AI alati za programiranje: Stvarnost iza marketinških obećanja
Pravi utjecaj pomoćnika za kodiranje u svakodnevnom radu
Marketinški materijali tvrde da će umjetna inteligencija u potpunosti zamijeniti programere, prepoloviti vrijeme razvoja i dramatično ubrzati svaki projekt, od malih aplikacija do ogromnih korporativnih sustava. No, stvarna slika iz perspektive inženjera koji svakodnevno grade i održavaju softver izgleda znatno drugačije, kompleksnije i često manje glamurozno. Dok alati kao što su Copilot i razni drugi jezični modeli zaista duboko mijenjaju način na koji pišemo kod, oni istovremeno donose i sasvim nove izazove koji se vrlo rijetko spominju na sjajnim pozornicama tijekom prezentacija novih proizvoda. Umjesto jednostavnog klika koji rješava sve probleme, dobili smo sofisticiranog asistenta kojeg treba pažljivo nadzirati.
Prevladavajuća priča
Ako slušate tehnološke entuzijaste, investitore i direktore raznih kompanija, stječe se dojam da već danas živimo u zlatnom dobu gdje svatko, bez obzira na predznanje, može napraviti potpuno funkcionalnu i sigurnu aplikaciju za svega nekoliko sati. Prevladava opće mišljenje da moderna umjetna inteligencija ne samo da savršeno razumije složene poslovne zahtjeve, već bez ikakve greške generira siguran, skalabilan i visoko optimiziran kod spreman za produkciju. Zbog takvih euforičnih tvrdnji, mnogi menadžeri očekuju višestruko smanjenje troškova razvoja, ukidanje juniorskih pozicija i znatno bržu isporuku gotovih digitalnih proizvoda na tržište. Prema toj priči, softverski inženjeri postaju gotovo suvišni, a kodiranje se svodi na pisanje nekoliko jednostavnih rečenica na engleskom jeziku.
Zašto je ta priča pogrešna ili nepotpuna
Glavni problem s ovom popularnom pričom je taj što ona potpuno ignorira osnovnu i najvažniju prirodu razvoja softvera. Pisanje posve novog koda, takozvani "greenfield" razvoj, često je zapravo najlakši i najzabavniji dio inženjerskog posla. Pravo softversko inženjerstvo rijetko se bavi samo ispisivanjem novih funkcija na prazan ekran. Ono se prvenstveno sastoji od dubokog razumijevanja već postojećih, iznimno kompleksnih sustava, dugotrajnog održavanja starog koda, rješavanja vrlo specifičnih logičkih grešaka, i osiguravanja da sve komponente sustava rade besprijekorno zajedno unutar strogih ograničenja performansi i sigurnosti.
Alati umjetne inteligencije danas su doista izvrsni za generiranje standardnih, dobro poznatih funkcija, brzo pisanje jedinica testova (unit tests), formatiranje podataka ili prevođenje algoritma iz jednog programskog jezika u neki drugi. Međutim, oni najčešće nemaju širi kontekst specifičnog projekta na kojem se radi. Ne poznaju povijest odluka u timu, ne razumiju zašto je neka arhitektura odabrana godinama ranije i ne mogu predvidjeti kako će promjena u jednom modulu utjecati na drugi, naizgled nepovezan dio sustava.
Kada ovi alati dobiju složeniji i specifičniji zadatak, vrlo su skloni stvaranju iznimno uvjerljivog, lijepo formatiranog, ali duboko logički neispravnog koda. Često će izmisliti biblioteke koje uopće ne postoje ili koristiti funkcije na potpuno krivi način, sve to uz ton pune samouvjerenosti. To u praksi znači da programeri sada zaista troše nešto manje vremena na samo tipkanje karaktera po tipkovnici, ali zato moraju uložiti mnogo više vremena i kognitivnog napora na pažljivo čitanje, detaljnu provjeru i ručno ispravljanje koda koji je napisao stroj. Umjesto da budu samo brzi pisci koda, moderni programeri ubrzano postaju strogi recenzenti, revizori i nadzornici računalnog asistenta.
Posljedice u stvarnom svijetu
Ovakva paradigma rada ima vrlo jasne i opipljive posljedice u stvarnom poslovnom okruženju. Iskusni senior inženjeri, koji već imaju duboko razumijevanje sustava, postaju još produktivniji jer mogu iznimno brzo uočiti suptilne greške u generiranom kodu, ispraviti ih i precizno usmjeriti alat u pravom smjeru. Oni umjetnu inteligenciju koriste na pametan način: kao naprednu semantičku tražilicu, bazu znanja ili neumornog asistenta za dosadne i ponavljajuće zadatke.
S druge strane medalje nalaze se početnici. Juniori koji se previše i prerano počnu oslanjati na te alate riskiraju nesvjesno uvođenje opasnih sigurnosnih propusta i loših, neprilagodljivih arhitektonskih rješenja u važne projekte. Budući da nemaju dovoljno godina iskustva, teško im je prepoznati trenutak kada umjetna inteligencija suvereno griješi. Preskakanje temelja i učenja kroz vlastite pogreške dugoročno može stvoriti generaciju inženjera koji znaju spojiti komponente, ali ne razumiju kako one zapravo rade ispod površine.
Također, u industriji se počinje pojavljivati sasvim nova vrsta tehničkog duga. Kod koji je generiran na brzinu, bez dubokog razumijevanja problema i bez razmišljanja o dugoročnom održavanju, često je vrlo teško čitati i mijenjati mjesecima kasnije. Timovi koji danas mjere svoju produktivnost isključivo prema sirovoj količini brzo napisanog koda mogli bi se u vrlo bliskoj budućnosti suočiti sa sustavima koji su jednostavno previše kompleksni, krhki i nestabilni za nadogradnju. Upravo zbog toga postaje važnije nego ikada ranije ulagati vrijeme u kvalitetno automatsko testiranje, pisanje jasne dokumentacije i uspostavljanje vrlo strogih procesa ljudskog pregleda koda (code review). Brzina ne smije biti opravdanje za pad kvalitete.
Završni stav
Umjetna inteligencija definitivno nije čarobni štapić koji će preko noći obrisati potrebu za ljudskim znanjem, iskustvom i zdravim razumom. Ona je, umjesto toga, iznimno moćan alat koji, poput svakog kompleksnog alata u povijesti, zahtijeva vještog i iskusnog majstora da bi dao najbolje rezultate. Stvarnost je takva da će programiranje i softversko inženjerstvo u bliskoj budućnosti biti još više fokusirano na rješavanje apstraktnih problema, dizajniranje robusne arhitekture i razumijevanje ljudskih potreba, a znatno manje na puko i rutinsko pisanje linija koda. Inženjeri koji na vrijeme prihvate ovu promjenu i prilagode svoj način rada sigurno će napredovati i voditi industriju naprijed, dok će oni koji slijepo vjeruju u šarena marketinška obećanja o potpuno automatskom razvoju softvera na kraju ostati gorko razočarani stvarnim rezultatima.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
