Stvarnost rada s AI alatima: Puno obećanja, malo konteksta
Oglasi prodaju čaroliju, ali stvarni razvoj zahtijeva puno ručnog rada
Svi smo vidjeli savršeno režirane demonstracije u kojima programer samo napiše kratku rečenicu, pritisne tipku, a umjetna inteligencija u nekoliko sekundi generira cijelu, savršeno funkcionalnu web aplikaciju. Iz perspektive oduševljenog promatrača, ili menadžera koji traži načine za uštedu, čini se da je programiranje kakvo poznajemo zauvijek gotovo. Na prvi pogled, ulazimo u eru gdje softver piše samog sebe. Međutim, ako danas pitate prave softverske inženjere koji te alate zapravo koriste u svakodnevnom radu na stvarnim projektima, dobit ćete sasvim drugačiju sliku. Prava istina, lišena marketinškog sjaja, jest da su AI alati nevjerojatno moćni pomoćnici, ali su i dalje jako daleko od magičnih rješenja koja nam se neprestano obećavaju na društvenim mrežama.
Prevladavajuća priča
Marketing koji prati alate poput GitHub Copilota, ChatGPT-a i raznih drugih asistenata uvelike se temelji na ideji potpune i bezbolne automatizacije razvoja. Priča koja nam se plasira vrlo je jednostavna i privlačna: umjetna inteligencija će duboko razumjeti vaš poslovni problem, analizirati cijeli vaš složeni sustav, samostalno donijeti ispravne arhitektonske odluke i isporučiti čist, optimiziran kod potpuno bez greške.
Mnogi tehnološki lideri, direktori, pa čak i iskusni investitori počinju kupovati ovu privlačnu viziju. Njihova računica je vrlo jasna i optimistična: vjeruju da će se troškovi razvoja drastično smanjiti, možda čak i prepoloviti, dok će se brzina izbacivanja novih značajki na tržište višestruko povećati. Prema toj prevladavajućoj priči, očekuje se da umjetna inteligencija više nije samo puki asistent, već neovisni entitet koji može samostalno voditi softverske projekte od inicijalne ideje pa sve do produkcijskog okruženja. U takvom zamišljenom svijetu, uloga inženjera se svodi samo na nadzor nad svemoćnim strojem koji obavlja teški intelektualni posao.
Zašto je ta priča pogrešna ili nepotpuna
Problem nastaje onog trenutka kada se iz sterilnih demonstracija preselimo u surovu realnost naslijeđenih, ogromnih i često vrlo neurednih softverskih sustava s kojima tvrtke svakodnevno operiraju. Umjetna inteligencija je zaista iznimno dobra u generiranju manjih, izoliranih funkcija, pisanju šablonskog koda ili prijevodu koda iz jednog jezika u drugi. Ali čim vaš zadatak zahtijeva dublje i suptilnije razumijevanje specifične poslovne logike vaše domene, kompleksne arhitekture baze podataka ili zamršenih ovisnosti između stotina različitih mikroservisa, današnji AI modeli počinju opasno halucinirati. Oni vam s velikim samopouzdanjem predlažu rješenja koja izgledaju potpuno ispravno na prvi pogled, ali koja zapravo uopće ne rade kada ih pokušate integrirati.
Umjesto da samo opušteno nadgledaju sustav i klikaju na gumb za odobravanje, programeri danas troše nebrojene sate čitajući, analizirajući i debagirajući loš kod koji je generirala umjetna inteligencija. Kontekst je tu ključan, a veliki jezični modeli, bez obzira na njihovu veličinu i impresivne parametre, i dalje imaju izrazito ograničeno i vrlo površno shvaćanje šireg tehnološkog okvira u kojem se taj specifični kod treba izvršavati. Paradoksalno, ponekad se dogodi da je potrebno više vremena, mentalne energije i fokusa da se otkrije i ispravi suptilna logička greška koju je generirao AI, nego što bi inženjeru trebalo da taj isti kod od samog početka pažljivo i promišljeno napiše ručno.
Nadalje, održavanje takvog koda postaje prava noćna mora. Kada inženjer napiše kod, on razumije razloge iza svake odluke, svakog kompromisa i svake linije. Kada AI izbaci tisuću linija koda u sekundi, ta namjera i razumijevanje se u potpunosti gube.
Posljedice u stvarnom svijetu
Ovakvo kaotično stanje stvari na terenu stvara vrlo opasan i sve širi jaz između nerealnih menadžerskih očekivanja i grube inženjerske stvarnosti. Tvrtke koje pomalo naivno temelje svoje poslovne planove i procjene isporuke na nerealnim obećanjima iz reklama suočavaju se s ozbiljnim problemima. Vrlo brzo dolazi do neizbježnog probijanja rokova, narušavanja kvalitete i gomilanja ogromnog tehničkog duga koji će netko jednoga dana morati platiti.
S druge strane, softverski inženjeri se nalaze pod strašnim pritiskom i stresom. Od njih se odjednom očekuje nerealna i nadljudska brzina isporuke, jer menadžment vjeruje da AI sada obavlja veći dio posla. Istovremeno, ti isti inženjeri moraju preuzeti potpunu odgovornost za stabilnost sustava i konstantno ispravljati skrivene sigurnosne propuste i logičke greške koje AI asistent potpuno suptilno i bez ikakvog upozorenja uvodi duboko u bazu koda.
Pravi, dugoročni dobitnici u ovoj kompleksnoj situaciji bit će samo oni zreli i iskusni inženjerski timovi koji prepoznaju modernu umjetnu inteligenciju isključivo kao napredni alat za ubrzanje dosadnih i repetitivnih rutinskih zadataka, a nipošto kao zamjenu za duboku domensku stručnost, ljudsku kreativnost i kritičko inženjersko razmišljanje. Oni shvaćaju da AI piše linije, ali ne dizajnira stabilne sustave.
Završni stav
Snažni AI alati i jezični modeli definitivno ne znače kraj tradicionalnog programiranja, već predstavljaju njegovu prirodnu i neizbježnu evoluciju. Dok nam ovi impresivni asistenti doista mogu uštedjeti stotine sati na pisanju dosadnog, ponavljajućeg koda i pisanju unit testova, oni nikada neće moći istinski zamijeniti holističko arhitektonsko razumijevanje i preuzimanje odgovornosti za donošenje teških, strateških inženjerskih odluka koje čine razliku između uspješnog i propalog projekta. Krajnje je vrijeme da prestanemo tretirati umjetnu inteligenciju kao neku vrstu digitalne čarolije koja rješava sve naše probleme jednim klikom i počnimo je odgovorno koristiti kao ono što ona doista jest – iznimno koristan, ali i dalje vrlo nesavršen i hirovit inženjerski alat kojem je stalno potreban iskusni ljudski nadzor.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
