Analiza4 min čitanja

Opsesija brzinom: Kako krivo mjerimo uspjeh AI alata

Brzina isporuke linija koda postala je glavno mjerilo napretka, no pravi inženjering se ne mjeri u znakovima u minuti.

S

Autor

Shtef

Objavljeno

Ilustracija uz komentar: Opsesija brzinom: Kako krivo mjerimo uspjeh AI alata

Opsesija brzinom: Kako krivo mjerimo uspjeh AI alata

Brzina isporuke linija koda postala je glavno mjerilo napretka, no pravi inženjering se ne mjeri u znakovima u minuti.

U svijetu tehnologije, trenutni narativ oko alata temeljenih na umjetnoj inteligenciji u razvoju softvera svodi se na jedno obećanje: brzinu. Od Copilota do raznih drugih asistenata, marketinški materijali vrište o eksponencijalnom povećanju produktivnosti. Programeri navodno mogu generirati na stotine linija koda u sekundi, zatvarati zadatke brže nego ikad prije i isporučivati nove značajke neviđenim tempom. Ova opsesija brzinom postala je glavno mjerilo uspjeha, no pritom zaboravljamo osnovne postulate softverskog inženjerstva.

Ovakav pristup stvara opasnu iluziju. Mjerenje produktivnosti kroz količinu proizvedenog koda oduvijek je bilo promašeno, ali s dolaskom generativne umjetne inteligencije, ta je zabluda dovedena do ekstrema. Kada nam alat može u tren oka ispisati složenu funkciju, stvara se lažni osjećaj kompetencije i napretka. No, pisanje koda nikada nije bilo glavno usko grlo u razvoju kvalitetnog softvera. Pravo usko grlo je razumijevanje problema, arhitektura sustava i održivost rješenja kroz vrijeme.

Prevladavajuća priča

Glavni zagovornici AI alata za programiranje tvrde da će ovi sustavi demokratizirati razvoj softvera i omogućiti nevjerojatno ubrzanje ciklusa isporuke. Prema njihovom viđenju, svatko može postati "10x programer" ako samo nauči pravilno postavljati upite jezičnim modelima. Naglasak je na smanjenju vremena potrebnog za prevođenje ideje u sintaksu. Demoi i prezentacije pokazuju kako se složene aplikacije grade u minutama, a menadžment u tome vidi savršenu priliku za rezanje troškova i ubrzanje plasmana na tržište.

Ova priča savršeno odgovara korporativnim strukturama koje su ionako prečesto opsjednute kratkoročnim ciljevima i agilnim metrikama koje favoriziraju brzu isporuku pod svaku cijenu. U takvom okruženju, brzina kojom AI može izbaciti kodirani predložak djeluje kao revolucionarni iskorak. Ako možemo proizvesti dvostruko više značajki u istom vremenu, logika nalaže da smo dvostruko produktivniji.

Zašto je ta priča pogrešna ili nepotpuna

Problem s ovim narativom leži u dubokom nerazumijevanju onoga što softverski inženjering zapravo jest. Pisanje novog koda zauzima možda dvadeset posto vremena prosječnog inženjera. Ostatak vremena odlazi na čitanje postojećeg koda, razmišljanje o arhitekturi, rješavanje neočekivanih rubnih slučajeva, optimizaciju performansi i, najvažnije, održavanje sustava nakon što je jednom pušten u produkciju.

Kada AI alat u sekundi generira stotinu linija koda, on ne stvara samo rješenje, on stvara i tehnički dug koji netko mora pročitati, razumjeti i održavati. Što se kod brže stvara, to se brže gomila kompleksnost sustava. Ako inženjeri postanu samo operateri koji potvrđuju kod generiran od strane stroja bez dubokog razumijevanja zašto je on napisan na taj način, gubimo kritičku komponentu inženjeringa: mentalni model sustava. Bez tog mentalnog modela, otklanjanje grešaka u produkciji postaje noćna mora. Brzina u početnoj fazi razvoja naplaćuje se ogromnim usporavanjem u fazi održavanja.

Posljedice u stvarnom svijetu

Ako nastavimo mjeriti uspjeh AI alata isključivo kroz brzinu generiranja koda, posljedice će biti vrlo jasne. Tržište će biti preplavljeno softverom koji je izvana funkcionalan, ali iznutra truo. Tehnički dug će eksponencijalno rasti jer nitko u timu neće u potpunosti razumjeti sve slojeve koda koji su dodani putem AI asistenata.

Gubitnici u ovom scenariju bit će tvrtke koje će se suočiti s nevjerojatno visokim troškovima održavanja i sigurnosnim ranjivostima koje proizlaze iz nedovoljno provjerenog koda. Inženjeri će također izgubiti, pretvarajući se iz kreativnih rješavatelja problema u puke recenzente loše arhitekture. S druge strane, kratkoročno će profitirati proizvođači tih istih AI alata koji prodaju iluziju produktivnosti, te menadžeri koji će svoje bonuse vezati uz brzinu isporuke novih linija koda.

Krajnji rezultat bit će sustavi koji su toliko krhki i kompleksni da će svaka nova nadogradnja predstavljati rizik od potpunog kolapsa. Brzina kojom smo stvorili problem neće nam pomoći da ga jednako brzo riješimo.

Završni stav

Uspjeh umjetne inteligencije u razvoju softvera ne bi se smio mjeriti količinom generiranog koda ili brzinom isporuke prve verzije aplikacije. Prava vrijednost AI alata trebala bi biti u automatizaciji dosadnih zadataka, refaktoriranju, boljem testiranju i dubljem razumijevanju postojećih sustava. Inženjering zahtijeva pažnju, promišljanje i odgovornost. Umjesto da slavimo brzinu kojom možemo stvoriti novi kod, moramo se zapitati koliko smo sposobni taj isti kod održavati u godinama koje dolaze.


Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef

Povezano

Pročitajte i ovo

Još nekoliko objava koje šire kontekst oko tema, kompanija i AI trendova iz ove priče.

Ilustracija uz komentar: AGI kao distrakcija
Analiza

Opsesija općom umjetnom inteligencijom (AGI) velika je distrakcija

Dok se industrija fokusira na stvaranje nadljudske inteligencije, gubimo iz vida stvarne probleme i prilike koje današnja tehnologija nudi.

Ilustracija uz komentar: Prava istina o razvoju softvera
Analiza

Prava istina o razvoju softvera s umjetnom inteligencijom

Marketing nam prodaje gotova rješenja, ali stvarni razvoj otkriva složenost i krhkost novih alata.