Krótka odpowiedź
W erze generatywnej AI (GenAI) wartość programisty polega nie tyle na pisaniu kodu, ile na umiejętności podejmowania uzasadnionych decyzji inżynierskich, brania odpowiedzialności za ich jakość i zapewniania wyników biznesowych.
Samo wygenerowanie działającego kodu nie gwarantuje skalowalności, niezawodności ani łatwości dalszego utrzymania oprogramowania.
Dlatego programista powinien nie tylko wdrażać rozwiązania techniczne, ale także wyjaśniać klientowi zasadność ich wdrożenia, możliwe konsekwencje, ograniczenia i ryzyko, zachowując odpowiedzialność za jakość końcowego rezultatu.
Sprawdzian wartości programisty
Niemal każdy, kto zajmuje się tworzeniem oprogramowania, będzie musiał zdać „egzamin”, na który nigdy się nie zapisywaliśmy. Będzie on polegał na udowodnieniu klientom, dlaczego potrzebują naszych umiejętności.
Na pierwszy rzut oka to dziwne zadanie. Można jednak zrozumieć także klientów: patrzą na efekt końcowy, na to, co widać, bo tylko w ten sposób potrafią go ocenić.
Większość klientów nigdy nie musiała rozumieć, co dzieje się pod maską. Teraz jednak, gdy rezultat można uzyskać za pomocą kilku promptów, wyjaśnienie wartości tego, co pozostaje niewidoczne, staje się znacznie trudniejsze.
Dlaczego sam prompt nie wystarczy
Niektórzy z nas będą mieli łatwiej. Być może wystarczy powiedzieć na przykład: „Widzisz, potrafi wygenerować dwie funkcje normalizujące ten sam typ danych w różnych miejscach albo umieścić cztery formularze w jednym komponencie”.
Albo: „Sam prompt nie wystarczy. Rozwiązywanie problemu trzeba zacząć od rozmowy na czacie. Podczas planowania musimy przeczytać pięć lub więcej stron odpowiedzi LLM, z częścią się zgodzić, innym propozycjom powiedzieć «nie» oraz dodać własne uwagi i doprecyzowania, zanim zatwierdzimy generowanie i integrację kodu. Potem nadal trzeba sprawdzić rezultat”.
Albo: „GenAI potrafi wygenerować kod, ale nie bierze odpowiedzialności za to, jak ten kod będzie działał za rok ani jak system będzie się skalował”.
Albo: „Dziś bardzo szybko można wygenerować coś, co wygląda jak gotowy produkt. Między «to działa» a «można na tym przez lata budować biznes» jest jednak ogromna różnica, której nie zawsze widać na pierwszy rzut oka”.
Każdy z nas będzie miał własne argumenty wyjaśniające, dlaczego GenAI jest narzędziem, a nie magicznym przyciskiem do każdego rodzaju zadań. Podałem tylko kilka łatwo zauważalnych przykładów.
Argumenty techniczne mogą nie wystarczyć
Musimy jednak pamiętać, że ten proces ma dwie strony: Ciebie i klienta. Niestety argumenty techniczne mogą nie wystarczyć.
Klienci sami decydują, co budują: przewidywalny system z długofalowym wsparciem czy po prostu atrakcyjną fasadę.
Od wdrożenia do wartości biznesowej
Być może ten egzamin przyda się również nam. Niestety „wiem, jak to działa pod maską” nie zawsze będzie już wystarczającym argumentem. Będziemy musieli wyjaśniać, jaką konkretnie wartość nasza wiedza daje firmie, podkreślać swoją odpowiedzialność i jeszcze mocniej angażować się w sam biznes.
Być może główna zmiana polega na tym, że wcześniej skupialiśmy się na wyjaśnianiu, jak wdrożymy rozwiązanie. Teraz coraz częściej będziemy musieli tłumaczyć, dlaczego warto wdrożyć właśnie to rozwiązanie i jakie konsekwencje przyniesie ten wybór.
Gdzie zaczyna się odpowiedzialność inżyniera
Mam nadzieję, że wszyscy znajdziemy właściwe argumenty. Nie po to, by dowodzić, że GenAI jest złe, a my niezastąpieni, lecz by wyjaśnić, gdzie kończą się możliwości narzędzia, a zaczyna odpowiedzialność inżyniera. Gdy obie strony podchodzą do sprawy rozsądnie, wszyscy na tym zyskują.
Aktualizacja: