. Amikor valaki éjszaka marad, gyakran nem azért van, mert annyira szereti a munkát. Azért van, mert nappal nem tud dolgozni — értekezletek, megszakítások, káosz. Az éjszaka a menedék. Ez nem hősiesség. Ez rendszerkudarc. Olyan, mint amikor a [CORPUS — book:eb434ae0_Childhood’s End]-ben Rupert egy láthatatlan táblára teszi a poharát és egy láthatatlan gombot nyom, hogy a sört időre megkapja – a technológia varázslatos, de mögötte ott a szervezés, a rend és a fegyelem, amit nem látunk. A túlóra a láthatatlan rendszer hiányának látható tünete.
Az őszinte beszélgetés elkerülése drágább, mint bármelyik rossz architekturális döntés. Amikor nem mondjuk ki, hogy a határidő irreális, hogy a specifikáció ellentmondásos, hogy a csapat ki van égve — heteket, hónapokat veszítünk. Nem technikai adósságot halmozunk. Emberi adósságot. Ez a kommunikációs adósság kamatozik a legbrutálisabban, mert nem egy kódrészben rejlik, hanem a csapat dinamikájában, a bizalom hiányában, a félelemkultúrában.
Miért nem pótolja az AI a szakértelmet?
Most 2025 van. Az AI jött. Az ágensek jöttek. A prompt engineering (prompttervezés) jött. És megint ugyanaz a film: van egy új eszköz, ami majd megold mindent.
„Nem kell értened a rendszert, csak írj egy jó promptot.” „Nem kell tudnod SQL-t, a GPT megírja.” „Nem kell ismerd a domaint, a Claude összeszedi.”
Ez pontosan ugyanaz az illúzió, amit a Peopleware lebontott harminc éve: azt hisszük, hogy a technológia pótolja az emberi kommunikációt, a mély szakértelmet, az őszinte beszélgetést.
Nem pótolja.
Az AI egy erősítő (amplifier). Ha értesz a domainhez, ha tisztában vagy a struktúrákkal, ha tudod, mit keresel — akkor az AI brutális gyorsító. De ha nem érted, mit csinálsz, akkor az AI csak finomabb bullshitet gyárt, amit nehezebb észrevenni. A [CORPUS — book:26485c0e_Quantum thief] egyik jelenete tökéletesen illusztrálja ezt: „Ne hagyd, hogy kvantumgépeljenek téged” – figyelmeztet a sofőr. A kvantumgépelés itt egyfajta átalakulást, a valóság átírását jelenti. Az AI is hasonlóan átírhatja a hiányosságaink valóságát egy látszólag kifogástalan, de alapjaiban hamis képbe.
Mi történik, ha az AI simítja a hiányokat?
Az AI veszélye nem az, hogy rossz válaszokat ad. A veszély az, hogy simítja a hiányokat.
Írsz egy promptot. Homályos. Nem tudsz pontos kérdést feltenni, mert nem érted a domaint eléggé. De az AI válaszol. Struktúrált. Részletes. Meggyőző. És elfogadod — mert nincs keretrendszered, amivel ellenőriznéd. Ez olyan, mintha egy idegen városban kérnél utat, és bár a leírás jól hangzik, nem tudod, hogy a helyiek sohasem mennek arra, mert veszélyes a környék. A felület sima, a tartalom üres.
Kérsz egy SQL lekérdezést. Nem érted a JOIN szemantikáját. Az AI ír egy LEFT JOIN-t. Futtatod. Működik. De nem veszed észre, hogy nem azt az adatszivárgást szűri, amit kellene. Csak épp a tesztadaton nem látszik. Megy produkcióba. Két hónap múlva jön a balhé. A hiányzó szakértelem költsége most rejtve, de exponenciálisan növekszik. A [CORPUS — book:eb434ae0_Childhood’s End] egy másik jelenete itt is tanulságos: amikor Karellen, a Föld felügyelője leveszi a sötét szemüvegét, a különböző fényviszonyokhoz alkalmazkodva – a valódi látás feltétele az adaptáció, nem a látszat. Az AI-simítás a szemüveg, ami elrejti a szemet fájó fényt, de nem oldja meg a látás alapvető feltételeit.
