Вайб-кодинг, штучний інтелект і нова реальність розробки програмного забезпечення

Десять років тому ідея про те, що штучний інтелект може писати код замість програмістів, звучала як цікава фантазія. Сьогодні це стало частиною нашої повсякденної реальності. MVP створюються за кілька днів, інтерфейси генеруються з текстових запитів, а помічники на основі ШІ стають повноцінними членами інженерних команд.

На цьому тлі дедалі більше людей ставлять ті самі запитання: чи справді штучний інтелект заміняє програмістів? Чи може штучний інтелект дійсно зрівнятися за рівнем із досвідченим інженером і замінити його? І що станеться з цією професією в найближчому майбутньому?

Я сам розробник, і у мене є думка про це. Давайте розберемось.

У чому суть проблеми?

Є домінуюча розповідь про програмування за допомогою штучного інтелекту, яка звучить так:

Штучний інтелект стає надзвичайно ефективним у написанні коду і, що важливо, уже уникає багатьох типових помилок, які роблять люди. Ще цікавіше те, що штучний інтелект може бути кращим в опрацюванні так званих граничних випадків: рідкісних і незвичайних сценаріїв, які є поширеними у програмуванні та які розробникам часто важко передбачити заздалегідь.

Коли програміст говорить: “Я хочу кнопку тут”, він отримує відповідь: “Ось кнопка, ось 18 граничних випадків, які ви повинні врахувати, ось тести, які ви повинні запустити, і, до речі, можливо, варто також додати це і це”. Ви можете глянути на це і подумати: “Так… це дійсно має сенс”. Самостійно ви могли б помітити ці проблеми через кілька тижнів – після того, як щось вже пішло не так у робочому середовищі. Штучний інтелект часто пропонує рішення одразу. Для інженерів, які вже мають роботу, це значно збільшує продуктивність і ефективність.

І ця розповідь безпосередньо веде до економічного питання: якщо компанія раніше потребувала 100 розробників для обробки певного обсягу роботи, теоретично тепер їй може знадобитися лише 20 – тому що ці 20 можуть виконувати ту ж саму роботу за допомогою штучного інтелекту.

Що ховається за цим прискоренням?

Все частіше я бачу дуже вправних інженерів-програмістів, які бояться за свої посади, місце на ринку та дохід. Відчувається, що скоро не буде роботи для програмістів.

І моя відповідь зазвичай така: хлопці, це, ймовірно, не так драматично, як здається. Насправді досвідчені інженери зараз набувають нового типу цінності. Тому що ми можемо бути одним з останніх поколінь розробників, які дійсно писали код вручну й глибоко розуміють, як системи працюють під капотом. Наступне покоління все більше працює через інструменти штучного інтелекту – і разом з цим інженерна практика сама по собі змінюється.

Ось що попередня розповідь не враховує:

Код, згенерований штучним інтелектом, часто виглядає цілком справним. Завдання вирішуються, інтерфейси працюють, і все працює. Але з часом, у довгостроковій перспективі, починають з’являтися більш тонкі проблеми: компроміси архітектури, слабкі інженерні рішення, проблеми зі структурами даних або питання масштабованості. І це відбувається тому, що штучний інтелект вже дуже добре справляється з локальними завданнями, тоді як довгострокова логіка великих систем все ще потребує людського досвіду й зважених інженерних оцінок.

Тому, коли ці проекти доходять до складних робочих середовищ – банків, платформ електронної комерції, великомасштабних сервісів – команди зрештою все ще потребують людей, які можуть глибоко аналізувати архітектуру, визначати першопричини проблем та відновлювати загальну логіку системи.

Я часто отримую дзвінки від друзів, які кажуть щось на зразок: “Майкле, можеш долучитися й допомогти нам зрозуміти, чому система починає розвалюватися?” Хоча сьогодні я працюю над фізичним штучним інтелектом в Introspector, я все ще іноді можу допомогти з цим типом складної ручної інженерної роботи: реконструкцією логіки системи, аналізом архітектури та визначенням місця, де проблеми почали накопичуватися.

І саме тому я вважаю, що вправні інженери ще довго залишатимуться дуже цінними. Водночас саме досвідчені інженери допомагають покращувати та тренувати моделі штучного інтелекту сьогодні. В Keymakr ми бачили це на власному досвіді, коли шукали досвідчених розробників для валідування коду та допомоги у тренуванні моделей – людей, які можуть покладатися на справжнє інженерне мислення, практичний досвід та глибоке розуміння того, як системи поводяться у реальному світі.

Основні гіпотези

І це приводить нас до найважливішого питання про майбутнє: куди все це в кінцевому підсумку веде? Як підготувати наступне покоління інженерів, якщо вони від самого початку приходять у галузь зовсім іншим шляхом?

Якщо ми подивимось на ситуацію об’єктивно, без гіпертрофованої реакції чи страху, я бачу кілька можливих сценаріїв.

• Невизначене майбутнє

Перша і, ймовірно, найчесніша відповідь полягає в тому, що дуже мало людей сьогодні справді зазирають так далеко в майбутнє. Просто тому, що ніхто ще не повністю розуміє, яким буде майбутнє на практиці.

Можливо, за кілька років агенти штучного інтелекту дійсно будуть здатні писати майже ідеальний код – із надійною архітектурою, масштабованістю та контекстним розумінням. Наразі це питання все ще повністю відкрите.

Водночас великі технологічні компанії, такі як Apple (AAPL ), Microsoft (MSFT ) та Google, продовжують активно набирати сильних дослідників, фахівців із докторськими ступенями та людей з академічних середовищ. Це, ймовірно, свідчить про те, що ці компанії вважають, що глибоке інженерне розуміння залишатиметься важливим навіть у світі, де більша частина коду генерується автоматично.

Менші компанії, однак, часто працюють із зовсім іншим горизонтом планування. Коли ви не знаєте, чи буде ваш стартап ще існувати за шість місяців, стає важко серйозно думати про те, що може статися за десять років. Очевидно, ніхто не хоче свідомо будувати щось фундаментально неправильне. Команди все ще намагаються визначити потенційні ризики та слабкості.

Але на практиці логіка часто набагато простіша: спочатку побудувати продукт, який працює та генерує доходи – а потім займатися архітектурою, оптимізацією та переписуванням системи пізніше. Проблема полягає в тому, що у багатьох проєктах “пізніше” постійно відкладається на невизначений термін.

• Розвиток по спіралі

Друга відповідь, на мою думку, ще більш цікава. Якщо подивитися на історію галузі, вона вже пройшла через подібні переходи багато разів раніше. Перші програмісти працювали з перфорованими картками. Потім з’явилося покоління інженерів, які писали мовою асемблера – щось, що вже зараз важко уявити багатьом сучасним розробникам. Колись вам потрібно було буквально розуміти, як працює апаратне забезпечення, думати у термінах процесорної логіки та тримати в голові величезну кількість низькорівневої складності.

Потім прийшла епоха COBOL. На ньому будували цілі банківські мейнфрейми, і найдивовижніше в цьому є те, що значна частина глобальної банківської інфраструктури все ще працює на цих старих системах сьогодні. Цю кодову базу досі підтримують програмісти, яким за шістдесят чи за сімдесят, і вони залишаються надзвичайно цінними фахівцями.

Наступне покоління перейшло на C++, Python та JavaScript. Я сам належу до цієї епохи. Наприклад, я майже не розумію, як працює COBOL. Теоретично я міг би вивчити це – але для мене це вже щось віддалене та чуже.

І коли дивитися на це історично, з’являється цікава закономірність: кожне нове покоління інженерів вже не потребує глибоко розуміти, як працювала технологія попереднього покоління. З часом знання стають вбудованими в саму інфраструктуру.

Перфоровані картки зникли давно – їх логіка зараз вбудована в процесори. Асемблер у великій мірі зник як інструмент мейнстриму, тому що його складність стала прихованою всередині операційних систем, драйверів та нижчих абстракцій. Навіть ваші навушники сьогодні, ймовірно, містять маленьку операційну систему, яка обробляє всю цю приховану складність у фоновому режимі – більшість людей просто ніколи не думають про це.

Очевидно, є ще спеціалісти, які розуміють всю цю низькорівневу магію. Але для більшості галузі це вже стало шаром абстракції.

І це приводить до дуже логічної ідеї: можливо, штучний інтелект просто наступний етап цієї еволюції. Можливо, наступне покоління дійсно не потребуватиме розуміння класичного програмування так глибоко, як ми.

• Економіка ринку

Інша моя гіпотеза полягає в тому, що вайб-кодинг — тобто розробка за допомогою штучного інтелекту – в кінцевому підсумку перестане сприйматися як “безкоштовне прискорення”. Насправді це вже не зовсім безкоштовно; це просто тому, що поки що не всі ретельно рахують реальні витрати й економічний ефект цього підходу.

Моделі, токени, інфраструктура, постійні запити, підтримка всього процесу роботи ШІ – все це поступово стає значними операційними витратами. Тому я вважаю, що компанії скоро почнуть ретельніше дивитися на справжню вартість розробки за допомогою штучного інтелекту та ставити дуже практичне питання: що насправді більш ефективно – розширення інженерної команди чи підтримка всієї інфраструктури штучного інтелекту навколо розробки?

Дуже реалістичний сценарій полягає в тому, що вправні інженерні команди в кінцевому підсумку можуть виявитися більш економічно сталими, особливо коли йдеться про обслуговування, розвиток і підтримку продуктів у довгостроковій перспективі.

Однак я вважаю, що це саме той момент, де може з’явитися новий тип інженерної команди: дуже маленькі групи дуже досвідчених спеціалістів, які будуть зосереджені на підтриманні стабільності та стійкості інфраструктури самої по собі. З часом це може стати однією з найбільш цінних інженерних спеціалізацій у галузі.

• Люди, які працюватимуть поряд зі штучним інтелектом

І остання гіпотеза – хоча й дуже реалістична – полягає в тому, що наступне покоління інженерів, ймовірно, буде змушене будувати свою кар’єру в абсолютно іншому середовищі. І це виходить далеко за межі самого програмування. Подібні зміни вже починають змінювати право, фінанси, медицину та майже кожну галузь, де штучний інтелект може взяти на себе значну частину інтелектуальної рутинної роботи.

Незважаючи на все це, я все ж таки схильний бачити те, що відбувається, досить позитивно. Ймовірно, тому що в цілому мені подобається прогрес. Мені подобається ідея про те, що технології можуть покращувати життя людей, звільняти людей від величезної кількості повторюваних робіт та робити багато процесів безпечнішими та більш ефективними.

Наприклад, системи автономного руху, такі як Tesla чи Waymo, вже демонструють надзвичайно високі рівні безпеки у багатьох сценаріях порівняно з людськими водіями. І це дійсно вражає.

Водночас світ, у який вступають наші діти, буде значно складнішим у плані професійної ідентичності. Їм доведеться шукати своє місце та мету у швидкозмінному ландшафті.

Якщо дитина сьогодні хоче стати юристом, фінансовим аналітиком чи програмістом, є велика ймовірність, що ці професії будуть виглядати зовсім інакше в майбутньому. Можливо, це будуть фахівці, які працюватимуть у тісному контакті з юридичним штучним інтелектом, фінансовим штучним інтелектом чи штучним інтелектом для програмування – люди, які оперують системами штучного інтелекту, перевіряють результати, надають контекст та приймають ключові рішення.

Я вважаю, що важливо визнати, що майже кожен з цих сценаріїв уже здається реалістичним сьогодні. І чи нам це подобається, чи ні, все, що відбувається зараз, є частиною набагато більшої хвилі технологічного прогресу. Дуже мала ймовірність того, що цей процес можна зупинити. Що означає, що нам доведеться навчитися жити у цьому новому світі – поступово вчитися знаходити з ним рівновагу, спілкуватися з ним та, можливо, навіть виробляти нову форму співіснування.