Iluzija AI asistenata: Zašto stari kod ostaje problem
Brzina pisanja ne znači nužno i sposobnost održavanja
Svaki tjedan svjedočimo lansiranju novog AI alata koji obećava revoluciju u programiranju. Impresivne demonstracije pokazuju kako se složene aplikacije grade u nekoliko minuta uz pomoć običnih tekstualnih uputa. Međutim, dok industrija slavi brzinu stvaranja novog koda, zanemaruje se jedan od najvećih izazova u razvoju softvera: održavanje i razumijevanje postojećih, često zastarjelih sustava.
Prevladavajuća priča
Narativ koji dominira tehnološkim svijetom sugerira da će AI alati poput Copilota, Rusa ili novih modela u potpunosti transformirati ulogu softverskih inženjera. Zagovornici ove priče tvrde da će generativna umjetna inteligencija ubrzati razvojni proces do neviđenih razmjera, omogućavajući čak i osobama bez tehničkog predznanja da samostalno razvijaju i održavaju složene aplikacije.
Prema tom viđenju, brzina pisanja koda jedini je stvarni usko grlo u razvoju softvera. Ako model može u sekundi izgenerirati stotine linija koda, logično se nameće zaključak da će produktivnost rasti eksponencijalno.
Zašto je ta priča pogrešna ili nepotpuna
Problem s ovim narativom leži u dubokom nerazumijevanju svakodnevice profesionalnih programera. Pisanje novog koda od nule, poznato kao 'greenfield' razvoj, zapravo predstavlja vrlo mali dio posla. Većina inženjerskog vremena troši se na čitanje, analiziranje i modificiranje postojećih baza koda – zadacima u kojima trenutni AI modeli pokazuju značajne slabosti.
Zastarjeli sustavi, ili 'legacy' kod, često su loše dokumentirani, prepuni neobičnih ovisnosti i specifičnih poslovnih pravila koja nisu očita iz samog sintaktičkog zapisa. AI asistent može savršeno razumjeti kako napisati funkciju za sortiranje liste, ali će se potpuno izgubiti u kontekstu složene, desetljeće stare baze koda gdje promjena jedne varijable naoko nepovezano utječe na potpuno drugi dio sustava. Umjetna inteligencija ne posjeduje sposobnost dubokog arhitektonskog razmišljanja i ne može nadomjestiti ljudsku intuiciju potrebnu za sigurno navigiranje kroz zamršene sustave.
Posljedice u stvarnom svijetu
Ukoliko se industrija nastavi oslanjati na iluziju da brzina generiranja novog koda rješava sve probleme, suočit ćemo se s ozbiljnim posljedicama. Dobitnici u ovoj situaciji bit će tvrtke koje grade jednostavne aplikacije od nule, dok će gubici rasti za organizacije koje upravljaju ključnom infrastrukturom u sektorima poput bankarstva, zdravstva i energetike.
Mogli bismo svjedočiti porastu tehničkog duga. Brzo generirani kod bez dubinskog razumijevanja arhitekture dodatno će zakomplicirati održavanje. Inženjeri će umjesto stvaranja vrijednosti gubiti sate pokušavajući razumjeti "špageti kod" koji je iza sebe ostavio AI asistent. U konačnici, prava inženjerska vještina u budućnosti neće biti brzo pisanje koda, već sposobnost kritičkog čitanja i dizajniranja robusnih sustava u suradnji s alatima koji su brzi, ali i opasno samouvjereni u svom neznanju.
Završni stav
Umjetna inteligencija nesumnjivo je moćan alat koji može značajno ubrzati određene aspekte programiranja, no ona nije čarobni štapić za rješavanje problema održavanja softvera. Dok god sustavi zahtijevaju duboko kontekstualno razumijevanje i navigiranje kroz složene poslovne zahtjeve, ljudski inženjeri ostat će nezamjenjivi arhitekti u svijetu gdje generiranje koda postaje tek roba široke potrošnje.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
