AI alati ubrzavaju pisanje koda, ali otežavaju održavanje
Generativni modeli optimiziraju najlakši dio razvoja softvera, dok dugoročno održavanje sustava postaje sve veći izazov.
Svaki tjedan svjedočimo novim najavama alata temeljenih na velikim jezičnim modelima koji obećavaju revoluciju u razvoju softvera. Demonstracije redovito prikazuju kako umjetna inteligencija u nekoliko sekundi izbacuje stotine linija novog koda, rješavajući naizgled složene probleme bez ljudske intervencije. Obećanje je privlačno: drastično smanjenje vremena isporuke i troškova razvoja. Međutim, ta slika ignorira stvarnost softverskog inženjerstva. Pisanje novog koda zapravo je najlakši dio posla. Pravi izazov leži u čitanju, razumijevanju i održavanju postojećih sustava, a tu trenutni alati pokazuju najveće slabosti. Umjesto da olakšavaju taj proces, često ga čine složenijim.
Prevladavajuća priča
Glavni narativ u industriji usmjeren je isključivo na brzinu stvaranja. Tvrtke se natječu u tome koliko brzo modeli mogu generirati aplikacije od nule. Prevladavajuća priča sugerira da će inženjeri uskoro postati tek nadzornici koji odobravaju strojno generirana rješenja, dok alati preuzimaju implementaciju. Menadžment je oduševljen jer to implicira uštede i brzinu izlaska na tržište. Metrika uspjeha postala je količina generiranog koda po danu, a ne njegova dugoročna održivost.
U takvom okruženju stvara se iluzija da je svaki problem rješiv dodavanjem novih linija koda koje umjetna inteligencija neumorno generira. Narativ nas uvjerava da više nije potrebno pažljivo planirati svaki korak niti razumjeti temeljne principe rada sustava. Ova vizija dominira medijima, ostavljajući malo prostora za analizu stvarnih inženjerskih izazova koji nastaju kada taj kod jednom dospije u produkciju i kada ga treba održavati kroz duži vremenski period.
Zašto je ta priča pogrešna ili nepotpuna
Ova priča duboko je pogrešna jer potpuno promašuje suštinu onoga što znači razvijati softver u stvarnom svijetu. Softver je živi sustav koji se mora neprestano prilagođavati novim poslovnim zahtjevima i tehnološkim standardima. Svaka nova linija koda nosi sa sobom određeni trošak održavanja, a generativni modeli taj kod proizvode neviđenom brzinom.
Kada inženjer danas koristi alate bazirane na umjetnoj inteligenciji, alat često proizvodi rješenja koja djeluju ispravno, ali su u stvarnosti prepuna suptilnih logičkih grešaka i skrivenih ovisnosti. Problem leži u tome što je strojno generirani kod često previše generičan. Nedostaje mu duboko, kontekstualno razumijevanje specifičnog poslovnog problema. Umjetna inteligencija ne postavlja pitanja o tome zašto se nešto razvija niti razumije šire posljedice svojih odluka.
Inženjeri već sada provode znatno više vremena čitajući kod nego što ga pišu. Uvođenjem ovih alata, količina koda u repozitorijima raste gotovo eksponencijalno. Rezultat je duboko paradoksalan: umjesto da umjetna inteligencija oslobodi inženjere zamornih zadataka, ona stvara ogromne količine tehničkog duga koji će ti isti inženjeri morati rješavati mjesecima i godinama. Vrijeme ušteđeno na brzom generiranju novih modula višestruko se gubi u satima provedenim na debagiranju i popravljanju kompleksnih sustava koje nitko u potpunosti ne razumije. Održavanje takvog koda postaje neusporedivo veći izazov jer nedostaje jasna namjera, dokumentirani misaoni proces i razlog iza tehničkih odluka koje je model donio tijekom pukog generiranja teksta.
Posljedice u stvarnom svijetu
Ako se ovaj trend guranja kvantitete nauštrb kvalitete nastavi, posljedice za industriju mogle bi biti ozbiljne. Kratkoročni pobjednici bit će menadžeri koji mogu prijaviti brže rokove isporuke u jednom kvartalu i impresivne metrike produktivnosti. Naravno, tu su i tvrtke koje prodaju generativne alate. Međutim, dugoročni gubitnici bit će isključivo inženjerski timovi i organizacije koje ovise o stabilnosti svojih sustava.
Inženjeri će osjećati neviđen pritisak jer će se od njih očekivati preuzimanje potpune odgovornosti za sustave čiju arhitekturu nikada nisu sami promišljeno osmislili, već su je samo površno pregledali u žurbi. Zbog toga bi se broj sigurnosnih propusta mogao drastično povećati, budući da brzina generiranja nadmašuje kapacitete za detaljan pregled. Konačno, organizacije će bolno shvatiti da su kratkoročno smanjenje troškova neizravno zamijenile za dugoročnu noćnu moru tehničkog održavanja. Timovi će s vremenom biti paralizirani strahom od uvođenja izmjena u prekompleksnim, krhkim bazama koda.
U takvoj budućnosti, pravi stručnjaci postat će oni koji znaju kako strpljivo očistiti, sigurno refaktorirati i pojednostaviti strojno stvoreni kaos. Zanimljivo je primijetiti da će se vrijednost zaista iskusnih inženjera time neizbježno povećati, ali će sama priroda njihovog posla postati znatno iscrpljujuća, pretvarajući ih velikim dijelom u najobičnije čistače nakupljenog tehničkog duga.
Završni stav
Alati temeljeni na velikim jezičnim modelima bez ikakve sumnje imaju svoje zasluženo mjesto u razvoju softvera i nitko ne tvrdi da ih treba potpuno odbaciti. Ipak, krajnje je vrijeme da ih prestanemo tretirati kao čarobna rješenja koja eliminiraju potrebu za temeljitim inženjeringom. Brzina kojom danas možemo proizvesti nove linije koda nikada ne smije biti jedina mjera uspjeha, jer je ona istovremeno i potencijalni izvor ogromnog tehničkog duga. Prava vrijednost svakog inženjera ne leži u sposobnosti brzog tipkanja, već u dubokom razumijevanju cjelokupnog sustava, pažljivom dizajniranju arhitekture i sposobnosti održavanja softvera na životu godinama nakon prve isporuke. Ako tehnološka industrija hitno ne promijeni svoj fokus sa slijepog štovanja brzine generiranja prema osiguravanju stvarne kvalitete koda, alati koji su nam obećavali maksimalno olakšati posao vrlo brzo postat će naš najveći i najteži svakodnevni teret.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
