Vibe Кодування, Штучний Інтелект та Нова Реальність Інженерії

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 штучні інтелекти стають повноцінними учасниками інженерних команд.

Проти цього фону все більше людей запитують одні й ті ж питання: чи真的 штучний інтелект заміняє програмістів? Чи може штучний інтелект дійсно дорівнювати та заміняти досвідченого інженера? І що станеться з цією професією в найближчому майбутньому?

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

Яке є ядро проблеми?

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

Штучний інтелект стає надзвичайно ефективним у написанні коду і, що важливо, уже уникнув багатьох звичайних помилок, які роблять люди. Навіть більш цікаво, штучний інтелект може бути кращим у обробці так званих країв випадків: рідких і незвичайних сценаріїв, які є поширеними у програмуванні та часто важко передбачити розробникам заздалегідь.

Коли програміст говорить: “Я хочу кнопку тут”, він отримує відповідь: “Ось кнопка, ось 18 країв випадків, які ви повинні врахувати, ось тести, які ви повинні запустити, і, до речі, вам може також хотіти додати це і це”. Ви можете глянути на це і подумати: “Так… це дійсно має сенс”. Самостійно ви могли б зрозуміти ці питання через кілька тижнів – після того, як щось вже пішло не так у виробництві. 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 з допомогою штучного інтелекту.

Що ховається за цією прискоренням?

Все частіше я бачу дуже сильних програмістів, які бояться за свої посади, місце на ринку та зарплату. 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 однією з останніх генерацій розробників, які дійсно писали код руками і глибоко розуміли, 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 ідеально. Завдання вирішуються, інтерфейси працюють, і все працює. Але з часом, на великому відстані, починають з’являтися більш тонкі проблеми: компроміси архітектури, слабкі інженерні рішення, проблеми з 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 та інженерного судження.

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

Я часто отримую дзвінки від друзів, які кажуть щось на зразок: “Михайло, можете ви допомогти нам зрозуміти, чому система починає розбиватися?” 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 починають накопичуватися.

І саме тому я вважаю, що сильні інженери залишаються дуже цінними протягом довгого часу. 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 найбільшої питання про майбутнє: куди все це в кінцевому підсумку веде? Як ми виростимо наступне покоління інженерів, якщо вони вступають у галузь через абсолютно інший шлях з самого початку?

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 дійсно думають про 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 – з сильною архітектурою, масштабованістю та контекстним розумінням. Наразі це питання все ще повністю відкрите.

Водночас великі технологічні компанії, такі як Apple, Microsoft та Google, продовжують активно набирати сильних дослідників, фахівців з PhD та людей з академічних середовищ. Це, ймовірно, свідчить про те, що глибоке інженерне розуміння залишається важливим навіть у світі, де більша частина коду генерується автоматично.

Менші компанії, однак, часто працюють з зовсім іншою 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 в багатьох проектах “пізніше” постійно відкладається на невизначений термін.

• Еволюція у спірах

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 прийшла генерація інженерів, які писали на мові 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. Весь банківський мейнфрейм був побудований на ньому, і найдивовижніше в цьому є те, що значна частина глобальної банківської інфраструктури все ще працює на цих старих системах сьогодні. Там все ще є програмісти у віці 60-70 років, які підтримують цей код, і вони залишаються дуже цінними спеціалістами.

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 цікавий паттерн: 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 працює всю цю приховану складність на задньому плані – 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 буде потребувати розуміти класичне програмування так глибоко, як ми.

• Економіка ринку

Інша моя гіпотеза полягає в тому, що кодування з допомогою штучного інтелекту – або розвиток з 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 справжню економіку, що стоїть за цим.

Моделі, токени, інфраструктура, постійні запити, підтримка всього штучного інтелекту – все це поступово стає значним операційним витратам. Тому я вважаю, що компанії скоро почнуть ретельніше дивитися на справжню вартість розвитку з допомогою штучного інтелекту та ставити дуже практичне питання: що насправді більш ефективно – розширення інженерної команди чи підтримка всієї інфраструктури штучного інтелекту навколо розвитку?

Дуже реалістичний сценарій полягає в тому, що сильні інженерні команди в кінцевому підсумку можуть виявитися більш економічно сталими, особливо коли йдеться про підтримку, розвиток та забезпечення продукції у довгостроковій перспективі.

Однак я вважаю, що це саме той момент, де може з’явитися новий тип інженерної команди: дуже маленькі групи 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 з 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 програмування самому по собі. Подібні зміни вже починають змінювати право, фінанси, медицину та几乎 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, ці будуть спеціалісти, які працюватимуть у тісному контакті з юридичним штучним інтелектом, фінансовим штучним інтелектом чи кодуванням штучного інтелекту – люди, які оперують системами штучного інтелекту, валідують вихідні дані, 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 великої хвилі технологічного прогресу. Невелика ймовірність того, що цей процес можна зупинити. Що означає, що нам доведеться навчитися жити у цьому новому світі – поступово вчиться балансувати його, спілкуватися з ним та, можливо, навіть розвивати нову форму співіснування поряд з ним.