Tenex zmienia podejście do wynagrodzeń inżynierów, płacąc ich za dostarczane efekty zamiast przepracowanych godzin. Założyciel firmy Alex Lieberman zaproponował ten model rok temu, dostrzegając sprzeczność: jeśli AI przyspiesza pracę inżyniera, tradycyjne stawki godzinowe mogą prowadzić do spadku jego zarobków mimo wyższej produktywności. System story pointów stosowany przez Tenex okazał się działać - obawy o zawyżane szacunki czy tanią jakość kodu nie materializowały się. Kluczem jest to, że strategowie AI w firmie odpowiadają za retencję i wzrost wartości klienta, co naturalne zmusza ich do odrzucania prac niepotrzebnych dla biznesu.
Prawdziwym wyzwaniem jest jednak wynagrodzenie pracy, którą trudno zamknąć w pojedynczy ticket. Chodzi o zrozumienie rzeczywistych problemów klienta, zaprojektowanie właściwej architektury lub zdecydowanie, co w ogóle warto budować. CJ Hess, współpracownik z Tenex, zauważa, że wraz z rozwojem modeli AI inżynierowie spędzają mniej czasu na pisaniu kodu, a więcej na przygotowaniu kontekstu klienta w formie, którą mogą zrozumieć AI.
Historia Tenex odzwierciedla szerszą zmianę: kiedy budowanie oprogramowania staje się tańsze dzięki AI, całkowi musimy przeredefinować, co uważamy za dobrą pracę wartą zapłaty. To pytanie staje się jeszcze ostrzejsze, gdy patryć na eksperymenty takie jak Kill My SaaS - projekt, gdzie zespoły zaproponowały zastąpienie narzędzia za 43 tys. dolarów rocznie alternatywnymi rozwiązaniami. Gdy koszt wytworzenia spada, wycena usług i kompensacja muszą się przeorientować na rzeczywistą wartość dostarczaną klientowi.