Коротка відповідь

AI дозволяє автоматизувати рутинні завдання програмування та прискорювати розробку, однак створення складних програмних продуктів і далі потребує участі досвідчених інженерів, здатних проєктувати архітектуру, розуміти бізнес-логіку й контролювати якість результату.

Розробники, які опанували AI-інструменти, можуть значно підвищити свою продуктивність. При цьому фахівцям-початківцям важливо використовувати AI не лише для генерації коду, а й для навчання, аналізу рішень і розвитку власних інженерних навичок.

Для бізнесу ключове значення має команда, яка вміє ефективно використовувати можливості AI, зберігаючи відповідальність за якість, безпеку й надійність програмного продукту.

Передмова.

На написання цієї статті мене наштовхнули численні інтерв’ю з Демісом Хассабісом (одним із найвпливовіших науковців у сфері AI), а також соціальне питання щодо необхідності програмістів у майбутньому та їхнього працевлаштування в епоху активного застосування AI.

Почнемо.

Наразі поширена думка, що AI замінить програмістів, мільйони людей втратять роботу й узагалі програмісти стануть непотрібними. Я дуже скептично ставлюся до цього твердження. При цьому ми в нашій команді активно використовуємо майже всі доступні інструменти, які дають нам LLM (велика мовна модель — далі для простоти будемо говорити просто “AI”), і завдяки напрацьованій експертизі я беруся робити висновки, якими хочу з вами поділитися.

AGI vs AI

По-перше, люди дають хибну інтерпретацію AI, плутаючи його з AGI (загальним штучним інтелектом), і наділяють уже звичні для всіх LLM (AI) характеристиками, на які ці системи не здатні. При цьому AGI на сьогодні не існує.
У теоретичній концепції AGI покликаний стати самонавчальною системою, яка досконало розуміє причинно-наслідкові зв’язки й діє відповідно до завдань та змінних умов, контролюючи саму себе.
Натомість AI — це технологія на базі LLM (великих моделей даних, навчених людьми), яка покликана бути інструментом автоматизації та вирішення завдань, що раніше могли виконуватися виключно людиною.

Тобто:
AGI — самостійна одиниця з інтелектом рівня людини.
AI — технологія-помічник.

З теоретичною частиною щодо AGI та AI ми розібралися, але залишається ще одне питання, без відповіді на яке неможливо скласти повну формулу й рухатися далі: хто такий програміст і що це за професія?

Хто такі програмісти

Якщо розглядати програміста як людину, яка просто пише код, — це і є головна помилка, що створює плутанину. Програміст — це не просто “функція” у вигляді кнопки “увімкнути/вимкнути” або “написати код”. Насамперед це інженер, який визначає архітектуру та фундаментальні точки проєкту з розрахунком на майбутнє розширення функціональності й з урахуванням набору технологій, які будуть (або, можливо, будуть) застосовані в майбутньому.

Будь-який проєкт, що розвивається, постійно обростає новою субархітектурою в міру зростання й потребує врахування як уже створеного фундаменту, так і впровадження нових функцій з урахуванням усіх вимог. Тобто архітектурні завдання зберігаються протягом усього циклу розробки.

Допускаю формулювання, що програміст “як функція” виконує свою роль лише тоді, коли виправляє очевидну помилку (коли її чітко видно на екрані), коригуючи рядки коду. Але існують і такі помилки, які виникають у розрахунках і пов’язані з бізнес-логікою, коли потрібно не просто виправити кілька символів, щоб усунути синтаксичну помилку, а спілкуватися з клієнтом для уточнення всіх критеріїв і формул розрахунків (наприклад, у фінансових модулях).

Наведу зрозуміліший приклад. Ви будуєте будинок: спочатку створюється план, і лише після цього приходять спеціалісти, які прокладають електричні кабелі, будують водопровідні комунікації та виконують інші роботи на основі описаного завдання. Без плану це був би хаос, де кожен робив би так, як йому заманеться, а кінцевий результат був би таким самим, як і завдання — тобто відсутнім.

Коли ж потрібно щось доопрацювати в комунікаціях, де є прямий доступ, завдання також не вирішується бездумно: потрібно врахувати споживання електроенергії, безпеку, умови експлуатації та багато інших моментів перед тим, як запропонувати рішення. Навіть банальне подовження кабелю грамотний електрик виконує з урахуванням проводки, матеріалу та інших характеристик.

Тобто завжди є аналітична частина перед тим, як просто щось зробити.
У нашому прикладі: сам будинок (його каркас) — це базова архітектура, роботи всередині — потребують субархітектурного процесу, будь-які інші роботи з різними частинами будинку — також потребують субархітектурного процесу.

Якщо ще простіше: забити цвях — це функція, що потребує мінімум зусиль, а всі розрахунки (куди, як, з якою силою і, головне, з якою метою) — це і є попереднє планування, яке вимагає аналітики.

Повернемося до програмістів та AI

Мабуть, ми достатньо довго розбиралися з теоретичною частиною (і я сподіваюся, що зміг донести: будь-який процес складається з планування та впровадження). Тепер я готовий поділитися своїми висновками щодо того, що чекає програмістів.

І тут у мене є чудові новини для справжніх інженерів, відданих своїй справі, хороші новини для новачків і дуже погані новини для тих, хто заперечує революцію.

Почну з неприємного — і дуже сподіваюся, що людей у цій категорії ставатиме дедалі менше.

Для всіх програмістів

Якщо програміст пише код сам і досі використовує традиційні інструменти пошуку рішень, такий інженер цілком може втратити роботу. І не тому, що він поганий — ні. Просто сьогодні це можна порівняти з ефективністю у 10% від усіх можливостей, які можуть дати LLM (ChatGPT, Gemini та інші).

Це як винайти колесо й продовжувати носити мішки на плечах на далекі відстані, заперечуючи революцію та прогрес. При цьому я не є прихильником підходу, коли роботодавець або клієнт вичавлює максимум ефективності, щоб забрати весь ваш ресурс за копійки.

Річ у тім, що для мене, як для програміста з понад 20-річним досвідом, сьогодні є очевидні речі: ера пошуку відповідей і рішень у тому вигляді, в якому ми її знали, залишилася в минулому. А це означає одне — ми можемо швидше зростати й швидше знаходити рішення складних питань. Ті ж, хто цим не користується, просто відстають від своїх колег.

Для новачків

Тут усе не так просто й не так однозначно, але я бачу більше позитиву в тому, що колеги з невеликим досвідом можуть навчатися швидше. Ставлячи запитання LLM з описом своєї задачі, початківець отримає приклади коду, де AI спробує зібрати потрібне рішення. А навчатися на прикладах завжди простіше, особливо коли приклад створений під конкретний опис задачі.

Безумовно, іноді формулювання запиту може зайняти більше часу, ніж написання коду. Але ключовий момент тут — навчання на прикладі: можна побачити нові цікаві підходи, про які раніше не знали.

З часом, коли початківець почне розв’язувати складніші завдання, він точніше формулюватиме свої запити до AI, швидше розбиратиметься в його відповідях і підвищуватиме власну ефективність.

Чи може AI зашкодити новачкам? Безумовно, так. Якщо просто брати код, не перевіряти результат і не вчитися, це матиме негативні наслідки як для самого спеціаліста, так і для компанії, у якій він працює або для якої розв’язує задачі.

Але я все ж дивлюся на це з позитивного боку, адже LLM можуть дати суттєвий прогрес у навчанні, і я сподіваюся саме на такий сценарій для всіх моїх читачів.

Для профі своєї справи

А тепер — найприємніше. Програмісти, які роками зростали й відточували свій досвід, отримали надпотужного помічника у вигляді LLM. У них з’явився не просто шанс оптимізувати рутину, від якої вони давно втомилися, а й можливість у рази підвищити свою ефективність.

Вони й так знають, як будувати архітектуру, як писати якісний код і, що найважливіше, — вони знають, що таке зростання та масштабування продукту. Часто їм бракує лише прискорення в написанні повторюваних шматків коду та в пошуку рішень для інтеграції зовнішніх систем (наприклад, WABA, Stripe та інших API).

Тобто, коли потрібно розібратися з чимось новим або давно забутим, вони роблять це значно швидше й з меншими витратами особистого ресурсу. Такий професіонал перетворюється на справжнього маестро, який керує процесом збирання складних систем.

Він “користується колесом”, а не заперечує його існування. Він приносить більше користі за одиницю часу й з більшим задоволенням, ніж міг до появи LLM. Для таких людей нова ера починається швидше, адже вони одразу використовують інструмент за призначенням.

Для програмістів із досвідом настав неймовірний шанс швидко стати частиною нового, незворотного процесу й опанувати нову гілку професії, яку я сміливо назвав би “розробка із застосуванням навичок інженера-оператора LLM”, використовуючи новий інструмент на благо себе, роботодавця чи клієнтів.

Для клієнтів і роботодавців

На місці людей і компаній, які замовляють послуги програмістів, я б почав цікавитися, чи використовує команда, що створює їхні продукти, інструменти AI. Але без фанатизму й з розумінням суті питання (саме для цього я й пишу цю статтю).

Це схоже на ситуацію, коли ви просто запитуєте у підрядника-будівельника, чи має він усі інструменти для виконання робіт, чи вам доведеться їх докуповувати. У нашому випадку — це зниження ефективності команди й уповільнення розробки без об’єктивних причин.

