Vai mākslīgais intelekts aizstās programmētājus? Pēdējais izlaidums - izslēdziet koda redaktoru.

“ Pēdējais izlaidējs – izslēdziet koda redaktoru. ” Šī ironiskā frāze ir plaši izplatīta izstrādātāju forumos, atspoguļojot satrauktu humoru par mākslīgā intelekta kodēšanas asistentu pieaugumu. Tā kā mākslīgā intelekta modeļi kļūst arvien spējīgāki rakstīt kodu, daudzi programmētāji jautā, vai cilvēku izstrādātājus sagaida tāds pats liktenis kā liftu operatoriem vai komutatoru operatoriem – profesijām, kuras automatizācija ir padarījusi nevajadzīgas. 2024. gadā drosmīgi virsraksti vēstīja, ka mākslīgais intelekts drīz varētu rakstīt visu mūsu kodu, atstājot cilvēkiem paredzētos izstrādātājus bez nekāda darāmā. Taču aiz ažiotāžas un sensacionālisma realitāte ir daudz niansētāka.

Jā, mākslīgais intelekts (MI) tagad var ģenerēt kodu ātrāk nekā jebkurš cilvēks, bet cik labs ir šis kods un vai MI var pats tikt galā ar visu programmatūras izstrādes dzīves ciklu? Lielākā daļa ekspertu saka: “Ne tik ātri.” Programmatūras inženierijas līderi, piemēram, Microsoft izpilddirektors Satja Nadella, uzsver, ka “MI neaizstās programmētājus, bet gan kļūs par būtisku instrumentu viņu arsenālā. Runa ir par cilvēku iespēju došanu darīt vairāk, nevis mazāk.” ( Vai MI aizstās programmētājus? Patiesība aiz ažiotāžas | autors The PyCoach | Artificial Corner | 2025. gada marts | Medium ) Tāpat Google MI vadītājs Džefs Dīns norāda, ka, lai gan MI var tikt galā ar ikdienas kodēšanas uzdevumiem, “tam joprojām trūkst radošuma un problēmu risināšanas prasmju” – tieši tās īpašības, ko sniedz cilvēku izstrādātāji. Pat Sems Altmans, OpenAI izpilddirektors, atzīst, ka mūsdienu MI ir “ļoti labs uzdevumu veikšanā” , bet “briesmīgs pilnos darbos” bez cilvēka uzraudzības. Īsāk sakot, MI lieliski palīdz ar atsevišķām darba daļām, bet nespēj pilnībā pārņemt programmētāja darbu no sākuma līdz beigām.

Šajā informatīvajā dokumentā ir godīgi un līdzsvaroti aplūkots jautājums "Vai mākslīgais intelekts (MI) aizstās programmētājus?". Mēs pētām, kā MI ietekmē programmatūras izstrādes lomas mūsdienās un kādas pārmaiņas gaidāmas nākotnē. Izmantojot reālus piemērus un jaunākos rīkus (no GitHub Copilot līdz ChatGPT), mēs izpētām, kā izstrādātāji var pielāgoties, pielāgoties un saglabāt atbilstību MI attīstībai. Vienkāršotas atbildes "jā" vai "nē" vietā mēs redzēsim, ka nākotne ir MI un cilvēku izstrādātāju sadarbība. Mērķis ir izcelt praktiskus ieskatus par to, ko izstrādātāji var darīt, lai gūtu panākumus MI laikmetā – sākot ar jaunu rīku ieviešanu un beidzot ar jaunu prasmju apguvi, un prognozēt, kā kodēšanas karjera varētu attīstīties turpmākajos gados.

Mākslīgais intelekts programmatūras izstrādē mūsdienās

Mākslīgais intelekts (MI) ir strauji iekļāvies mūsdienu programmatūras izstrādes darbplūsmā. Tālu no zinātniskās fantastikas, MI balstīti rīki jau raksta un pārskata kodu , automatizē garlaicīgus uzdevumus un uzlabo izstrādātāju produktivitāti. Mūsdienās izstrādātāji izmanto MI, lai ģenerētu koda fragmentus, automātiski pabeigtu funkcijas, atklātu kļūdas un pat izstrādātu testa gadījumus ( Vai programmatūras inženieriem ir nākotne? MI ietekme [2024] ) ( Vai ir nākotne programmatūras inženieriem? MI ietekme [2024] ). Citiem vārdiem sakot, MI pārņem pamatdarbu un standarta projektus, ļaujot programmētājiem koncentrēties uz sarežģītākiem programmatūras izveides aspektiem. Apskatīsim dažas no ievērojamākajām MI iespējām un rīkiem, kas šobrīd pārveido programmēšanu:

• Koda ģenerēšana un automātiska pabeigšana: mūsdienīgi mākslīgā intelekta kodēšanas asistenti var ģenerēt kodu, pamatojoties uz dabiskās valodas uzvednēm vai daļēju koda kontekstu. Piemēram, GitHub Copilot (veidots uz OpenAI Codex modeļa) integrējas ar redaktoriem, lai ieteiktu nākamo rindiņu vai koda bloku, kamēr rakstāt. Tas izmanto plašu atvērtā pirmkoda koda apmācības kopu, lai piedāvātu kontekstam atbilstošus ieteikumus, bieži vien spējot pabeigt veselas funkcijas tikai no komentāra vai funkcijas nosaukuma. Līdzīgi ChatGPT (GPT-4) var ģenerēt kodu konkrētam uzdevumam, ja vienkāršā angļu valodā aprakstāt nepieciešamo. Šie rīki var izveidot standarta kodu dažu sekunžu laikā, sākot no vienkāršām palīgfunkcijām līdz ikdienas CRUD darbībām.

• Kļūdu noteikšana un testēšana: mākslīgais intelekts arī palīdz pamanīt kļūdas un uzlabot koda kvalitāti. Ar mākslīgo intelektu darbināmi statiskās analīzes rīki un virpuļprogrammas var atzīmēt potenciālas kļūdas vai drošības ievainojamības, mācoties no iepriekšējiem kļūdu modeļiem. Daži mākslīgā intelekta rīki automātiski ģenerē vienības testus vai iesaka testa gadījumus, analizējot koda ceļus. Tas nozīmē, ka izstrādātājs var saņemt tūlītēju atgriezenisko saiti par perifērijas gadījumiem, kurus viņš, iespējams, ir palaidis garām. Agrīni atrodot kļūdas un iesakot labojumus, mākslīgais intelekts darbojas kā nenogurstošs kvalitātes nodrošināšanas asistents, kas strādā kopā ar izstrādātāju.

• Koda optimizācija un refaktorēšana: Vēl viens mākslīgā intelekta pielietojums ir esošā koda uzlabojumu ieteikšana. Izmantojot fragmentu, mākslīgais intelekts var ieteikt efektīvākus algoritmus vai tīrākas ieviešanas, atpazīstot koda modeļus. Piemēram, tas var ieteikt idiomatiskāku bibliotēkas izmantošanu vai atzīmēt lieku kodu, ko var refaktorēt. Tas palīdz samazināt tehniskos parādus un uzlabot veiktspēju. Uz mākslīgā intelekta balstīti refaktorēšanas rīki var pārveidot kodu, lai tas atbilstu labākajai praksei, vai atjauninātu kodu uz jaunām API versijām, ietaupot izstrādātāju laiku manuālai tīrīšanai.

• DevOps un automatizācija: Papildus koda rakstīšanai mākslīgais intelekts (MI) veicina izstrādes un izvietošanas procesus. Inteliģenti CI/CD rīki izmanto mašīnmācīšanos, lai prognozētu, kuri testi, visticamāk, neizdosies, vai noteiktu prioritāti noteiktiem izstrādes darbiem, padarot nepārtrauktās integrācijas procesu ātrāku un efektīvāku. MI var analizēt ražošanas žurnālus un veiktspējas rādītājus, lai noteiktu problēmas vai ieteiktu infrastruktūras optimizāciju. Faktiski MI palīdz ne tikai kodēšanā, bet visā programmatūras izstrādes dzīves ciklā — no plānošanas līdz uzturēšanai.

• Dabiskās valodas saskarnes un dokumentācija: Mēs arī redzam, ka mākslīgais intelekts nodrošina dabiskāku mijiedarbību ar izstrādes rīkiem. Izstrādātāji var burtiski lūgt mākslīgajam intelektam veikt uzdevumus (“ģenerēt funkciju, kas veic X” vai “izskaidro šo kodu”) un iegūt rezultātus. Mākslīgā intelekta tērzēšanas roboti (piemēram, ChatGPT vai specializēti izstrādātāju asistenti) var atbildēt uz programmēšanas jautājumiem, palīdzēt ar dokumentāciju un pat rakstīt projekta dokumentāciju vai apstiprināt ziņojumus, pamatojoties uz koda izmaiņām. Tas pārvar plaisu starp cilvēka nodomu un kodu, padarot izstrādi pieejamāku tiem, kas var aprakstīt to, ko viņi vēlas.

• 

Izstrādātāji izmanto mākslīgā intelekta rīkus: 2023. gada aptauja liecina, ka pārliecinoši 92 % izstrādātāju ir izmantojuši mākslīgā intelekta kodēšanas rīkus kaut kādā veidā — vai nu darbā, personīgajos projektos, vai abos. Tikai nedaudzi 8 % ziņoja, ka kodēšanā neizmanto nekādu mākslīgā intelekta palīdzību. Šī diagramma parāda, ka divas trešdaļas izstrādātāju izmanto mākslīgā intelekta rīkus gan gan ārpus tā , savukārt ceturtā daļa tos izmanto tikai darbā un neliela daļa — tikai ārpus darba. Secinājums ir skaidrs: mākslīgā intelekta atbalstīta kodēšana ir ātri kļuvusi par izplatītu izstrādātāju vidū ( Aptauja atklāj mākslīgā intelekta ietekmi uz izstrādātāju pieredzi — GitHub emuārs ).

Šī mākslīgā intelekta rīku izplatība izstrādē ir palielinājusi efektivitāti un samazinājusi kodēšanas sarežģītību. Produkti tiek radīti ātrāk, jo mākslīgais intelekts palīdz ģenerēt standarta kodu un apstrādāt atkārtotus uzdevumus ( Vai programmatūras inženieriem ir nākotne? Mākslīgā intelekta ietekme [2024] ) ( Vai mākslīgais intelekts aizstās izstrādātājus 2025. gadā: neliels ieskats nākotnē ). Tādi rīki kā Copilot pat var ieteikt veselus algoritmus vai risinājumus, kas "cilvēku izstrādātājiem var nebūt uzreiz acīmredzami". Reālās pasaules piemēru ir daudz: inženieris var lūgt ChatGPT ieviest kārtošanas funkciju vai atrast kļūdu viņu kodā, un mākslīgais intelekts dažu sekunžu laikā izveidos risinājuma melnrakstu. Uzņēmumi, piemēram, Amazon un Microsoft, ir izvietojuši mākslīgā intelekta pāru programmētājus (Amazon CodeWhisperer un Microsoft Copilot) savās izstrādātāju komandās, ziņojot par ātrāku uzdevumu izpildi un mazāk ikdienišķu stundu, kas pavadītas, strādājot pie standarta koda. Faktiski 70% izstrādātāju, kas tika aptaujāti 2023. gada Stack Overflow aptaujā, norādīja, ka viņi jau izmanto vai plāno izmantot mākslīgā intelekta rīkus savā izstrādes procesā ( 70% izstrādātāju izmanto mākslīgā intelekta kodēšanas rīkus, 3% ļoti uzticas to precizitātei — ShiftMag ). Populārākie palīgi ir ChatGPT (ko izmanto ~83% respondentu) un GitHub Copilot (~56%), norādot, ka galvenie spēlētāji ir gan vispārīgs sarunvalodas mākslīgais intelekts, gan IDE integrēti palīgi. Izstrādātāji galvenokārt izmanto šos rīkus, lai palielinātu produktivitāti (minējuši ~33% respondentu) un paātrinātu mācīšanos (25%), savukārt aptuveni 25% tos izmanto, lai kļūtu efektīvāki, automatizējot atkārtotu darbu.

