Jak AI zmienia sposób, w jaki inżynierowie rozwijają się

Około rok temu, jeden z najgłośniejszych debat w branży oprogramowania dotyczył przyszłości młodszych inżynierów. Argument brzmiał prosto: jeśli AI może już obsłużyć wiele zadań programistycznych na poziomie juniora, to dlaczego nadal zatrudniać i szkolić juniorów? I jeśli firmy przestaną rozwijać juniorów, to skąd będą pochodzić seniorzy pięć lat później?

To było poważne pytanie, i wiele inteligentnych ludzi potraktowało je poważnie.

Wówczas moja odpowiedź brzmiała, że inne profesje już rozwiązały wersje tego problemu. Nikt nie kończy studiów medycznych i nie wykonuje od razu operacji serca samodzielnie. Lekarze spędzają lata na obserwacji, stażu, rezydenturze i praktyce pod nadzorem, zanim system im ufa, aby mogli działać samodzielnie.

Ten sam wzorzec istnieje w przywództwie wykonawczym. Nikt nie kończy college’u i nie zarządza od razu firmą z listy Fortune 500. Ludzie zarządzają mniejszymi zespołami, a następnie większymi jednostkami biznesowymi i stopniowo gromadzą doświadczenie wraz z upływem czasu. Ścieżka staje się dłuższa, bardziej praktyczna i bardziej oparta na stażu, wraz ze wzrostem złożoności roli.

Nadal uważam, że inżynieria idzie w tym kierunku. Ale w ciągu ostatnich kilku miesięcy zacząłem myśleć o tym problemie inaczej, dzięki trzem niezwiązanym ze sobą doświadczeniom, które wszystkie wskazywały na ten sam wniosek.

Trzy przykłady

Mój przyjaciel niedawno spędził kilka miesięcy na przygotowaniach do egzaminu z języka czeskiego. On i kilku jego kolegów zatrudnili ludzkich tutorów i zainwestowali prawdziwe pieniądze w ten proces. On uzyskał komfortową passing. Większość innych nie.

Największa różnica, według niego, polegała na tym, że jego główny tutor był w rzeczywistości ChatGPT.

Mógł studiować o 23:00, jeśli chciał. Mógł powtarzać ten sam ćwiczenie koniugacji czterdzieści razy, nie martwiąc się o to, że ktoś straci cierpliwość. Mógł odgrywać role w bardzo konkretnych sytuacjach, takich jak interakcja z czeskim urzędnikiem podatkowym, i dostosowywać sesję dokładnie do tego, z czym miał trudności w tym dniu.

Ludzcy tutorzy byli dobrzy. Po prostu nie mogli dorównać dostępności, powtarzalności i personalizacji.

Widzę coś podobnego u mojego syna i fizyki. On już dobrze rozumie ten przedmiot, więc nie używa Claude, aby mu podawać odpowiedzi. Używa go, aby go wyzwalać. Prosi go o generowanie trudniejszych problemów, naciska na jego założenia, wyjaśnia, dlaczego podejście było bliskie, ale ostatecznie błędne, i quizuje go interaktywnie.

Najbliższe porównanie, jakie mogę wymyślić, to doświadczenie inteligentnych dzieci, które kiedyś miały starszego rodzeństwa studiującego fizykę. Tylko ta wersja jest zawsze dostępna, nigdy niecierpliwa i nigdy nie mówi „zapytaj mnie później”.

Mój brat, który jest jeszcze w szkole średniej, buduje mały projekt hobbystyczny, który ostatecznie chce skomercjalizować. Pomógł mu ustawić kodujący agent i zautomatyzować kilka procesów. Każdego popołudnia o 17:00, podczas gdy on kończy szkołę, agent skanuje jego kod i pozostawia mu sugestie poprawek. Raz w tygodniu inny proces uruchamia badania rynkowe i prezentuje nowe pomysły.

On to kochał.

W pewnym momencie żartował, „Jeśli kodowanie jest takie łatwe, to zaraz zabraknie mi pomysłów”.

Powiedziałem mu, że pomysły zawsze były rzadkim zasobem. Różnica teraz polega na tym, że wykonanie nie ogranicza ich już w ten sam sposób, ponieważ wdrożenie stało się dramatycznie tańsze.

Szybsze pętle informacji zwrotnej

Żaden z tych przykładów nie dotyczy w rzeczywistości języka czeskiego, fizyki czy przeglądu kodu.

Są to przykłady wysoko personalizowanej informacji zwrotnej, która staje się ciągle dostępna.

Historycznie, młodsi inżynierowie uczyli się częściowo przez powtarzalność i częściowo przez bliskość doświadczonych ludzi. Pisałeś kod, czekałeś na przegląd, otrzymywałeś informację zwrotną, kiedy senior wreszcie miał czas, i stopniowo budowałeś doświadczenie w ciągu kilku lat.

AI zmienia samą pętle informacji zwrotnej.

Młodszy inżynier z odpowiednio skonfigurowanym asystentem AI otrzymuje wiele rzeczy, które wcześniej zależały od dostępności seniora. Natychmiastowy przegląd kodu. Wyjaśnienia, dlaczego wybór projektu może spowodować problemy później. Odwołania do podobnych wzorców w innych częściach kodu. Odpowiedź, kiedy sięga się po najbardziej oczywiste wdrożenie zamiast lepszego.

Najważniejsze, informacja zwrotna przychodzi, podczas gdy inżynier wciąż jest wewnątrz problemu, a nie dwa dni później, po tym, jak kontekst zniknął.

To ma znaczenie, ponieważ przejście od juniora do seniora zawsze było napędzane w dużej mierze przez doświadczenie. Doświadczenie to w dużej mierze rozpoznanie wzorców, zbudowane przez powtarzające się narażenie na błędy, kompromisy i przypadki graniczne. Im szybciej ktoś może przechodzić przez te pętle informacji zwrotnej, tym szybciej rozwija się doświadczenie.

Wąskie gardło użyte do seniorów. Teraz coraz bardziej siedzi u uczącego się.

Bezpieczna sieć się poprawia

Istnieje jeszcze jeden przesunięcie, które ma takie same znaczenie.

Młodszy inżynier pracujący z silnymi systemami przeglądu AI jest znacznie mniej prawdopodobny, aby przypadkowo uszkodzić system produkcyjny.

Wiele klasycznych błędów jest teraz od razu oznaczonych: zahardcodowane poświadczenia, połknięte wyjątki, niebezpieczne zapytania, problemy zabezpieczeń, oczywiste problemy architektoniczne, źle zakresione zależności. Źle przygotowane wnioski są coraz częściej łapane, zanim opuszczą laptop.

To zmienia podłogę dla pracy juniora.

Historycznie, znaczna część czasu seniorów była poświęcana na ochronę organizacji przed niepotrzebnymi błędami. Warstwy przeglądu AI coraz bardziej absorbują część tego ciężaru, co pozwala juniorom działać bardziej niezależnie wcześniej, niż mogli wcześniej.

To nie eliminuje potrzeby mentorstwa lub nadzoru. To zmienia, gdzie mentorstwo staje się najbardziej wartościowe.

Przerwa się powiększa

Optymistyczna wersja tej przyszłości zależy silnie od tego, jak indywidualny inżynier używa systemu.

Ktoś, kto traktuje AI głównie jako skrót wokół myślenia, prawdopodobnie wygeneruje więcej kodu, ucząc się bardzo niewiele. Dziesięć lat temu ta sama osoba skopiowałaby rozwiązania ze Stack Overflow, nie rozumiejąc ich. Mechanizm się zmienił. Podstawowe zachowanie nie.

AI nigdy nie rozwiąże intelektualnej bierności.

Najbardziej interesujący wynik występuje, gdy inżynierowie aktywnie angażują się w otrzymaną informację zwrotną. Jeśli ktoś czyta przegląd uważnie, sprzeciwia się, zadaje pytania następcze, testuje alternatywy i odkrywa, że model sam był błędny, on buduje doświadczenie znacznie szybciej niż poprzednie pokolenia mogły.

Wysiłek poznawczy nie zniknął. Przesunął się wcześniej w pętle i stał się tańszy w powtarzaniu.

To prawdopodobnie powiększa przerwę między zaangażowanymi inżynierami a niezaangażowanymi.

Najważniejsze przesunięcia produktywności działają w ten sposób. Czytanie powiększyło przerwę między ludźmi piśmiennymi a analfabetami. Internet powiększył przerwę między ciekawymi ludźmi a biernymi. AI wydaje się kontynuować ten sam wzorzec.

Sąd produkcyjny ma większe znaczenie

Najbardziej interesujące pytanie nie jest już tym, czy młodsi inżynierowie znikają. To co młodsi inżynierowie coraz częściej przyczyniają się, gdy wdrożenie staje się łatwiejsze.