Для тих, хто може обійтися без програміста

Мабуть, одне з найцікавіших і найхвилюючіших питань — і водночас першопричина всієї теми цієї статті. LLM справді дає змогу ввести запит на кшталт: “зроби мені сторінку сайту, яка містить…”, і з імовірністю 99% ви отримаєте результат, який вас порадує, адже ви зробили це самі.

Якщо для бізнесу достатньо такого результату — розмістити його на хостингу й вважати роботу виконаною, залишається лише поаплодувати всім учасникам, адже поставлене завдання вирішене.

Але коли йдеться про побудову складних систем — управління даними, контроль платежів і транзакцій, побудову логіки взаємодії з користувачами тощо — одного AI вже недостатньо. У результаті ви отримаєте код, з яким потрібно щось робити.

І якщо після отримання цього коду ви знаєте, що з ним робити, інтегруєте його в проєкт і все працює, це означає лише одне — ви програміст (принаймні початківець).

Якщо ж хтось без знань програмування вирішить узяти код свого проєкту й через спеціальні редактори (IDE) давати команди AI на доопрацювання продукту, результат буде приблизно таким самим, як розібрати вузол сучасного автомобіля, прикрутити туди нові деталі й очікувати, що все запрацює само собою, ще й з покращеними характеристиками.

Навіть на найточнішому виробництві існують спеціальні машини для перевірки результату — є “спостерігач”, який оцінює якість, і є люди, які ухвалюють рішення та керують процесом. У цьому сенсі AI не здійснив революції, і в його творців не було такої мети. Завдання LLM — бути інструментом і помічником.

Одне з сучасних хибних уявлень, яке виникло через агресивний маркетинг в AI-індустрії, — це спроба застосовувати AI, що вміє красиво міркувати, у процесах, які потребують гранично точних рішень і дій.

Мій вердикт у цій частині такий:

1. Для простих рішень — прості рішення (вони вже існують: хмарні конструктори сайтів, чат-ботів та інших мікротехнологій, якщо вони не потребують доопрацювання під вашу бізнес-логіку);

2. Для складних рішень — інженери-програмісти з навичками роботи з AI;

3. Для тестів і задоволення цікавості — будь-які засоби, включно з самостійними спробами розібратися й “попрограмувати” з AI.

Для тих, хто продовжує стверджувати, що AI витіснить розробників

Я доклав чимало зусиль, щоб систематизувати свої знання, навести приклади й зважені аргументи. Водночас я розумію, що кожен має право на власні висновки. Але дивлячись на ситуацію очима інженера, я не уявляю, як “молоток може витіснити спеціаліста, який ним користується”.

Зробити роботу простішою — так. Витіснити — ні, з огляду на природу й призначення цього інструменту.

Резюме

Я дуже натхненний тими змінами, які відбуваються. У мене є відчуття, що це саме те, що мало статися — принаймні в секторі програмування. Усе стало надто складним.

Наведу приклад. Ще 10 років тому ми мали мінімальний набір вимог до візуальної частини простої форми реєстрації та її логіки — збиралася вона за 10–15 хвилин. Сьогодні форму реєстрації користувача можна робити пів дня: з перевірками ще на етапі введення, мультимовністю, анімаційними ефектами під час відправлення та валідації, інтеграціями сторонніх сервісів (Google, Apple), відправленням SMS з кодом підтвердження тощо.

Мало статися щось подібне, щоб частина рутинних процесів програмування відійшла на другий план. Спільнота програмістів і приватні компанії намагалися вирішити це, створюючи спеціальні бібліотеки для спрощення повторюваних завдань, але з часом їх стало надто багато, а вимоги до сучасних продуктів лише зростали.

Сьогодні ж усі отримали унікальний інструмент у вигляді LLM (AI), за допомогою якого розробники економлять час на рутинних завданнях, а клієнти та їхні проєкти не відстають від сучасних вимог.

На мій погляд, це певний баланс: ми не можемо витрачати десятки, а то й сотню годин на один не найважливіший вузол системи. Для програміста це нудно, для клієнта — дорого. Краще фокусуватися на важливих речах і процесах, допомагаючи бізнесу зростати, адже ми, програмісти, саме для цього й існуємо.

P.S. Я з хвилюванням чекаю на AGI, про який писав на початку статті. Якщо людству вдасться створити щось подібне, це стане відправною точкою для глобальної революції в усіх індустріях послуг і виробництва.

Дякую, що дочитали мою статтю.

З повагою,
співзасновник DevCats,
Ihor Tykhonov

Оновлено:

Стаття була корисною?

2 вподобання
← До всіх статей