Ir svarīgi atzīmēt, ka mākslīgā intelekta loma programmēšanā nav pilnīgi jauna – tā elementi pastāv jau gadiem ilgi (piemēram, koda automātiska pabeigšana IDE vai automatizētās testēšanas sistēmās). Taču pēdējie divi gadi ir bijuši lūzuma punkts. Jaudīgu lielu valodu modeļu (piemēram, OpenAI GPT sērijas un DeepMind AlphaCode) parādīšanās ir ievērojami paplašinājusi iespējas. Piemēram, DeepMind AlphaCode sistēma nonāca ziņu virsrakstos, uzstājoties programmēšanas sacensību līmenī , sasniedzot aptuveni 54% augstāko vietu kodēšanas izaicinājumos – būtībā sasniedzot vidusmēra cilvēka sacensību dalībnieka prasmes ( DeepMind AlphaCode atbilst vidusmēra programmētāja prasmēm ). Šī bija pirmā reize, kad mākslīgā intelekta sistēma programmēšanas sacensībās uzstājās konkurētspējīgi . Tomēr ir zīmīgi, ka pat AlphaCode, neskatoties uz visu savu meistarību, joprojām bija tālu no labāko cilvēku kodētāju pārspēšanas. Šajās sacensībās AlphaCode varēja atrisināt aptuveni 30% problēmu atļauto mēģinājumu laikā, savukārt labākie cilvēku programmētāji atrisina >90% problēmu ar vienu mēģinājumu. Šī plaisa uzsver, ka, lai gan mākslīgais intelekts līdz noteiktam līmenim var tikt galā ar precīzi definētiem algoritmiskiem uzdevumiem, sarežģītākās problēmas, kurām nepieciešama dziļa domāšana un atjautība, joprojām ir cilvēku cietoksnis .

Rezumējot, mākslīgais intelekts (MI) ir stingri iekļāvies izstrādātāju ikdienas rīku komplektā. Sākot ar palīdzību koda rakstīšanā un beidzot ar izvietošanas optimizāciju, tas ietekmē katru izstrādes procesa daļu. Mūsdienās attiecības lielā mērā ir simbiotiskas: MI darbojas kā otrais pilots (atbilstoši nosaukts), kas palīdz izstrādātājiem kodēt ātrāk un ar mazāku neapmierinātību, nevis kā neatkarīgs autopilots, kas var lidot solo. Nākamajā sadaļā mēs iedziļināsimies, kā šī MI rīku iekļaušana maina izstrādātāju lomu un viņu darba raksturu, uz labo vai slikto pusi.

Kā mākslīgais intelekts maina izstrādātāju lomas un produktivitāti

Tā kā mākslīgais intelekts (MI) veic vairāk rutīnas darba, programmatūras izstrādātāja loma patiešām sāk attīstīties. Tā vietā, lai stundām ilgi rakstītu standarta kodu vai novērstu ikdienišķas kļūdas, izstrādātāji var uzticēt šos uzdevumus saviem MI asistentiem. Tas maina izstrādātāja uzmanību uz augstāka līmeņa problēmu risināšanu, arhitektūru un programmatūras inženierijas radošajiem aspektiem. Būtībā MI papildina izstrādātājus, ļaujot viņiem būt produktīvākiem un potenciāli inovatīvākiem. Bet vai tas nozīmē mazāk programmēšanas darbu vai vienkārši cita veida darbu? Izpētīsim ietekmi uz produktivitāti un lomām:

Produktivitātes palielināšana: Saskaņā ar vairuma atsauksmēm un agrīnajiem pētījumiem, mākslīgā intelekta kodēšanas rīki ievērojami palielina izstrādātāju produktivitāti. GitHub pētījums atklāja, ka izstrādātāji, kas izmanto Copilot, spēja paveikt uzdevumus daudz ātrāk nekā tie, kuriem nebija mākslīgā intelekta palīdzības. Vienā eksperimentā izstrādātāji atrisināja kodēšanas uzdevumu vidēji par 55% ātrāk ar Copilot palīdzību — aptuveni 1 stundas un 11 minūšu laikā, nevis 2 stundu un 41 minūtes laikā bez tās ( Pētījums: GitHub Copilot ietekmes uz izstrādātāju produktivitāti un apmierinātību kvantitatīva noteikšana — GitHub emuārs ). Tas ir ievērojams ātruma pieaugums. Tas nav tikai ātrums; izstrādātāji ziņo, ka mākslīgā intelekta palīdzība palīdz mazināt neapmierinātību un “plūsmas pārtraukumus”. Aptaujās 88% izstrādātāju, kas izmanto Copilot, teica, ka tas padara viņus produktīvākus un ļauj viņiem koncentrēties uz apmierinošāku darbu ( Cik procentu izstrādātāju ir teikuši, ka github copilot padara... ). Šie rīki palīdz programmētājiem palikt “zonā”, apstrādājot garlaicīgas daļas, kas savukārt ietaupa garīgo enerģiju sarežģītākām problēmām. Tā rezultātā daudzi izstrādātāji uzskata, ka kodēšana ir kļuvusi patīkamāka — mazāk apgrūtinoša darba un vairāk radošuma.

