AI alati za kodiranje stvaraju generaciju 'copy-paste' programera
Umjesto arhitekture, mladi inženjeri sve više spajaju kod koji jedva razumiju.
Ulazak u svijet programiranja nikad nije bio lakši. Alati poput GitHub Copilota, ChatGPT-a i Claudea pretvorili su pisanje koda u razgovor. Dovoljno je opisati što želite, a umjetna inteligencija će ispljunuti gotove funkcije, komponente ili cijele skripte. Na prvi pogled, ovo izgleda kao nevjerojatna demokratizacija tehnologije. Međutim, ispod površine stvara se zabrinjavajući trend koji bi mogao dugoročno ugroziti kvalitetu softvera. Svjedočimo rađanju generacije inženjera koji ne grade softver, već ga samo sastavljaju od gotovih, nepročitanih blokova koda.
Prevladavajuća priča
Glavni tehnološki narativ trenutačno slavi AI alate kao ultimativne pojačivače produktivnosti. Teza je jasna: umjetna inteligencija će osloboditi programere od dosadnog, repetitivnog tipkanja ("boilerplate" koda), omogućujući im da se fokusiraju na rješavanje kompleksnih problema i arhitekturu. Prema toj priči, početnici će uz AI asistente brže učiti i lakše prevladati početničke prepreke. Korporacije već trljaju ruke računajući na brže isporuke i smanjene troškove razvoja, a brojni "tech influenceri" tvrde da tradicionalno učenje sintakse i struktura podataka polako postaje stvar prošlosti.
Zašto je ta priča pogrešna ili nepotpuna
Problem s tom utopijskom slikom je što potpuno ignorira kako ljudi zapravo uče. Programiranje nije samo pisanje koda; to je proces izgradnje mentalnog modela o tome kako sustav funkcionira. Kada početnik provede sate pokušavajući shvatiti zašto njegov kod ne radi, on ne gubi vrijeme. On izgrađuje intuiciju, uči čitati greške i razumije zašto su neke arhitektonske odluke bolje od drugih.
Kada AI alat trenutno isporuči gotovo rješenje, taj ključni proces učenja se preskače. Dobivamo inženjere koji znaju "kako" zatražiti rezultat, ali ne razumiju "zašto" taj rezultat radi. To stvara "copy-paste" kulturu u kojoj se kod tretira kao crna kutija. Ako se pojavi kompleksan "bug" ili problem s performansama koji AI ne može riješiti iz prve, inženjer bez jakih temelja ostaje potpuno bespomoćan. Umjesto da AI bude alat koji ubrzava iskusne, on postaje štaka na koju se neiskusni previše oslanjaju, zamjenjujući duboko razumijevanje površnim rezultatima.
Posljedice u stvarnom svijetu
Stvarna cijena ovog trenda tek će doći na naplatu. Kratkoročno, tvrtke doista mogu vidjeti povećanje brzine u pisanju linija koda. Međutim, dugoročno ćemo svjedočiti porastu takozvanog "tehničkog duga" (technical debt). Sustavi će postajati sve krhkiji jer će biti sastavljeni od "Frankenstein" koda – blokova koje nitko u timu zapravo ne razumije u potpunosti.
Gubitnici u ovoj priči bit će same tvrtke koje će trošiti ogromne resurse na održavanje i ispravljanje neshvatljivih grešaka u kodu. Također, gube i mladi inženjeri čije će se vještine svesti na puko promptiranje, zbog čega će postati lako zamjenjivi. S druge strane, inženjeri "starog kova" i oni koji uče koncepte ispod površine postat će još traženiji i cjenjeniji, jer će jedino oni moći dizajnirati otporne sustave i spašavati projekte kada "crna kutija" zakaže.
Završni stav
Umjetna inteligencija je fantastičan alat u rukama majstora, ali je opasna prečica u rukama učenika. Ako želimo izbjeći budućnost krhkog softvera koji nitko ne zna popraviti, moramo prestati tretirati programiranje kao puko štancanje koda i vratiti fokus na inženjersko razmišljanje i duboko razumijevanje sustava.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
