„Skoro kod pisze AI, to czy oprogramowanie nie będzie gorsze?” To pierwsze pytanie, jakie słyszymy od klientów, i trudno mieć do nich o nie pretensje. Szczera odpowiedź brzmi: zależy, kto trzyma narzędzie. W rękach doświadczonego inżyniera AI zwiększa ilość wykonanej pracy i nie obniża przy tym poprzeczki.
Pisaliśmy niedawno o tym, jak AI sprawiła, że automatyzacja na zamówienie stała się dostępna cenowo dla małych firm. Niższa cena ma jednak znaczenie tylko wtedy, gdy efekt nadal działa, więc tutaj wyjaśniamy, dlaczego działa i skąd naprawdę bierze się to tempo.
Inżynier decyduje, AI pisze
O jakości oprogramowania rozstrzyga się głównie, zanim powstanie pierwsza linijka kodu. Jakie dane trafiają dokąd, co się dzieje, gdy płatność nie przejdzie, kto może zobaczyć który rekord, jak system zachowa się, gdy inna usługa przestanie odpowiadać. To kwestie osądu i pozostają po stronie inżyniera.
AI przyspiesza kolejny krok: zamianę tych decyzji w kod. Ta część pochłaniała kiedyś większość godzin, ale to nigdy nie na niej wykładały się projekty. Projekty wykładają się na złych decyzjach, a tych AI za ciebie nie podejmie.
Doświadczenie jest filtrem
AI popełnia błędy, i to przekonujące: kod, który działa, ale pomija przypadek brzegowy, zapytanie, które w niesprzyjających warunkach ujawnia dane, wywołanie funkcji, która nie istnieje. Ktoś bez doświadczenia inżynierskiego przyjmie taki wynik, bo wygląda na działający. Doświadczony inżynier zauważy, że jest błędny.
AI to mnożnik. Mnoży umiejętności tego, kto z niej korzysta, ale też braki w tych umiejętnościach.
Tak samo redaktor pracuje ze sprawdzaniem pisowni. Narzędzie szybko wyłapuje literówki, a redaktor wyłapuje zdanie, które jest napisane bezbłędnie, a mimo to mówi nie to, co trzeba. Zabierz redaktora, a dostaniesz tekst szybciej, ale nie lepszy.
Kontrola staniała, więc wreszcie się odbywa
Tu ludzie zwykle się dziwią: w praktyce jakość często rośnie. Przed erą AI, gdy zbliżał się termin, jako pierwsze wypadało to, co mało efektowne: testy, walidacja danych wejściowych, obsługa błędów, dokumentacja. Wszyscy wiedzieli, że to ważne, tylko nie było na to czasu.
Dziś porządny zestaw testów albo jasna instrukcja operacyjna powstaje w kilka minut, a nie w kilka dni, więc dobry inżynier dodaje je odruchowo. Zabezpieczenia, które były luksusem, stają się standardem.
Siatkom bezpieczeństwa jest obojętne, kto napisał tę linijkę
Code review, testy automatyczne, środowiska stagingowe, małe i odwracalne wydania, stabilna i dobrze poznana technologia: nic z tego nie zależy od tego, czy kod wpisał człowiek, czy model. To wszystko sprawdza zachowanie, nie autorstwo. Zespoły, które już tak pracują (nasze nawyki opisaliśmy w tekście o regularnych wdrożeniach bez psucia produkcji), mogą sięgnąć po AI i nie zmieniać sposobu, w jaki chronią produkcję.
I ktoś nadal odpowiada za wynik. Inżynier zatwierdza zmianę i odbiera telefon, gdy coś się zepsuje. To właśnie ta odpowiedzialność trzyma standardy, a ona nie przechodzi na narzędzie.
Skąd bierze się dodatkowa wydajność
Skoro jakość się utrzymuje, dlaczego zrobionej pracy jest aż tyle więcej? Bo spora część każdego projektu to rutyna, z którą AI radzi sobie dobrze:
- Powtarzalne klocki. Formularze, ekrany administracyjne, listy z filtrami, strony ustawień. Potrzebne w każdym projekcie, rzadko trudne, zawsze czasochłonne.
- Integracje. Połączenie API jednego systemu z drugim i zmapowanie pól między nimi oznaczało kiedyś godziny z otwartą dokumentacją. Teraz inżynier zaczyna od działającego szkicu i go sprawdza.
- Mniej czasu na szukanie informacji. Każda nowa biblioteka czy usługa oznaczała kiedyś mozolne wdrażanie się w temat. AI skraca to do minut.
- Tanie eksperymenty. Zbudowanie dwóch wersji rozwiązania, żeby je porównać, było kiedyś zbyt drogie. Teraz idzie szybko, więc lepsze opcje wychodzą na wierzch wcześnie, a nie po starcie.
Zdejmij z inżyniera całą tę rutynę, a zostanie to, co potrafi tylko on: zrozumienie biznesu, rozgryzienie trudnej logiki i zadbanie o to, żeby z produktu przyjemnie się korzystało. Większa część jego tygodnia idzie na pracę, która ma znaczenie, a z projektu udaje się skończyć więcej.
Szybko i bez kontroli to inna historia
Nie znaczy to, że każda aplikacja zbudowana z AI jest bezpieczna. Narzędzie sklecone na szybko przez kogoś bez doświadczenia inżynierskiego może dobrze działać miesiącami, a potem paść w zderzeniu z prawdziwym obciążeniem, prawdziwymi danymi albo prawdziwym atakującym. Tempo jest to samo, tylko filtra brakuje.
Jeśli to opis czegoś, na czym twoja firma już polega, nie jest to powód, żeby to wyrzucać. Jest to powód, żeby zrobić przegląd: inżynier sprawdza, co powstało, naprawia to, co ryzykowne, i zostawia ci coś, co może rosnąć.
AI nie zmieniła tego, czego potrzebuje dobre oprogramowanie. Zmieniła to, ile takiego oprogramowania doświadczony inżynier może dostarczyć w tydzień. Na taką wymianę warto się zgodzić i tak właśnie pracujemy. Jeśli masz na myśli jakiś proces, opowiedz nam, jak wygląda dziś.