Mainīgs ikdienas darbs: līdz ar šiem produktivitātes pieaugumiem mainās arī programmētāja ikdienas darbplūsma. Lielu daļu no "noslogotā darba" – standarta koda rakstīšana, izplatītu modeļu atkārtošana, sintakses meklēšana – var nodot mākslīgajam intelektam. Piemēram, tā vietā, lai manuāli rakstītu datu klasi ar iegūtājiem un iestatītājiem, izstrādātājs var vienkārši lūgt mākslīgajam intelektam to ģenerēt. Tā vietā, lai ķemmētu cauri dokumentācijai, lai atrastu pareizo API izsaukumu, izstrādātājs var uzdot jautājumu mākslīgajam intelektam dabiskajā valodā. Tas nozīmē, ka izstrādātāji pavada relatīvi mazāk laika mehāniskai kodēšanai un vairāk laika uzdevumiem, kuriem nepieciešama cilvēka spriestspēja . Tā kā mākslīgais intelekts pārņem vieglā 80% koda rakstīšanu, izstrādātāja uzdevums pāriet uz mākslīgā intelekta izvades uzraudzību (koda ieteikumu pārskatīšanu, testēšanu) un sarežģīto 20% problēmu risināšanu, kuras mākslīgais intelekts nevar atrisināt. Praksē izstrādātājs varētu sākt savu dienu, triažējot mākslīgā intelekta ģenerētus pieprasījumus vai pārskatot mākslīgā intelekta ieteikto labojumu partiju, nevis rakstot visas šīs izmaiņas no nulles.

Sadarbība un komandas dinamika: Interesanti, ka mākslīgais intelekts ietekmē arī komandas dinamiku. Automatizējot ikdienas uzdevumus, komandas var potenciāli paveikt vairāk, mazāk jaunākajiem izstrādātājiem norīkojot pamatdarbu. Daži uzņēmumi ziņo, ka viņu vecākie inženieri var būt pašpietiekamāki – viņi var ātri izveidot funkciju prototipus ar mākslīgā intelekta palīdzību, bez nepieciešamības pēc jaunākā izstrādātāja, lai veiktu sākotnējos melnrakstus. Tomēr tas rada jaunu izaicinājumu: mentorēšanu un zināšanu apmaiņu. Tā vietā, lai jaunākie izstrādātāji mācītos, veicot vienkāršus uzdevumus, viņiem, iespējams, būs jāiemācās efektīvi pārvaldīt mākslīgā intelekta rezultātus. Komandas sadarbība varētu pāriet uz tādām aktivitātēm kā kolektīva mākslīgā intelekta uzdevumu pilnveidošana vai mākslīgā intelekta ģenerēta koda pārskatīšana, lai atklātu kļūmes. Pozitīvi ir tas, ka, ja ikvienam komandas dalībniekam ir mākslīgā intelekta palīgs, tas varētu radīt vienlīdzīgus konkurences apstākļus un dot vairāk laika dizaina diskusijām, radošai prāta vētrai un sarežģītu lietotāju prasību risināšanai, kuras neviens mākslīgais intelekts pašlaik nesaprot uzreiz. Saskaņā ar GitHub 2023. gada aptaujas rezultātiem ( Aptauja atklāj mākslīgā intelekta ietekmi uz izstrādātāju pieredzi — GitHub emuārs) vairāk nekā četri no pieciem izstrādātājiem uzskata, ka mākslīgā intelekta kodēšanas rīki uzlabos komandas sadarbību .

Ietekme uz darba lomām: Svarīgs jautājums ir, vai mākslīgais intelekts (MI) samazinās pieprasījumu pēc programmētājiem (jo katrs programmētājs tagad ir produktīvāks) vai arī tas vienkārši mainīs pieprasītās prasmes. Vēsturiskais precedents ar citiem automatizācijas veidiem (piemēram, devops rīku vai augstāka līmeņa programmēšanas valodu pieaugums) liecina, ka izstrādātāju darba vietas netiek tik daudz likvidētas, cik paaugstinātas . Patiešām, nozares analītiķi prognozē, ka programmatūras inženierijas lomas turpinās pieaugt , taču šo lomu raksturs mainīsies. Nesenā Gartner ziņojumā prognozēts, ka līdz 2027. gadam 50% programmatūras inženierijas organizāciju ieviesīs MI paplašinātas “programmatūras inženierijas intelekta” platformas, lai palielinātu produktivitāti , salīdzinot ar tikai 5% 2024. gadā ( Vai programmatūras inženieriem ir nākotne? MI ietekme [2024] ). Tas norāda, ka uzņēmumi plaši integrēs MI, taču tas nozīmē, ka izstrādātāji strādās ar šīm intelektiskajām platformām. Līdzīgi konsultāciju firma McKinsey prognozē, ka, lai gan MI var automatizēt daudzus uzdevumus, aptuveni 80% programmēšanas darbu joprojām būs nepieciešams cilvēks un tie paliks “cilvēkcentriski” . Citiem vārdiem sakot, mums joprojām būs nepieciešami cilvēki lielākajai daļai izstrādātāju amatu, taču amata apraksti var mainīties.