És most azt hisszük, hogy ha elég sok promptot írunk, ez a szakadék eltűnik. Nem tűnik el. Mélyül. A promptolás virtuozitása újabb réteg a hiányok elfedésére, egy újabb láthatatlan tábla, amire feltesszük a problémáink poharait.
A beépült fegyelem
Én ABC80-on tanultam programozni. Aztán HT1080Z. Aztán Spectrum. Aztán C64. Aztán Jackson method. Aztán taxonómia. Aztán NLP. Aztán statisztika. Aztán gépi tanulás.
Miért számít ez? Mert minden réteg fegyelmet épít be. Nem technikát. Fegyelmet.
Az ABC80 megtanított, hogy a memória véges, és te felelős vagy érte. A Jackson method megtanított, hogy a struktúra nem opció, hanem feltétel. A taxonómia megtanított, hogy a kategóriák nem önkényesek — logikai rend van mögöttük. A statisztika megtanított, hogy a véletlen nem kaotikus — mintázatok vannak, csak meg kell találni őket.
Ezek nem ismeretek. Beépült reflexek. Amikor egy promptot írok, nem csak szavakat írok — kérdésstruktúrát építek. Amit évtizedek alatt tanultam meg. A prompt mögött ott van a memóriagazdálkodás tudata, a struktúraérzék, a kategorizálás képessége és a mintafelismerés. Ez az a „kvantum” tudás, amit nem lehet promptolni, mert az AI nem építi be, hanem csak utánozza a megnyilvánulásait.
És amikor valaki azt mondja, hogy „a prompt engineering új szakma” — azt látom: azt hiszik, a felszín elég. Hogy ha elég jól fogalmazol, az AI kihozza a mélységből, amit te nem tudsz. Nem hozza ki. Hallucinálja. A valódi szakma a fegyelem megszerzése, ami mögötte van.
A zen mint fegyelem
A zen nem misztikum. A fegyelem gyakorlata. Amikor ülsz zazenben, és jön egy gondolat — nem elnyomod. Visszatérsz a légzéshez. Megint. Megint. Ezerszer. Ez nem relaxáció. Ez fegyelem. A lényeg a visszatérés, nem a tökéletes üresség. Pontosan ugyanez történik, amikor egy megszakítás után visszatérsz a flow-ba: a fegyelem gyakorlata, hogy újra ráhangolódj.
Ugyanez a kód. Amikor egy komplex rendszert tervezel, és jön a „gyors megoldás” ötlet — visszatérsz a struktúrához. Mi a cél? Mi a kompromisszum? Megint. Megint. Ez a visszatérés a struktúrához a fegyelem magva. A Peopleware is leírta: a legjobb fejlesztők nem a leggyorsabbak. A legfegyelmezettebbek. Akik visszatérnek a struktúrához, amikor könnyebb lenne átugrani. Akik megkérdezik, amikor könnyebb lenne feltételezni. Akik, mint a [CORPUS — book:26485c0e_Quantum thief] karakterei egy katedrális-szerű, üvegből és fényből épült épület előtt, tudják, hogy a látszólag kaotikus, organikus ívek mögött is van szerkezet és szándék – csak meg kell érteni.
Key Takeaways
- A projektbukás elsődleges oka emberi, nem technológiai. Az őszinte, nehéz beszélgetések (a határidőkről, a kiégésről, az ellentmondásokról) elkerülésének költsége minden technikai adósságot felülmúl. Ez a Peopleware alapigazsága, ami az AI-korszakban sem változott.
- A flow állapot termelési feltétel, melynek megszakításai mérhető gazdasági károkat okoznak. Minden megszakítás nem csupán az elvesztegetett idő, hanem a 15-20 perces mentális újratöltés költsége. Ennek halmozódása naponta akár több óra elveszett kapacitást is jelenthet.
- Az AI egy erősítő, nem egy pótló. Képes felerősíteni a meglévő szakértelmet és fegyelmet, de nem pótolja a hiányzó alapokat. A promptolás művészete és a mély domain-tudás között szakadék húzódik, amit a technológia önmagában nem képes áthidalni.
- Az AI legnagyobb kockázata a hiányok simítása. Amikor meggyőző, de felszínes válaszokkal elfedjük a tudásbeli vagy struktúrális hiányosságokat, egy látszólag sima, de alulról korhadt réteget építünk, ami később sokkal drágábban omlik össze.
