AI alati za kodiranje: Iluzija brzine i produktivnosti
Svi tvrde da pišu kod brže, no problemi nastaju nakon generiranja
U posljednje dvije godine industrija razvoja softvera postala je doslovno opsjednuta alatima baziranima na generativnoj umjetnoj inteligenciji. Obećanja koja nam stižu su velika i primamljiva: Copilot i slični napredni AI asistenti navodno mogu napisati stotine linija koda u samo nekoliko sekundi, smanjiti vrijeme potrebno za razvoj i pretvoriti gotovo svakog developera u nevjerojatno produktivnog inženjera. Svi naizgled tipkaju sve brže, repozitoriji bujaju novim kodom, a menadžment zadovoljno trlja ruke misleći kako su troškovi razvoja zauvijek pali.
Međutim, ispod površine ovog silnog tehnološkog ubrzanja skriva se jedna vrlo opasna i zavodljiva iluzija. Brzina kojom znakovi izlaze na zaslon nikako nije isto što i brzina kojom stvaramo održiv i siguran softver koji rješava stvarne probleme korisnika. Kada se dugoročno sagledaju posljedice, ovi nam alati vjerojatno oduzimaju daleko više vremena na održavanje nego što nam ga inicijalno štede prilikom samog pisanja.
Prevladavajuća priča
Glavni narativ koji danas suvereno prevladava u tehnološkim krugovima i na društvenim mrežama prilično je jednostavan: programiranje je u svojoj suštini puko pretvaranje poslovnih zahtjeva u razumljivu sintaksu. Slijedom te logike, ako umjetna inteligencija može savršeno prevesti običan jezik u funkcionalan Python ili JavaScript kod, onda smo praktički riješili najveći problem programiranja.
Prema toj široko prihvaćenoj priči, uloga modernog programera iz temelja se mijenja. Ona se sada svodi primarno na formuliranje preciznih uputa, dok AI modeli preuzimaju repetitivni dio pisanja koda. Zagovornici ovog pristupa neumorno mašu statistikama o drastičnom povećanju brzine isporuke. Alati za automatsko dovršavanje doživljavaju se kao apsolutni i revolucionarni iskorak koji navodno eliminira potrebu za dugotrajnim planiranjem i dubinskim razumijevanjem kompleksne arhitekture aplikacije.
Zašto je ta priča pogrešna ili nepotpuna
Ključni problem s ovom euforičnom pričom leži u tome što ona potpuno promašuje bit onoga što softversko inženjerstvo zapravo jest. Pisanje koda, odnosno samo mehaničko "kucanje" po tipkovnici, nikada u povijesti računarstva nije bilo glavno usko grlo u razvoju softvera. Pravo usko grlo uvijek su bili duboko razumijevanje poslovnih zahtjeva, predviđanje rubnih slučajeva, dizajniranje robusne arhitekture te, najvažnije, čitanje i dugoročno održavanje postojećeg koda.
Kada umjetna inteligencija izbaci stotine linija koda u djeliću sekunde, taj kod nije nastao iz dubokog razumijevanja domenskog problema vašeg projekta. On je nastao jednostavno kao statistički najvjerojatniji nastavak vašeg prompta. Umjesto da kao inženjer polako gradite logiku i usput uočavate njezine mane, prisilno se stavljate u ulogu recenzenta koda koji je napisao netko tko je iznimno brz, ali sklon previđanju očitih kontekstualnih problema.
Paradoksalno, brzina generiranja sintakse stvara snažnu psihološku iluziju napretka. Vidite kako se funkcije redaju i osjećate se nevjerojatno produktivno. No, pravo vrijeme gubi se satima, a ponekad i danima kasnije, kada u produkciji pokušavate otkriti zašto naizgled savršena funkcija ruši cijeli sustav zbog suptilne pogreške u upravljanju stanjem. AI alati odlični su za male izolirane probleme, ali loši u sagledavanju šireg konteksta. Konačni rezultat često je moderni "špageti kod" – sustav koji funkcionira na površini, ali je arhitektonski krhak iznutra. Razumijevanje koda kojeg niste sami promišljali kognitivno je znatno zahtjevnije od sporijeg pisanja tog istog koda ispočetka.
Posljedice u stvarnom svijetu
Posljedice ove iluzije brzine već su sada jasno vidljive u stvarnom svijetu. Repozitoriji tvrtki ubrzano se pune generičkim, loše optimiziranim kodom koji je teže održavati nego ikad prije. Tehnički dug gomila se brzinom svjetlosti jer se recenzije generiranog koda često rade površno. Senior inženjeri sve više svog dragocjenog vremena provode debagirajući i popravljajući skrivene bugove u moru koda kojeg su brzinom izbacili juniori s AI asistentima.
Postavlja se ključno pitanje: tko ovdje zapravo dobiva? Kratkoročno, definitivno dobivaju tehnološke kompanije koje naplaćuju ove alate, jer metrike o brzini izgledaju sjajno u marketinškim materijalima. Dobivaju i menadžeri koji slijepo mjere produktivnost kroz broj napisanih linija koda, bez uvida u stvarnu kvalitetu arhitekture proizvedenog rješenja.
Dugoročno gube razvojni timovi koji će taj umjetno napuhani i krhki kod morati održavati godinama. Gube i krajnji korisnici koji će se neminovno suočavati sa sve nestabilnijim aplikacijama koje troše previše memorije. I na samom kraju, najviše gube sami programeri. Oslanjajući se pretjerano na alate za generiranje rješenja, mlađi inženjeri propuštaju priliku za razvoj dubokog analitičkog razmišljanja i arhitektonskih vještina. Nastavimo li ovim putem, stvorit ćemo generaciju "prompt inženjera" koji znaju tražiti gotova rješenja od stroja, ali nemaju pojma kako ta rješenja istinski funkcioniraju ispod haube kada stvari pođu po zlu.
Završni stav
Umjetna inteligencija zasigurno neće uništiti programiranje, niti je treba potpuno ignorirati. Ipak, alati za kodiranje kakve danas poznajemo trenutno nam vrlo uspješno prodaju opasnu iluziju. Pravi izazov razvoja softvera nikada nije bio u tome kako brže napisati što više linija koda. Pravi cilj inženjerstva jest kako napisati što manje, ali boljeg, kvalitetnijeg i održivijeg koda koji besprijekorno rješava zadanu domenu problema. Generativni AI trenutno nas ohrabruje da brzo proizvodimo tone osrednjeg koda koji ćemo sutra mukotrpno popravljati. Sve dok industrija ne shvati da je čitanje i duboko razumijevanje koda važnije od masovne proizvodnje, AI alati bit će samo dodatak koji nas ubrzava prema ogromnom tehničkom dugu. Moramo prestati mjeriti brzinu tipkanja i napokon početi istinski cijeniti dubinu inženjerskog razmišljanja.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
