Iluzija AI produktivnosti: Zašto zapravo gubimo vrijeme
Kako su alati koji su trebali ubrzati rad stvorili nove slojeve kompleksnosti i održavanja
U posljednjih nekoliko godina, industrija razvoja softvera preplavljena je alatima temeljenima na umjetnoj inteligenciji. Obećanje je uvijek isto: ovi će alati drastično povećati vašu produktivnost, generirati stotine linija koda u sekundi i omogućiti vam da se usredotočite isključivo na arhitekturu i inovacije. Ali ispod površine te blještave marketinške poruke, svakodnevna stvarnost inženjera izgleda znatno drugačije. Umjesto da nam štede vrijeme, ovi alati često stvaraju iluziju produktivnosti, maskirajući činjenicu da zapravo gubimo vrijeme na potpuno nove, neočekivane načine.
Brzina kojom AI može generirati kod stvara lažan osjećaj napretka. Kada u nekoliko trenutaka dobijete rješenje koje bi inače zahtijevalo sat vremena razmišljanja i pisanja, lako je povjerovati da ste postali višestruko učinkovitiji. No, ta početna ušteda vremena brzo se istopi kada shvatite da generirani kod nije vaš, da ne razumijete njegove skrivene pretpostavke i da ćete potrošiti jednako toliko vremena, ako ne i više, na otklanjanje grešaka i refaktoriranje.
Prevladavajuća priča
Glavna priča koju nam prodaju velike tehnološke kompanije i zagovornici AI alata jest da je pisanje koda usko grlo u razvoju softvera. Prema toj logici, ako možemo automatizirati pisanje koda, možemo ubrzati cijeli proces isporuke. Alati poput GitHub Copilota, ChatGPT-a i drugih asistenata predstavljaju se kao ultimativni rješavatelji problema, sposobni razumjeti kontekst i isporučiti savršena rješenja uz minimalne upute.
Ova priča oslanja se na ideju da je kod sam po sebi krajnji proizvod. Ako možemo proizvesti više koda u manje vremena, mi smo produktivniji. Potiče se metrika broja napisanih linija koda ili broja završenih zadataka, dok se zanemaruju dugoročne posljedice takvog načina rada. AI se percipira kao mlađi programer koji neumorno radi i nikada ne griješi.
Zašto je ta priča pogrešna ili nepotpuna
Problem s ovom pričom je u tome što zanemaruje temeljnu prirodu razvoja softvera. Pisanje koda rijetko je najveći problem. Pravi izazovi leže u razumijevanju problema, osmišljavanju robusne arhitekture, komunikaciji unutar tima i održavanju sustava dugi niz godina.
Kada prepustimo AI-u generiranje velikih količina koda, mi zapravo stvaramo tehnički dug brže nego ikad prije. AI modeli trenirani su na ogromnim količinama postojećeg koda, koji je često zastario, nesiguran ili jednostavno loš. Oni ne razumiju specifičan kontekst vašeg projekta, vaše poslovne logike ili vaših sigurnosnih zahtjeva. Zbog toga je kod koji generiraju često blizu rješenja, ali rijetko je potpuno točan.
Ovo stvara novi sloj posla za inženjere: umjesto da pišu kod, oni postaju lektori koda. Čitanje i razumijevanje tuđeg koda, posebno koda koji je generirao stroj bez dubokog razumijevanja problema, znatno je teže i kognitivno zahtjevnije od pisanja vlastitog koda. Vrijeme koje smo navodno uštedjeli na pisanju, gubimo na pronalasku suptilnih logičkih grešaka, sigurnosnih propusta i neusklađenosti s postojećom arhitekturom.
Nadalje, AI alati nas potiču na lijenost. Umjesto da duboko razmislimo o problemu i pronađemo najelegantnije rješenje, skloniji smo prihvatiti prvo rješenje koje nam AI ponudi, čak i ako je ono neoptimalno. To dovodi do stvaranja kompleksnih, neurednih sustava koje je kasnije iznimno teško održavati.
Posljedice u stvarnom svijetu
Ako se ova iluzija produktivnosti nastavi širiti, posljedice za industriju bit će ozbiljne. Prva i najočitija posljedica je pad kvalitete koda. Timovi koji se previše oslanjaju na AI generiranje završit će s velikim, kompleksnim kodnim bazama koje nitko u timu u potpunosti ne razumije. Održavanje takvih sustava postat će noćna mora, a svaka promjena nosit će visok rizik od uvođenja novih grešaka.
Druga posljedica je gubitak temeljnih inženjerskih vještina. Ako se mlađi programeri oslanjaju na AI od samog početka svoje karijere, oni neće razviti sposobnost rješavanja problema iz temelja. Znat će kako formulirati upite za AI, ali neće razumjeti kako sustavi zaista funkcioniraju ispod haube. To će stvoriti generaciju inženjera koji su ovisni o alatima i nesposobni za rješavanje kompleksnih, nestandardnih problema.
Konačno, ova iluzija dovodi do nerealnih očekivanja od strane menadžmenta. Kada menadžeri vide koliko brzo AI može generirati prototipe, oni očekuju da će se ta brzina održati tijekom cijelog životnog ciklusa projekta. To stvara pritisak na inženjere da isporučuju više i brže, što neminovno dovodi do izgaranja i daljnjeg pada kvalitete.
Završni stav
AI alati nisu u suštini loši, ali ih moramo prestati tretirati kao magična rješenja za produktivnost. Oni su korisni asistenti za automatizaciju dosadnih zadataka i istraživanje novih ideja, ali ne mogu zamijeniti duboko razumijevanje, kritičko razmišljanje i inženjersko iskustvo. Prava produktivnost ne mjeri se brzinom kojom možemo generirati kod, već brzinom kojom možemo isporučiti robusna, održiva i vrijedna rješenja. Ako nastavimo juriti za iluzijom brzine, završit ćemo s planinama koda koje nitko ne razumije i nitko ne želi održavati.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
