Jon Friskics, Principal Technical Author, Pluralsight – Συνέντευξη Σειράς

Jon Friskics, Principal Technical Author, Pluralsight, είναι ένας έμπειρος εκπαιδευτικός και ηγέτης περιεχομένου που ειδικεύεται στην ανάπτυξη λογισμικού και τις μαθησιακές εμπειρίες που επικεντρώνονται στο AI. Στην τρέχουσα θέση του, δημιουργεί εξειδικευμένα βίντεο μαθήματα και εργαστήρια με πρακτική άσκηση που καλύπτουν τεχνολογίες όπως το Claude, Node.js, TypeScript, Tailwind CSS και Python, βασίζοντας την καριέρα του σε μια μακρά θητεία στην εταιρεία που περιλαμβάνει senior authoring, αρχιτεκτονική μάθησης και ηγεσία σε εκπαίδευση και στρατηγική учебικού προγράμματος. Πριν από αυτό, έπαιξε ένα κλειδί ρόλο στη διαμόρφωση συστημάτων μάθησης που είναι ανταποκρίσιμα σε πολλαπλά επίπεδα και οδήγησε χιλιάδες δημιουργούς τεχνικού περιεχομένου με πρακτικές βασισμένες σε ενδείξεις, ενώ νωρίτερα στην καριέρα του ηγήθηκε της στρατηγικής περιεχομένου στη Code School και δίδασκε ένα ευρύ φάσμα τεχνικών θεμάτων στο Πανεπιστήμιο της Κεντρικής Φλόριντα, καθιστώντας μια ισχυρή βάση και στην εκπαίδευση και στην ανάπτυξη του πραγματικού κόσμου.

Pluralsight είναι μια ηγετική πλατφόρμα ανάπτυξης τεχνολογικών ικανοτήτων που παρέχει διαδικτυακά μαθήματα, εργαστήρια με πρακτική άσκηση και αξιολογήσεις δεξιοτήτων για να βοηθήσει άτομα και οργανισμούς να xây dựng εμπειρογνωσία σε περιοχές όπως η ανάπτυξη λογισμικού, το AI, η υπολογιστική στο cloud και η κυβερνοασφάλεια. Ιδρυθείσα το 2004, η εταιρεία έχει εξελιχθεί σε一个 ολοκληρωμένο μάθησης οικοσύστημα που χρησιμοποιείται από επιχειρήσεις και επαγγελματίες παγκοσμίως, συνδυάζοντας εξειδικευμένο περιεχόμενο με ενδείξεις για να κλείσει τα κενά δεξιοτήτων και να επιταχύνει την ανάπτυξη της εργατικής δύναμης σε μια ολοένα και περισσότερο τεχνολογικά επηρεασμένη οικονομία.

Η καριέρα σας καλύπτει την σχεδίαση διαδραστικών учебικών προγραμμάτων, μεγάλης κλίμακας τεχνικών συστημάτων μάθησης και προηγμένων εργαλείων εκπαίδευσης AI. Πώς έχει διαμορφώσει αυτή η βάση την προοπτική σας για το γιατί η ισχυρή κρίση μηχανικού εξακολουθεί να έχει σημασία σε μια εποχή με AI-βοηθούμενη κωδικοποίηση;

Η εμπειρία μου έχει δείξει ότι η ισχυρή κρίση μηχανικού είναι περισσότερο από το γράψιμο κώδικα. Είναι για την κατανόηση συστημάτων και μακροπρόθεσμων συνεπειών. Το AI μπορεί να αυτοματοποιήσει εργασίες και να δημιουργήσει ένα πλαίσιο που οδηγεί σε λύσεις, αλλά δεν καταλαβαίνει πάντα την επίδραση των αποφάσεων στα χρήστες ή τα συστήματα με τρόπους που είναι προβλέψιμοι. Η ανθρώπινη κρίση εξασφαλίζει ότι το AI χρησιμοποιείται για να αυξήσει την παραγωγικότητα με ασφάλεια, Η κρίση μηχανικού είναι πιο πολύτιμη από ποτέ, οδηγώντας ομάδες να αξιοποιήσουν το AI αποτελεσματικά ενώ διατηρούν την ποιότητα και την αξιοπιστία.

