Pisanje koda je zapravo najlakši dio softverskog inženjerstva
Generativni AI alati savršeno pišu kod, ali to nije dovoljno za zamjenu pravih softverskih inženjera.
U posljednjih nekoliko godina svjedočimo pravoj eksploziji alata za generiranje koda koji pišu programske linije brže i često točnije od prosječnog juniora. Od jednostavnih skripti do kompleksnih algoritama, umjetna inteligencija može u nekoliko sekundi ispljunuti stotine linija koda. Gledajući taj impresivan napredak, mnogi su požurili proglasiti kraj softverskog inženjerstva kakvog poznajemo, tvrdeći da će nam uskoro trebati samo "prompt inženjeri". Međutim, takva predviđanja počivaju na jednom temeljnom nerazumijevanju naše struke.
Prevladavajuća priča
Glavni narativ koji danas dominira tehnološkom industrijom jest onaj o automatizaciji programiranja. Prema toj priči, softverski inženjeri su u suštini "prevoditelji" čiji je jedini zadatak prevesti ljudske želje u strojni jezik. Budući da su veliki jezični modeli postali iznimno vješti u tome, logičan zaključak koji mnogi izvode jest da nam ljudi-prevoditelji više ne trebaju.
Zagovornici ovog stajališta često pokazuju impresivne demonstracije u kojima AI asistent stvara aplikaciju, rješava matematički problem ili optimizira bazu. Iz te perspektive, umjetna inteligencija se promatra kao neumorni programer. Narativ sugerira da će u bliskoj budućnosti menadžeri jednostavno diktirati svoje ideje računalu, a gotov proizvod magično će se pojaviti, spreman za tržište. Ovaj idealistički scenarij privlači kapital jer obećava smanjenje troškova razvoja.
Zašto je ta priča pogrešna ili nepotpuna
Ova prevladavajuća priča potpuno promašuje bit onoga što inženjerstvo zapravo jest. Pisanje koda, odnosno samo tipkanje sintakse, u stvarnosti predstavlja dvadeset posto ukupnog vremena i kognitivnog napora prosječnog inženjera. Preostalih osamdeset posto odlazi na zadatke za koje generativni modeli jednostavno nemaju sposobnosti ni poslovni kontekst.
Kada klijent zatraži novu funkcionalnost, njihov zahtjev je gotovo uvijek nepotpun, kontradiktoran i odvojen od tehničke stvarnosti. Pravi posao počinje upravo tada. Inženjer mora komunicirati s dionicima, otkrivati skrivene pretpostavke i pregovarati o kompromisima. Što se događa ako vanjski API padne? Kako će promjena utjecati na brzinu učitavanja? Smijemo li ove podatke pohraniti s obzirom na regulativu poput GDPR-a? To su pitanja na koja AI ne može odgovoriti jer ne posjeduje ljudsku intuiciju ni svijest o širem kontekstu.
Nadalje, arhitektura zahtijeva donošenje odluka koje nemaju jednoznačan odgovor. Odabir između monolitne arhitekture i mikrousluga, odluka o tehničkom dugu te dizajniranje sustava koji će preživjeti promjene u poslovanju – sve su to izazovi koji zahtijevaju razumijevanje tehnologije i tržišnih okolnosti. AI ne može preuzeti odgovornost kada se sustav sruši zbog rubnog slučaja. Održavanje sustava i otklanjanje nejasnih grešaka u složenim okruženjima zahtijevaju detektivski rad i apstraktno razmišljanje koje strojevi trenutno ne mogu replicirati.
Posljedice u stvarnom svijetu
Ako nastavimo vjerovati da je programiranje samo generiranje koda, suočit ćemo se s ozbiljnim posljedicama. S jedne strane, tvrtke koje pokušaju zamijeniti iskusne inženjere AI alatima privremeno će smanjiti troškove, ali će stvoriti neviđeni tehnički dug. Kod koji AI generira često izgleda ispravno, ali bez nadzora, aplikacije će postati krhke i nemoguće za održavanje.
S druge strane, dobitnici u ovom novom poretku bit će vrhunski softverski inženjeri. Oni neće biti zamijenjeni, već će postati još produktivniji. Oslobođeni dosadnog tipkanja šablonskog koda, moći će se u potpunosti posvetiti arhitekturi, rješavanju kompleksnih poslovnih problema i optimizaciji performansi. Njihova uloga će evoluirati od pukih "pisaca koda" u prave tehničke lidere. Vrijednost će se iz samog čina programiranja premjestiti u domenu apstraktnog rješavanja problema i upravljanja kompleksnošću. U međuvremenu, oni koji su u industriju ušli samo kako bi mehanički prenosili specifikacije, bez želje za razumijevanjem šire slike, doista će se naći u problemu.
Završni stav
Umjetna inteligencija ne donosi kraj softverskog inženjerstva, već njegovu prijeko potrebnu evoluciju. Dok god softver služi ljudima i rješava neuredne ljudske probleme, trebat ćemo inženjere koji razumiju i strojeve i ljude. Pisanje koda možda jest automatizirano, ali dizajniranje robusnih, sigurnih i korisnih sustava ostat će duboko ljudski pothvat. AI je najmoćniji alat koji smo do sada stvorili, ali to je i dalje samo alat.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