Odpowiedź zaczyna wyglądać niezwykle podobnie do tego, co silni seniorzy już przyczyniają: kreatywność, instynkt produktowy, smak, priorytet, doświadczenie i zdolność do identyfikacji tego, co powinno istnieć jako pierwsze.

Rola inżynierska coraz bardziej przechodzi w stronę myślenia zorientowanego na produkt, ponieważ tarcie wdrożeniowe nadal się kurczy. Praca z rurami ma mniejsze znaczenie niż zrozumienie, czy system, który jest budowany, naprawdę rozwiązuje odpowiedni problem.

Projektowanie systemu nadal ma znaczenie. Nazwanie rzeczy nadal ma znaczenie. Sąd produkcyjny nadal ma znaczenie. Zrozumienie użytkowników nadal ma znaczenie. W pewnych ways, te umiejętności stają się jeszcze bardziej ważne, ponieważ organizacje mogą teraz testować pomysły znacznie szybciej niż wcześniej.

Inżynier wychowany z AI od samego początku będzie prawdopodobnie myślał zupełnie inaczej niż ktoś, kto był szkolony piętnaście lat temu.

On założy, że iteracja jest tania. On stworzy wiele podejść w szybkim tempie, zamiast debatować nad jednym podejściem przez dni. On oczekuje znacznie krótszych pętli informacji zwrotnej między użytkownikami a wdrożeniem, ponieważ koszt prób jest coraz mniejszy.

To tworzy innego rodzaju inżyniera, kształtowanego przez znacznie krótsze cykle między pomysłem a wdrożeniem.

Organizacje będą musiały przemyśleć rekrutację, ocenę, mentorstwo i awansowanie odpowiednio. Ale oprogramowanie już przeszło przez podobne transformacje wiele razy: kiedy pojawił się internet, kiedy pojawiło się mobilne, kiedy infrastruktura chmury zastąpiła systemy lokalne.

Każda zmiana zmieniła wygląd dobrej inżynierii, nie eliminując potrzeby samych inżynierów.

Wnioski operacyjne

Dla młodszych inżynierów porada nie jest szczególnie glamour.

Wybierz prawdziwe projekty. Użyj AI jako cienia przeglądającego, podczas gdy pracujesz. Czytaj informację zwrotną uważnie. Sprzeciwiaj się jej czasem. Zadawaj pytania następcze. Śledź wzorce za błędami, które on łapie.

To jest jeden z najszybszych sposobów na rozwinięcie doświadczenia, znacznie szybszy niż czekanie, aż zajęty senior wreszcie znajdzie czas na mentorstwo.

Dla menedżerów, wąskie gardło się zmienia.

Wzrost juniora używał do zależności od ilości czasu, jaką seniorzy mogli poświęcić na coaching. Coraz bardziej punkt wykorzystania staje się projektowanie silnych środowisk uczenia wokół użycia AI: oczekiwania przeglądu, reguły eskalacji, wzorce podpowiedzi, barierki i wybór projektu.

Organizacje, które strukturyzują te systemy dobrze, prawdopodobnie rozwiną talent szybciej niż poprzednie pokolenia.

A dla zespołów kierowniczych, prawdopodobnie ma sens przestać postrzegać młodszych inżynierów głównie jako wymienną pojemność wykonawczą. W wielu organizacjach mogą oni stać się jednym z najtańszych źródeł eksperymentów, energii i kreatywnej iteracji.

Inna generacja inżynierów

Mój przyjaciel nauczył się czeskiego szybciej, ponieważ skutecznie nosił w kieszeni personalnego tutora. Mój syn uczy się fizyki z poziomem interaktywnej informacji zwrotnej, jakiego nie miałem dostępu. Mój brat otrzymuje nocne przeglądy kodu i badania rynkowe, podczas gdy śpi.

Następne pokolenie inżynierów wejdzie do branży z ciągłym coachingiem, natychmiastowymi pętlami informacji zwrotnej i dramatycznie szybszymi cyklami między wysiłkiem a informacją zwrotną.

To nie eliminuje młodszego inżyniera. To zmienia, jak szybko oni rozwijają się i jakie umiejętności mają największe znaczenie w drodze.

Wersja tej roli, z którą wiele ludzi dorastało, prawdopodobnie zniknie. Ale zastąpienie może okazać się szybciej uczące, lepiej trenowane, bardziej eksperymentalne i bardziej zorientowane na produkt niż poprzednie pokolenie kiedykolwiek miało szansę się stać.