Η Pluralsight έχει επικεντρωθεί για πολύ καιρό στην κλείσιμο των κενών τεχνικών δεξιοτήτων. Πώς βλέπετε αυτή την αποστολή να εξελίσσεται τώρα που οι δεξιότητες συνεργασίας AI πρέπει να τοποθετηθούν δίπλα στις παραδοσιακές θεμελιώδεις δεξιότητες ανάπτυξης λογισμικού;

Η αποστολή της Pluralsight είναι να εξοπλίζει τους μαθητές με τις θεμελιώδεις τεχνικές δεξιότητες που χρειάζονται για να επιτύχουν. Όταν το AI γίνεται συνεργάτης στην ανάπτυξη, αυτές οι θεμελιώδεις δεξιότητες παραμένουν απαραίτητες, αλλά οι ομάδες χρειάζεται επίσης να κατανοήσουν πώς να συνεργαστούν με το AI με ευθύνη και να επικυρώσουν τις εξόδους του. Αν και το AI μπορεί να δημιουργήσει κώδικα, δεν αντικαθιστά την ανάγκη για δεξιότητες κωδικοποίησης, και μπορεί να ενισχύσει αυτές τις δεξιότητες με την προσθήκη κατανόησης ροής εργασίας και συστημικής σκέψης πάνω στις υπάρχουσες δεξιότητες. Η Pluralsight βοηθά τους μαθητές να xây dựng πάνω στις υπάρχουσες θεμελιώδεις δεξιότητες και να διατηρήσουν τη στρατηγική σκέψη μέσω λύσεων μάθησης που περιλαμβάνουν μαθήματα upon demand, εργαστήρια με πρακτική άσκηση και εργαστήρια που οδηγούνται από ανθρώπινους εμπειρογνώμονες που εξελίσσονται παράλληλα με την τεχνολογική καινοτομία.

Ποίες συγκεκριμένες αρχιτεκτονικές, ανάπτυξης και διαχείρισης ρίσκου δεξιότητες πιστεύετε ότι είναι πιο ευάλωτες να επηρεαστούν αν οι développers γίνουν υπερβολικά εξαρτημένοι από τον κώδικα που παράγεται από το AI;

Οι développers που βασίζονται υπερβολικά στην παραγωγή κώδικα από το AI και αποδέχονται τις εξόδους του χωρίς να πάρουν τον χρόνο να κατανοήσουν τι παράγεται μπορεί να αποδυναμώσουν τις στρατηγικές δεξιότητές τους όπως η αρχιτεκτονική σκέψη και η αξιολόγηση ρίσκου με την πάροδο του χρόνου. Η κατανόηση του πώς οι συνιστώσες αλληλεπιδρούν και η σχεδίαση για αξιοπιστία είναι ικανότητες που μαθαίνονται μέσω της εμπειρίας σε πολλές διαφορετικές καταστάσεις.. Αυτό σημαίνει ότι η υπερβολική εξάρτηση από το AI μπορεί να οδηγήσει не μόνο σε κρυφές ευπάθειες και αστάθεια συστήματος, αλλά και να αποδυναμώσει τις μακροπρόθεσμες ικανότητες επίλυσης προβλημάτων των développers, επιτρέποντας σε αυτά τα προβλήματα να παραμείνουν ανεπίλυτα μέχρι να είναι πολύ αργά.

Όταν τα αυτόνομα εργαλεία κωδικοποίησης κερδίζουν έλξη, πού βλέπετε την μεγαλύτερη διασύνδεση μεταξύ того που αυτά τα εργαλεία υπόσχονται και τι οι μηχανικοί είναι πραγματικά προετοιμασμένοι να επικυρώσουν ή να εποπτεύσουν;

Η συνεχής μάθηση είναι απαραίτητη για τους μηχανικούς καθώς εργάζονται μαζί με τα εργαλεία ανάπτυξης που βοηθούνται από το AI και τα αυτόνομα συστήματα κωδικοποίησης. Τα αυτόνομα εργαλεία κωδικοποίησης υπόσχονται ταχύτητα και ακρίβεια στη δημιουργία λειτουργικού κώδικα, αλλά τους λείπει η κατανόηση των αλληλεπιδράσεων συστήματος, της ασφάλειας και του επιχειρηματικού αντικτύπου, και αυτό σημαίνει ότι πρέπει να παρέχετε αυτήν την έλλειψη контекστο. Η διασύνδεση βρίσκεται στην υπόθεση ότι η έξοδος του AI είναι πλήρης ή σωστή στην απουσία ανθρώπινης εποπτείας. Όταν τα βήματα επικύρωσης παραλείπονται ή βιάζονται, οι ομάδες κινδυνεύουν να εισαγάγουν κοστοβόρα σφάλματα, ευπάθειες ασφάλειας ή αρχιτεκτονικές ασυμφωνίες. Αυτό ενισχύει την ανάγκη για τους μηχανικούς να ενημερώνουν συνεχώς τις δεξιότητές τους ώστε να μπορούν να διαχειριστούν και να επικυρώσουν αποτελεσματικά το έργο που παράγεται από το AI.

Πώς πρέπει οι εταιρείες να ξανασκέφτουν τις στρατηγικές τους για την ανάπτυξη των développers ώστε να εξασφαλίσουν ότι οι développers γνωρίζουν πότε να εμπιστεύονται τις προτάσεις του AI και πότε να επιβραδύνουν και να εφαρμόσουν μια πιο sâuστή ανασκόπηση;

Η ανάπτυξη πρέπει να τονίζει την γνώση του πότε η έξοδος του AI είναι αξιόπιστη έναντι του πότε χρειάζεται μια πιο sâuστή ανασκόπηση, συμπεριλαμβανομένης της δοκιμής σενάριου και της επικύρωσης προώθησης. Αυτή η προσέγγιση ενισχύει την κρίση παράλληλα με τις δεξιότητες κωδικοποίησης, εξασφαλίζοντας ότι οι développers μπορούν να εμπιστεύονται το AI με επιλογή και όχι να βασίζονται υπερβολικά στον αυτόματο κώδικα. Τα προγράμματα L&D που παρέχουν δομημένες, πρακτικές εμπειρίες μάθησης επιτρέπουν στους développers να πειραματίζονται με τις εργασίες που βοηθούνται από το AI για να δουν πώς ο αυτόματος κώδικας συμπεριφέρεται μέσα σε πλήρη εφαρμογές και να ασκήσουν αυτήν την κρίση σε ένα περιβάλλον αμμοδοχείου. Με την εξάρτηση και από την εξειδικευμένη διδασκαλία και από τις πρακτικές ασκήσεις, οι développers μπορούν να ενισχύσουν τις κρίσιμες δεξιότητες σκέψης που χρειάζονται για να αξιολογήσουν τις εξόδους του AI με ευθύνη.

Σε γρήγορα κινούμενα περιβάλλοντα προϊόντων, πώς μπορούν οι ηγέτες μηχανικής να αποτρέψουν τις συντομεύσεις που παράγονται από το AI από την εισαγωγή μακροπρόθεσμου τεχνικού χρέους ή ευπαθειών ασφάλειας;