- A valódi szakértelem beépült fegyelem, ami évtizedek alatt alakul ki. A korai számítógépektől a modern módszertanokig minden réteg egyfajta mentális fegyelmet és reflexet épít be. Ez a „kvantum” tudás nem másolható le egy prompttal, csak hallucinációt generál belőle.
- A megoldás a fegyelem kultiválásában rejlik, nem az eszközök varázslatában. Akár a zazen gyakorlata, akár a kódolás során a struktúrához való visszatérés, a lényeg a szándékos gyakorlás és a nehéz választások meghozatalának képessége. A Peopleware csapatai is ezt a fegyelmet mutatták.
Gyakran Ismételt Kérdések
Ha az AI nem pótolja a szakértelmet, miben segít valójában?
Az AI erősítő, nem helyettesítő. Ha érted a domaint, ha tisztában vagy a struktúrákkal és tudod, mit keresel, az AI brutális gyorsító: gyorsabban keresel, gyorsabban szűrsz, gyorsabban szintetizálsz. Olyan, mintha egy kiváló asszisztensed lenne, aki ismeri a módszereidet és a szókincsedet. De ha nincs mögötte valódi szakértelem, az AI csak finomabb bullshitet gyárt, amit nehezebb észrevenni. A Peopleware ugyanezt tanítja: az eszköz nem pótolja az emberi kommunikációt és a mély megértést, csak új csatornát nyit a meglévő tudás áramoltatására (vagy a tudáshiány elfedésére).
Miért okoz a megszakítás ennyire nagy termelékenységi veszteséget?
A flow-állapot nem kapcsolgatható, mint egy villanykapcsoló. Amikor egy fejlesztőt vagy tudásmérnököt megszakítasz, nem 5 percet veszít, hanem 15-20 percet, amíg visszatér a mentális állapotba, ahol volt. Ez nem lustaság, hanem kognitív neurobiológia. A munka memóriának újra kell töltenie a kontextust, a logikai láncolatot, a tervezett következő lépéseket. Ha naponta 6-8 ilyen megszakítás van, az napi 2-3 óra elpazarolt kapacitás. Ez nem szubjektív érzés, hanem mérhető, dokumentált jelenség, amelyet DeMarco és Lister már 1987-ben leírtak, és azóta számos tanulmány erősített.
Hogyan lehet felismerni, hogy egy szervezetben az AI a hiányokat simítja, nem a képességeket erősíti?
A legbiztosabb jel: a promptolás virtuozitása nagyobb figyelmet kap, mint a válaszok ellenőrzése. Ha a csapat büszke a promptjaira, de nincs keretrendszere a kimenetek validálására (pl. független tesztelés, peer review, domain-szakértői jóváhagyás), az pont a hiánysimítás mintája. Egy másik jel: ha a kérdésfeltevés fontosabbá válik, mint a döntés, amit a válasz alapján meg kellene hozni. Ha mindenki a tökéletes prompton aggódik, de senki nem vállalja a felelősséget a generált tartalom következményeiért, a szervezet nem a képességeit erősíti, hanem a szakértelem hiányát rejti el egy technológiai fátyol mögé.
Lehet-e gyorsan megtanulni ezt a “beépült fegyelmet”?
Nem, ahogy a zen meditációt vagy egy hangszer virtuóz játszását sem lehet gyorsan megtanulni. A fegyelem a gyakorlat és az idő terméke. Azonban tudatosan lehet gyakorolni. Kezdheted azzal, hogy a következő promptered írása előtt egy percet töltesz azzal, hogy papírra rajzolod ki a probléma logikai struktúráját. Vagy hogy minden AI által generált kódot átfutatsz egy kollégával, nem a szintaxis, hanem a szándék és a határok szempontjából. A lényeg a szándékos lassítás és a visszajelzés keresése, ami ellenáll a prompt azonnali varázslatának.
Kapcsolódó gondolatok
Varga Zoltán - LinkedIn Neural • Knowledge Systems Architect | Enterprise RAG architect PKM • AI Ecosystems | Neural Awareness • Consciousness & Leadership The code compiles. The people don’t.