Zabluda o produktivnosti: Više koda nije bolji softver
Zašto umjetna inteligencija koja brže piše kod zapravo stvara više tehničkog duga i usporava dugoročni razvoj softvera.
Industrija razvoja softvera postala je opsjednuta brzinom. Alati poput GitHub Copilota i raznih AI asistenata obećavaju desetostruko povećanje produktivnosti generiranjem stotina linija koda u sekundi. No, mjerenje produktivnosti inženjera količinom napisanog koda jednako je besmisleno kao i mjerenje uspjeha gradnje kuće brojem razbacanih cigli na gradilištu. Brzina kojom danas dodajemo novu kompleksnost u sustave postala je opasna iluzija napretka.
Prevladavajuća priča
Zadana priča u tehnološkom svijetu glasi: umjetna inteligencija će preuzeti rutinsko pisanje koda, oslobađajući inženjere da se bave kreativnim rješavanjem arhitektonskih problema. Prema ovom tehnoutopijskom narativu, kompanije će moći izbacivati nove značajke neviđenom brzinom. Startupi će graditi složene proizvode s mikro-timovima, dok će se velike korporacije riješiti zaostataka u razvoju. Barijera za ulazak u programiranje navodno će potpuno nestati, jer će svatko tko zna napisati dobru uputu moći stvoriti aplikaciju. U tom pogledu na svijet, više koda isporučenog u manje vremena smatra se neupitnim znakom veće inženjerske efikasnosti i korporativne superiornosti.
Zašto je ta priča pogrešna ili nepotpuna
Ova priča potpuno zanemaruje temeljnu, često zaboravljenu istinu razvoja softvera: kod je obveza, a ne imovina. Softver nema vrijednost zato što ima puno linija, već zato što rješava specifičan problem za korisnika. Svaka dodatna linija koda koju AI nehajno generira mora se pročitati, pažljivo razumjeti, testirati, održavati i eventualno mijenjati kada se poslovni zahtjevi, kao i uvijek, promijene.
Kada AI model u sekundi "ispljune" složenu funkciju od stotinu linija, on zapravo samo prebacuje teret kognitivnog rada. Umjesto pažljivog, inkrementalnog pisanja i promišljanja o svakom koraku, teret se seli na čitanje i duboko razumijevanje tuđeg, u ovom slučaju strojnog, koda. Čitanje koda povijesno je teže od njegovog pisanja. Umjesto da rješavaju probleme, inženjeri sve više vremena provode kao frustrirani revizori i detektivi. Pokušavaju shvatiti zašto generirani kod "magično" radi, koje opskurne rubne slučajeve nije pokrio i kako se ta izolirana skripta uklapa u širu, ranjivu arhitekturu cijelog sustava.
Brza generacija koda bez dubokog razumijevanja domene i konteksta ne stvara vrijednost – ona stvara eksponencijalni rast tehničkog duga. AI modeli često biraju naizgled točna, ali dugoročno neodrživa rješenja, preferirajući popularne umjesto optimalnih obrazaca. Kada inženjeri prestanu detaljno pregledavati svaku liniju, ti se mikro-dugovi nakupljaju u masivnu, nefleksibilnu strukturu koju je gotovo nemoguće sigurno modificirati.
Posljedice u stvarnom svijetu
U stvarnom poslovnom svijetu, ovaj kratkoročni dobitak u brzini isporuke vrlo brzo će se naplaćivati kroz dugoročnu stagnaciju i paralizu. Kompanije koje agresivno i slijepo optimiziraju isključivo za brzinu generiranja koda uskoro će se naći zatrpane nepreglednim, napuhanim bazama koda punim skrivenih sigurnosnih grešaka i arhitektonskih nedosljednosti.
Inženjerski timovi će gubiti tjedne na otklanjanje naizgled banalnih grešaka u špageti-kodu koji nitko u timu zapravo nije samostalno osmislio niti u potpunosti razumije. Troškovi održavanja takvih sustava letjet će u nebo, a brzina isporuke novih značajki paradoksalno će pasti na nulu jer će svaka promjena riskirati rušenje krhkog, strojno generiranog temelja. S druge strane, inženjeri i timovi koji shvate da AI trebaju koristiti primarno kao alat za analizu, refaktoriranje i pojednostavljivanje postojećeg koda – umjesto kao tvornicu za neprekidno štancanje novih linija – dugoročno će izgraditi stabilnije, sigurnije i održivije sustave.
Završni stav
Pravi izazov softverskog inženjerstva nikada nije bio u brzini tipkanja po tipkovnici, već u jasnom razmišljanju i dizajniranju najelegantnijih, najjednostavnijih rješenja za složene ljudske probleme. Umjetna inteligencija nam svakako može i treba pomoći u razmišljanju, ali ako je koristimo isključivo za hiperprodukciju koda koji nitko ne razumije, mi zapravo ne ubrzavamo razvoj – samo brže i sigurnije vozimo prema neizbježnom zidu tehničkog duga.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