Οι ηγέτες πρέπει να επιβάλλουν πλαισιά κανονιστικών και αξιολόγησης ρίσκου για τον κώδικα που παράγεται από το AI. Η καθιέρωση ισχυρών ορίων και η έλεγχος των εξόδων θα μπορούσε να βοηθήσει στην πρόληψη του μακροπρόθεσμου τεχνικού χρέους και των ευπαθειών ασφάλειας. Θα πρότεινα επίσης την εκπαίδευση développers που επικεντρώνεται στις ασφαλείς πρακτικές κωδικοποίησης και την αρχιτεκτονική ευαισθησία για να εξασφαλιστεί ότι οι développers κατανοούν τις ανταλλαγές που υπάρχουν πίσω από τις προτάσεις του AI. Τακτικές ανασκοπήσεις και σεναριο-βασισμένες ασκήσεις μπορούν να βοηθήσουν στην μείωση της πιθανότητας ότι οι συντομεύσεις συσσωρευτούν σε κρυφά συστημικά ρίσκα.

Τι πρακτικά πλαισιά ή φράγματα θα συνιστούσατε οι οργανισμοί να υιοθετήσουν για να διατηρήσουν την κωδικοποίηση του AI ως συνεργασία και όχι ως ευθύνη;

Τα εργαλεία που λειτουργούν καλύτερα για αυτό είναι νέα πρωτόκολλα ανασκόπησης, παρακολούθηση ελέγχου έκδοσης και πειραματισμός με το AI σε αμμοδοχείο. Η αξιοποίηση μετρήσεων, πλαισίων παρατηρησιμότητας και αξιολογήσεων θα βοηθήσει τις ομάδες να παρακολουθούν την ποιότητα εξόδου και να ενισχύσουν την υπεύθυνη συνεργασία για να εξασφαλίσουν ότι το AI είναι συνεργάτης στην παραγωγικότητα και όχι ευθύνη. Είναι επίσης πολύτιμο για τους οργανισμούς να εξερευνήσουν τις εργασίες που βοηθούνται από το AI για να κατανοήσουν τις ικανότητες και τις περιορισμούς αυτών των εργαλείων για τις μοναδικές ανάγκες των ομάδων τους. Αυτές οι πρακτικές θα βοηθήσουν τις ομάδες να αναπτύξουν την κρίση που χρειάζεται για να ενσωματώσουν τις προτάσεις του AI αποτελεσματικά χωρίς να επηρεάσουν την ποιότητα κώδικα ή την σταθερότητα του συστήματος.

Κοιτάζοντας μπροστά, τι διακρίνει τους développers που θα ευδοκιμήσουν σε ένα μέλλον που εμπλουτίζεται με το AI από εκείνους που μπορεί να δυσκολευτούν να προσαρμοστούν;

Οι développers που θα ευδοκιμήσουν σε ένα μέλλον που εμπλουτίζεται με το AI θα συνδυάσουν ισχυρές θεμελιώδεις δεξιότητες με κρίση, προσαρμοστικότητα και συστημική σκέψη. Κατανοούν πότε να εμπιστεύονται το AI, πότε να παρέμβουν για να οδηγήσουν και να ανακατευθύνουν, και πώς οι εξόδους ταιριάζουν στο ευρύτερο σύστημα. Αυτοί που θα δυσκολευτούν μπορεί να βασίζονται υπερβολικά στην αυτοματοποίηση, να λείπουν εμπειρίας με περιπτώσεις άκρων, ή να μην επικυρώσουν αποτελέσματα, κινδυνεύοντας να κάνουν λάθη για την οργάνωση τους και να χάσουν τις πολύτιμες ευκαιρίες μάθησης που ενισχύουν την εμπειρογνωσία ενός développer καθ’ όλη τη διάρκεια μιας αυστηρής καριέρας. Η συνεχής μάθηση και η πρακτική πειραματισμός με τις εργασίες που βοηθούνται από το AI θα βοηθήσουν τους développers να αναπτύξουν αυτές τις δεξιότητες σε ένα συντομότερο χρονικό διάστημα και να παραμείνουν αποτελεσματικοί καθώς τα εργαλεία κωδικοποίησης του AI εξελίσσονται.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Pluralsight.