Κωδικοποίηση Vibe, AI και η Νέα Πραγματικότητα της Μηχανικής

Πριν από δέκα χρόνια, η ιδέα ότι το AI θα μπορούσε να γράφει κώδικα αντί για προγραμματιστές φαινόταν περισσότερο σαν μια εξαιρετικά φανταστική ιστορία. Σήμερα, έχει γίνει μέρος της καθημερινής πραγματικότητας. Οι MVPs κατασκευάζονται σε λίγες μέρες, οι διεπαφές γεννιούνται από κειμενικές προτροπές και τα βοηθάματα AI γίνονται πλήρη συμμετέχοντες στις ομάδες μηχανικής.

Ενάντια σε αυτό το υπόβαθρο, όλο και περισσότεροι άνθρωποι κάνουν τις ίδιες ερωτήσεις: Μπορεί πραγματικά το AI να αντικαταστήσει τους προγραμματιστές; Μπορεί η τεχνητή νοημοσύνη να αντισταθμίσει και να αντικαταστήσει έναν ανώτερο μηχανικό; Και τι θα συμβεί στο επάγγελμα στο κοντινό μέλλον;

Είμαι ο ίδιος προγραμματιστής και έχω μια γνώμη γι’ αυτό. Ας το αναλύσουμε.

Τι είναι το κεντρικό πρόβλημα;

Υπάρχει ένα κυρίαρχο αφήγημα για την κωδικοποίηση AI που λέει κάτι σαν αυτό:

Το AI γίνεται εξαιρετικά αποτελεσματικό στο γράψιμο κώδικα και, σημαντικά, ήδη αποφεύγει πολλά από τα κοινά λάθη που κάνουν οι άνθρωποι. Ακόμη πιο ενδιαφέρον είναι το γεγονός ότι το AI μπορεί να είναι καλύτερο στην αντιμετώπιση των così-καλουμένων περιπτώσεων άκρων: σπάνιες και ασυνήθιστες καταστάσεις που είναι πανταχού παρούσες στη μηχανική λογισμικού και συχνά δύσκολο για τους προγραμματιστές να τις προβλέψουν εκ των προτέρων.

Όταν ο προγραμματιστής λέει, «Θέλω ένα κουμπί εδώ», λαμβάνει μια απάντηση: «Εδώ είναι το κουμπί, εδώ είναι 18 περιπτώσεις άκρων που πρέπει να λάβεις υπόψη, εδώ είναι οι δοκιμές που πρέπει να εκτελέσεις και, μάλιστα, μπορεί να θελήσεις να προσθέσεις αυτό και αυτό». Μπορείς να το δεις και να σκεφτείς: «Ναι… αυτό έχει πραγματικά νόημα». Από μόνος σου, μπορείς να το καταλάβεις εβδομάδες αργότερα – μετά από κάτι που είχε ήδη πάει στραβά στην παραγωγή. Το AI συχνά προτείνει λύσεις αμέσως. Για τους μηχανικούς που ήδη έχουν δουλειά, αυξάνει σημαντικά την παραγωγικότητα και την αποτελεσματικότητα.

Και αυτό το αφήγημα οδηγεί trực tiếp σε μια οικονομική ερώτηση: αν μια εταιρεία προηγουμένως χρειαζόταν 100 προγραμματιστές για να χειριστεί một bestimmμένη εργασία, θεωρητικά μπορεί τώρα να χρειαστεί μόνο 20 – γιατί αυτοί οι 20 μπορούν να επιτύχουν την ίδια ποσότητα εργασίας με την βοήθεια του AI.

Τι κρύβεται πίσω από αυτήν την επιτάχυνση;

Όλο και περισσότερο, βλέπω πολύ ισχυρούς προγραμματιστές να φοβούνται για τις θέσεις τους, τη θέση τους στην αγορά και το εισόδημά τους. Νιώθουν ότι μπορεί να μην υπάρχει πλέον δουλειά για τους προγραμματιστές.

Και η απάντησή μου είναι συνήθως: παιδιά, δεν είναι τόσο δραματικό όσο φαίνεται. Στην πραγματικότητα, οι έμπειροι μηχανικοί κερδίζουν μια νέα種 είδους αξίας αυτή τη στιγμή. Γιατί μπορεί να είμαστε μια από τις τελευταίες γενιές προγραμματιστών που έγραψαν κώδικα με το χέρι και κατανοούν глубоко πώς λειτουργούν τα συστήματα κάτω από το καπό. Η επόμενη γενιά εργάζεται όλο και περισσότερο μέσω εργαλείων AI – και μαζί με αυτό, η πρακτική της μηχανικής αλλάζει.

Εδώ είναι τι το προηγούμενο αφήγημα δεν λαμβάνει υπόψη:

Ο κώδικας που παράγεται από το AI συχνά φαίνεται τέλεια. Οι εργασίες λύνονται, οι διεπαφές λειτουργούν και όλα τρέχουν. Αλλά με τον καιρό, σε μακρύτερη απόσταση, αρχίζουν να εμφανίζονται πιο υποtile προβλήματα: αρχιτεκτονικές συμβιβασμοί, αδύναμες μηχανικές αποφάσεις, προβλήματα με δομές δεδομένων ή προβλήματα κλιμάκωσης. Και αυτό συμβαίνει γιατί το AI είναι ήδη πολύ καλό στο να λύνει τοπικές εργασίες, ενώ η μακροπρόθεσμη λογική των μεγάλων συστημάτων vẫn χρειάζεται ανθρώπινη εμπειρία και κρίση.

Γι’ αυτό, όταν αυτά τα έργα φτάνουν σε σοβαρές παραγωγικές περιβάλλοντες – τράπεζες, πλατφόρμες ηλεκτρονικού εμπορίου, μεγάλης κλίμακας υπηρεσίες – οι ομάδες τελικά masih χρειάζονται ανθρώπους που μπορούν να αναλύσουν βαθιά την αρχιτεκτονική, να αναγνωρίσουν τις ρίζες των προβλημάτων και να επαναφέρουν την συνολική λογική του συστήματος.

Συχνά λαμβάνω κλήσεις από φίλους που λένε πράγματα σαν: «Μάικλ, μπορείς να πηδήξεις και να μας βοηθήσεις να κατανοήσουμε γιατί το σύστημα αρχίζει να καταρρέει;»尽管 σήμερα δουλεύω στο Physical AI στο Introspector, ακόμη και偶爾 μπορεί να βοηθήσω με αυτό το είδος δύσκολης χειροκίνητης μηχανικής εργασίας: ανακατασκευή της λογικής του συστήματος, ανάλυση αρχιτεκτονικής και κατανόηση του πού αρχίζουν να συσσωρεύονται τα προβλήματα.

Και αυτό είναι ακριβώς γιατί πιστεύω ότι οι ισχυροί μηχανικοί θα παραμείνουν πολύτιμοι για πολύ καιρό. Ταυτόχρονα, είναι συχνά οι έμπειροι μηχανικοί που βοηθούν στην βελτίωση και την εκπαίδευση των μοντέλων AI σήμερα. Στο Keymakr, είδαμε αυτό πρώτο χέρι όταν αναζητούσαμε έμπειρους προγραμματιστές για να επικυρώσουν κώδικα και να βοηθήσουν στην εκπαίδευση μοντέλων – ανθρώπους που μπορούν να βασιστούν στην πραγματική μηχανική σκέψη, την πρακτική εμπειρία και την βαθιά κατανόηση του πώς λειτουργούν τα συστήματα στον πραγματικό κόσμο.

Οι κύριες υποθέσεις

Και αυτό μας οδηγεί στο μεγαλύτερο ερώτημα για το μέλλον: πού οδηγεί όλα αυτά; Πώς θα μεγαλώσουμε την επόμενη γενιά μηχανικών αν εισέρχονται στην βιομηχανία μέσω ενός完全 διαφορετικού μονοπατιού από την αρχή;

Αν κοιτάξουμε την κατάσταση αντικειμενικά, χωρίς υπεροψία ή φόβο, βλέπω μερικές πιθανές σενάρια.

• Μια ασαφής μελλοντική εικόνα

Η πρώτη και πιθανότατα η πιο ειλικρινής απάντηση είναι ότι πολύ λίγοι άνθρωποι σήμερα σκέφτονται πραγματικά τόσο μακρύτερα. Απλά γιατί κανείς ακόμη δεν κατανοεί πλήρως τι θα μοιάζει αυτό το μέλλον στην πράξη.

Μaybe, σε quelques χρόνια, τα AI agents θα είναι πραγματικά ικανά να γράφουν σχεδόν τέλειο κώδικα – με ισχυρή αρχιτεκτονική, κλιμάκωση και контекστοποιημένη κατανόηση. Τώρα, αυτό το ερώτημα είναι ακόμη πλήρως ανοιχτό.

Ταυτόχρονα, μεγάλες τεχνολογικές εταιρείες όπως η Apple, η Microsoft και η Google συνεχίζουν να προσλαμβάνουν ισχυρούς ερευνητές, ειδικούς PhD και ανθρώπους από ακαδημαϊκούς περιβάλλοντες. Αυτό πιθανότατα υποδηλώνει ότι πιστεύουν ότι η βαθιά μηχανική κατανόηση θα παραμείνει σημαντική ακόμη και σε ένα κόσμο όπου ο περισσότερος κώδικας παράγεται αυτόματα.

Οι μικρότερες εταιρείες, ωστόσο, λειτουργούν με ένα πολύ διαφορετικό ορίζοντα σχεδιασμού. Όταν δεν ξέρεις αν η startup σου θα υπάρχει ακόμη σε έξι μήνες, γίνεται δύσκολο να σκεφτείς σοβαρά τι μπορεί να συμβεί σε δέκα χρόνια. Βέβαια, κανείς δεν θέλει να χτίσει κάτι που είναι θεμελιωδώς ελαττωματικό. Οι ομάδες προσπαθούν να αναγνωρίσουν πιθανές απειλές και αδυναμίες.

Αλλά στην πραγματικότητα, η λογική είναι συχνά πολύ απλούστερη: πρώτα, χτίσε ένα προϊόν που λειτουργεί και παράγει έσοδα – και μετά αντιμετώπισε την αρχιτεκτονική, την βελτίωση και την αναγραφή του συστήματος αργότερα. Το πρόβλημα είναι ότι, σε πολλά έργα, «αργότερα» συνεχίζει να αναβλήεται αόριστα.

• Εξέλιξη σε σπείρες

Η δεύτερη απάντηση, κατά τη γνώμη μου, είναι ακόμη πιο ενδιαφέρουσα. Αν κοιτάξεις την ιστορία της βιομηχανίας, έχει ήδη περάσει από παρόμοιες μεταβάσεις πολλές φορές trước. Οι πρώτοι προγραμματιστές δούλευαν με κάρτες perforation. Στη συνέχεια ήρθε η γενιά των μηχανικών που έγραφαν σε Assembly – κάτι που είναι ήδη δύσκολο για πολλούς σύγχρονους προγραμματιστές να φανταστούν. Πίσω τότε, έπρεπε να κατανοήσεις πώς λειτουργούν τα hardware, να σκεφτείς με όρους λογικής επεξεργαστή και να κρατήσεις μια τεράστια ποσότητα χαμηλού επιπέδου πολυπλοκότητας στο μυαλό σου.

Στη συνέχεια ήρθε η εποχή του COBOL. Ολόκληρες τράπεζες mainframe χτίστηκαν σε αυτό, και το πιο εκπληκτικό μέρος είναι ότι ένα σημαντικό μέρος της παγκόσμιας τραπεζικής υποδομής vẫn τρέχει σε αυτά τα παλιά συστήματα σήμερα. Υπάρχουν ακόμη προγραμματιστές στα 60 και 70 τους που διατηρούν αυτή τη βάση κώδικα, και παραμένουν εξαιρετικά πολύτιμοι ειδικοί.

Η επόμενη γενιά μετακινήθηκε στο C++, Python και JavaScript. Εγώ ανήκω σε αυτήν την εποχή. Για παράδειγμα,几乎 δεν κατανοώ πώς λειτουργεί το COBOL. Θεωρητικά, θα μπορούσα να το μάθω – αλλά για μένα ήδη φαίνεται σαν κάτι μακρινό και ξένο.

Και όταν κοιτάξεις ιστορικά, εμφανίζεται ένα ενδιαφέρον μοτίβο: κάθε νέα γενιά μηχανικών δεν χρειάζεται πλέον να κατανοήσει βαθιά πώς λειτουργούσε η τεχνολογία της προηγούμενης γενιάς. Με τον καιρό, η γνώση ενσωματώνεται στην υποδομή herself.

Οι κάρτες perforation εξαφανίστηκαν εδώ και πολύ καιρό – η λογική τους είναι τώρα ενσωματωμένη στους επεξεργαστές. Το Assembly έχει εξαφανιστεί ως εργαλείο mainstream, επειδή η πολυπλοκότητά του έχει κρυφτεί μέσα στα λειτουργικά συστήματα, τους οδηγούς και τις χαμηλότερες αφηρημένες στρώσεις. Ακόμη και τα ακουστικά σου σήμερα πιθανότατα περιέχουν ένα μικρό λειτουργικό σύστημα που τρέχει όλη αυτήν την κρυφή πολυπλοκότητα στο παρασκήνιο – οι περισσότεροι άνθρωποι απλά δεν σκέφτονται γι’ αυτό.

Φυσικά, υπάρχουν ακόμη ειδικοί που κατανοούν όλη αυτήν την κρυφή μαγεία. Αλλά για την większość της βιομηχανίας, έχει ήδη γίνει ένα επίπεδο αφαίρεσης.

Και αυτό οδηγεί σε μια πολύ λογική ιδέα: μπορεί το AI να είναι απλώς το επόμενο στάδιο αυτής της εξέλιξης. Μaybe η επόμενη γενιά δεν θα χρειαστεί να κατανοήσει την κλασική προγραμματιστική τόσο βαθιά όσο εμείς.

• Η οικονομία της αγοράς

Μια άλλη υπόθεση που έχω είναι ότι η κωδικοποίηση Vibe – ή η ανάπτυξη με την βοήθεια του AI – τελικά θα σταματήσει να θεωρείται «δωρεάν επιτάχυνση». Στην πραγματικότητα, δεν είναι πλήρως δωρεάν – είναι απλώς ότι, για τώρα, όχι όλοι υπολογίζουν προσεκτικά την πραγματική οικονομία πίσω από αυτό.

Μοντέλα, token, υποδομή, συνεχείς αιτήσεις, διατήρηση ολόκληρης της πιπεριάς AI – όλα αυτά γίνονται σταδιακά ένα σημαντικό λειτουργικό έξοδο. Αυτό είναι γιατί πιστεύω ότι οι εταιρείες σύντομα θα αρχίσουν να κοιτάζουν πολύ πιο προσεκτικά το πραγματικό κόστος της ανάπτυξης με την βοήθεια του AI και να ρωτούν ένα πολύ πρακτικό ερώτημα: τι είναι πραγματικά πιο αποτελεσματικό – η επέκταση μιας ομάδας μηχανικών ή η διατήρηση ολόκληρης της υποδομής AI γύρω από την ανάπτυξη;

Ένα πολύ πραγματικό σενάριο είναι ότι οι ισχυρές ομάδες μηχανικών μπορεί τελικά να αποδειχθούν πιο οικονομικά βιώσιμες, ιδιαίτερα όταν πρόκειται για τη διατήρηση, την εξέλιξη και την υποστήριξη προϊόντων μακροπρόθεσμα.

Ωστόσο, πιστεύω ότι αυτό είναι πραγματικά όπου μια νέα種 είδους ομάδας μηχανικής μπορεί να εμφανιστεί: πολύ μικρές ομάδες πολύ έμπειρων ειδικών που επικεντρώνονται στη διατήρηση της σταθερότητας και της ανθεκτικότητας της υποδομής herself. Με τον καιρό, αυτό μπορεί να γίνει μια από τις πιο πολύτιμες ειδικότητες μηχανικής στην βιομηχανία.

• Άνθρωποι που θα δουλεύουν μαζί με το AI

Και η τελική υπόθεση – αν και μια πολύ πραγματική – είναι ότι η επόμενη γενιά μηχανικών πιθανότατα θα πρέπει να χτίσει την καριέρα τους σε ένα完全 διαφορετικό περιβάλλον. Και αυτό υπερβαίνει την κωδικοποίηση μόνο. Παρόμοιες αλλαγές έχουν ήδη αρχίσει να ανασχηματίζουν το δίκαιο, τις финάνσες, την ιατρική και σχεδόν κάθε πεδίο όπου το AI μπορεί να αναλάβει ένα σημαντικό μέρος του πνευματικού ρουτίνας εργασίας.

Παρά όλα αυτά, ainda tend να βλέπω τι συμβαίνει khá θετικά. Πιθανότατα γιατί, γενικά, μου αρέσει η πρόοδος. Μου αρέσει η ιδέα ότι η τεχνολογία μπορεί να βελτιώσει τις ζωές των ανθρώπων, να απελευθερώσει τους ανθρώπους από τεράστιες ποσότητες επαναλαμβανόμενης εργασίας και να κάνει πολλές διαδικασίες ασφαλέστερες και πιο αποτελεσματικές.

Για παράδειγμα, τα αυτόνομα συστήματα οδήγησης όπως το Tesla ή το Waymo έχουν ήδη δείξει εξαιρετικά υψηλά επίπεδα ασφάλειας σε πολλές καταστάσεις σε σύγκριση με τους ανθρώπινους οδηγούς. Και αυτό είναι πραγματικά εντυπωσιακό.

Ταυτόχρονα, ο κόσμος που οι παιδιά μας εισέρχονται θα είναι πολύ πιο περίπλοκος σε όρους επαγγελματικής ταυτότητας. Θα πρέπει να αναζητήσουν το μέρος και τον σκοπό τους σε ένα ταχέως μεταβαλλόμενο τοπίο.

Αν ένα παιδί σήμερα θέλει να γίνει δικηγόρος, οικονομικός αναλυτής ή προγραμματιστής, υπάρχει μια ισχυρή πιθανότητα ότι αυτά τα επαγγέλματα θα μοιάζουν完全 διαφορετικά στο μέλλον. Πιθανότατα θα γίνουν ειδικοί που δουλεύουν στενά μαζί με νομικά AI, οικονομικά AI ή κωδικοποίηση AI – άνθρωποι που λειτουργούν συστήματα AI, επικυρώνουν εξόδους, παρέχουν контекスト και λαμβάνουν τις κρίσιμες αποφάσεις.

Πιστεύω ότι είναι σημαντικό να αναγνωρίσουμε ότι σχεδόν κάθε ένα από αυτά τα σενάρια ήδη φαίνεται πραγματικό σήμερα. Και αν μας αρέσει ή όχι, όλα αυτά που συμβαίνουν τώρα είναι μέρος ενός πολύ μεγαλύτερου κύματος τεχνολογικής πρόοδου. Είναι πολύ απίθανο ότι αυτή η διαδικασία μπορεί να σταματήσει. Αυτό σημαίνει ότι θα πρέπει να μάθουμε πώς να ζούμε σε αυτόν τον νέο κόσμο – σταδιακά μαθαίνοντας πώς να ισορροπούμε, να επικοινωνούμε με αυτόν και vielleicht ακόμη και να αναπτύσσουμε μια νέα μορφή συνύπαρξης μαζί του.