Mit o brzom razvoju softvera uz umjetnu inteligenciju
Zašto umjetna inteligencija ne može automatizirati inženjersko razmišljanje i dizajn
Kada slušate marketinške najave tehnoloških divova i startupa, lako je steći dojam da je programiranje kakvo poznajemo postalo stvar daleke prošlosti. Prema tim narativima, dovoljno je napisati nekoliko jednostavnih rečenica u običnom jeziku, a umjetna inteligencija će trenutno izbaciti savršen, optimiziran i siguran kod koji je odmah spreman za produkciju. Stvarnost koju doživljavaju pravi inženjeri u svakodnevnom radu ipak je znatno drugačija, složenija i puno suptilnija od reklamnih obećanja koja svakodnevno slušamo.
Prevladavajuća priča
Glavna priča koja se trenutno agresivno plasira u industriji vrti se oko drastičnog, gotovo eksponencijalnog povećanja produktivnosti programera. Tvrdi se da alati temeljeni na velikim jezičnim modelima mogu ubrzati razvoj softvera za nekoliko puta, omogućujući manjim timovima da odrade posao koji je prije zahtijevao velike odjele. Ideja je naizgled jednostavna: umjetna inteligencija u potpunosti preuzima pisanje koda, dok se uloga inženjera svodi isključivo na nadzor, pregledavanje i odobravanje generiranih rješenja.
Ovakav narativ iznimno je privlačan investitorima i poslovnom menadžmentu jer izravno sugerira smanjenje operativnih troškova i neusporedivo brži izlazak novih proizvoda na tržište. Prezentacije često prikazuju idealizirane scenarije u kojima model besprijekorno rješava izolirane algoritamske zadatke ili u sekundi generira osnovnu strukturu web aplikacije. Iz takvih se strogo kontroliranih demonstracija naivno izvlači zaključak da je razvoj kompleksnih sustava postao trivijalan proces koji više ne zahtijeva duboko tehničko znanje.
Zašto je ta priča pogrešna ili nepotpuna
Ova priča potpuno ignorira temeljnu i neospornu istinu o razvoju softvera: samo mehaničko tipkanje koda nikada u povijesti nije bilo glavno usko grlo. Velika većina vremena u softverskom inženjerstvu troši se na detaljno razumijevanje poslovnih zahtjeva, dizajniranje robusne arhitekture, rješavanje neočekivanih rubnih slučajeva i osiguravanje da se nova funkcionalnost ispravno i sigurno integrira u postojeći, često vrlo složeni i specifični sustav.
Kada prepustite pisanje koda isključivo umjetnoj inteligenciji, vrlo brzo otkrivate da veliki jezični modeli zapravo nemaju širi kontekst vašeg projekta. Oni generiraju kod koji na prvi pogled izgleda iznimno uvjerljivo, ali dubljom analizom otkriva se da često sadrži suptilne logičke pogreške, opasno zanemaruje specifične sigurnosne prakse tvrtke ili pak koristi zastarjele i nesigurne biblioteke. Umjesto da inženjer aktivno i kreativno rješava problem kroz iterativni proces razmišljanja, pisanja i testiranja, on sada mora forenzički analizirati tuđi kod kako bi pronašao bube koje nije sam napravio.
Paradoksalno, ali istinito, pronalaženje skrivene greške u kodu koji je automatski generirala umjetna inteligencija često oduzima znatno više dragocjenog vremena nego da je programer od početka sam pažljivo napisao to isto rješenje. Generirani kod zna biti neopravdano opširan, teško čitljiv ili rješavati problem na način koji se uopće ne uklapa u postojeće standarde i konvencije projekta, što u konačnici dovodi do dodatnog, nepotrebnog posla oko opsežnog refaktoriranja i prilagodbe.
Posljedice u stvarnom svijetu
Ozbiljne posljedice ovakvog površnog pristupa već se sada itekako počinju osjećati diljem IT industrije. Jedan od najviše zabrinjavajućih problema je negativan utjecaj na mlađe programere i njihovu putanju učenja. Juniori su tradicionalno učili zanat kroz samostalno rješavanje manjih, naizgled dosadnih zadataka, kroz koje su postupno gradili temeljito razumijevanje sustava i prijeko potrebnu inženjersku intuiciju. Kada se ti zadaci u potpunosti i bez razmišljanja prepuste umjetnoj inteligenciji, mlađi kolege gube svoju ključnu priliku za organsko učenje i postaju ovisni o alatima čije rezultate ne razumiju.
S druge strane medalje, iskusni senior inženjeri sve više svog radnog vremena provode u nezahvalnoj ulozi pasivnih recenzenata tuđeg koda, umjesto da se bave inovacijama i rješavanjem doista složenih arhitektonskih izazova. To dovodi do opipljivih frustracija jer se njihov radni dan nerijetko svodi na mukotrpno ispravljanje osnovnih sintaktičkih i logičkih previda koje je hladno napravio jezični model bez konteksta.
Dugoročno gledano, daleko najveća opasnost leži u neprimjetnom, ali stalnom gomilanju tehničkog duga. Kod koji tehnički radi, ali ga apsolutno nitko u timu u potpunosti ne razumije, predstavlja ogroman i nepredvidiv rizik za dugoročno održavanje sustava. Kada dođe do kritične i skupe greške u produkcijskom okruženju, brzina otklanjanja kvara ovisi isključivo o dubokom razumijevanju koda, a to ključno razumijevanje u potpunosti izostaje ako je većinu kritičnog sustava naslijepo generirao algoritam.
Završni stav
Umjetna inteligencija je neosporno iznimno koristan alat koji u pravim rukama može efikasno automatizirati dosadne rutinske zadatke, uvelike pomoći u brzom pretraživanju dokumentacije i znatno ubrzati pisanje osnovne, generičke strukture koda. Međutim, ona danas nije, a vrlo vjerojatno zadugo i ne može biti, stvarna zamjena za pravo inženjersko razmišljanje, specifično domensko znanje i duboko konceptualno razumijevanje sustava. Oslanjanje isključivo na generirani kod bez ikakvog kritičkog promišljanja ne vodi nas prema bržem razvoju inovacija, već nas gura prema krhkim sustavima koje je kasnije nemoguće održavati. Pravi, istinski napredak leži u tome da ove moćne alate koristimo pametno kako bismo si oslobodili vrijeme za duboko razmišljanje, a ne kako bismo potpuno izbjegli samo razmišljanje.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef



