AI u programiranju: Prava istina iza marketinških obećanja
Generativni alati obećavaju eksponencijalnu brzinu, no stvarnost razvoja softvera je znatno složenija
Posljednjih mjeseci svjedočimo neviđenoj lavini najava novih AI alata namijenjenih developerima. Od inteligentnih asistenata koji predlažu kod u stvarnom vremenu, do autonomnih agenata koji navodno mogu samostalno rješavati probleme. Obećanja su velika: deseterostruka produktivnost, rješavanje zadataka u sekundama i kraj ere ručnog pisanja koda. Međutim, kada se zagrebe ispod površine demonstracijskih videa i uđe u produkcijsku stvarnost, slika postaje osjetno drugačija.
Prevladavajuća priča
Glavni narativ koji tehnološki giganti i startupi uporno guraju jest da programiranje postaje puko formuliranje zahtjeva (engl. prompting). Prema toj priči, dovoljno je prirodnim jezikom opisati što želite, a umjetna inteligencija će isporučiti siguran, optimiziran i funkcionalan kod. Ova priča ne privlači samo investitore, već i menadžere koji u AI alatima vide brzi put do jeftinijeg razvoja softvera i manjeg oslanjanja na iskusne inženjere.
Zašto je ta priča pogrešna ili nepotpuna
Problem leži u temeljnom nerazumijevanju onoga što softverski inženjering zapravo jest. Pisanje novog koda, u čemu su AI alati najviše napredovali, predstavlja tek mali dio svakodnevnog posla developera. Prava težina posla krije se u razumijevanju kompleksnih poslovnih zahtjeva, održavanju postojećih sustava, integraciji s nesavršenim vanjskim servisima te rješavanju nejasnih i loše definiranih problema.
Kada AI alat generira stotine linija koda u sekundi, on zapravo stvara tehnički dug koji netko mora pročitati, razumjeti i održavati. Trenutni modeli pokazuju impresivne rezultate na izoliranim problemima, poput algoritamskih zadataka ili postavljanja osnovne strukture projekta (engl. boilerplate), ali drastično gube na učinkovitosti kada se suoče s velikim, usko povezanim sustavima u kojima svaka promjena nosi rizik od lančanih grešaka.
Umjesto da zamijene inženjere, ovi alati zapravo mijenjaju prirodu njihovog posla. Developeri sve više vremena provode čitajući i ispravljajući kod koji je generirao AI, pretvarajući se iz stvaratelja u revizore (engl. code reviewers). Otkrivanje skrivenih grešaka ili suptilnih sigurnosnih propusta u tuđem, pa makar i strojno generiranom kodu, često zahtijeva više kognitivnog napora nego pisanje vlastitog, jednostavnijeg rješenja.
Posljedice u stvarnom svijetu
Najveći teret ovog nesrazmjera između očekivanja i stvarnosti pao je na mlađe (engl. junior) developere. S jedne strane, očekuje se da budu višestruko produktivniji jer imaju pristup naprednim alatima. S druge strane, uskraćuje im se prilika za učenje kroz rješavanje temeljnih problema, jer te iste probleme sada brzo rješava AI. To stvara opasnu prazninu u stjecanju iskustva.
Iskusniji (engl. senior) developeri suočavaju se s drugačijim izazovom. Sve veći pritisak uprave da se isporučuje brže dovodi do poplave koda niske kvalitete. Umjesto da rješavaju arhitektonske izazove, iskusni inženjeri sve češće provode sate u otklanjanju grešaka koje su nastale zbog prevelikog oslanjanja na generativne alate. Kvaliteta softvera dugoročno može pasti ako brzina postane jedino mjerilo uspjeha.
Završni stav
Umjetna inteligencija neće uništiti profesiju programera, ali će je nepovratno promijeniti. Oni koji shvate AI kao još jedan alat u svom arsenalu, a ne kao čarobni štapić koji rješava sve probleme, bit će u znatnoj prednosti. Pravi napredak neće doći kroz brže tipkanje koda, već kroz dublje razumijevanje onoga što taj kod zapravo treba postići. Umjesto da slijepo vjerujemo marketinškim obećanjima, vrijeme je da počnemo mjeriti pravu vrijednost – stabilnost, sigurnost i dugoročnu održivost softvera koji gradimo.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