“AI programmatūras inženieris” vai “ātrās mācīšanās inženieris” parādīšanās – izstrādātāji, kas specializējas AI komponentu veidošanā vai vadīšanā. Mēs jau redzam, ka strauji pieaug pieprasījums pēc izstrādātājiem ar AI/ML zināšanām. Saskaņā ar Indeed analīzi, trīs vispieprasītākās ar AI saistītās profesijas ir datu zinātnieki, programmatūras inženieri un mašīnmācīšanās inženieri , un pieprasījums pēc šīm lomām pēdējo trīs gadu laikā ir vairāk nekā divkāršojies ( Is There a Future for Software Engineers? The Impact of AI [2024] ). No tradicionālajiem programmatūras inženieriem arvien vairāk tiek sagaidīts, ka viņi izpratīs mašīnmācīšanās pamatus vai integrēs AI pakalpojumus lietojumprogrammās. Tālu no tā, lai padarītu izstrādātājus liekus, “AI varētu paaugstināt profesiju, ļaujot izstrādātājiem koncentrēties uz augstāka līmeņa uzdevumiem un inovācijām.” ( Is AI Going to Replace Developers in 2025: A Sneak Peek into the Future ). Daudzus ikdienas kodēšanas uzdevumus varētu veikt AI, taču izstrādātāji būs vairāk aizņemti ar sistēmu izstrādi, moduļu integrēšanu, kvalitātes nodrošināšanu un jaunu problēmu risināšanu. Kāds vecākais inženieris no viena AI virzoša uzņēmuma to labi rezumēja: AI neaizstāj mūsu izstrādātājus; tas pastiprina . Viens izstrādātājs, kas apbruņots ar jaudīgiem mākslīgā intelekta rīkiem, var paveikt vairāku darbu, taču tagad šis izstrādātājs uzņemas sarežģītāku un ietekmīgāku darbu.

Reālās pasaules piemērs: Apsveriet scenāriju no programmatūras uzņēmuma, kas integrēja GitHub Copilot visiem saviem izstrādātājiem. Tūlītējais efekts bija ievērojams laika samazinājums, kas pavadīts vienību testu un standarta koda rakstīšanai. Kāda jaunākā izstrādātāja atklāja, ka, izmantojot Copilot, viņa varēja ātri ģenerēt 80% no jaunās funkcijas koda un pēc tam veltīt laiku atlikušo 20% pielāgošanai un integrācijas testu rakstīšanai. Viņas produktivitāte koda izvades ziņā gandrīz divkāršojās, bet vēl interesantāk, ka mainījās viņas ieguldījuma raksturs – viņa kļuva vairāk par koda recenzenti un testu izstrādātāju mākslīgā intelekta rakstītam kodam. Komanda arī pamanīja, ka koda pārskatīšanas laikā sāka atklāt mākslīgā intelekta kļūdas , nevis cilvēku pieļautas drukas kļūdas. Piemēram, Copilot laiku pa laikam ieteica nedrošu šifrēšanas ieviešanu; cilvēku izstrādātājiem tās bija jāatrod un jālabo. Šāda veida piemērs parāda, ka, lai gan izvades apjoms palielinājās, darbplūsmā kļuva vēl svarīgākas

Rezumējot, mākslīgais intelekts neapšaubāmi maina izstrādātāju darba veidu: padarot viņus ātrākus un ļaujot risināt ambiciozākas problēmas, taču arī pieprasa no viņiem pilnveidot savas prasmes (gan mākslīgā intelekta izmantošanā, gan augstāka līmeņa domāšanā). Tas nav stāsts par to, ka “mākslīgais intelekts atņem darbavietas”, bet gan par to, ka “mākslīgais intelekts maina darbavietas”. Izstrādātāji, kas iemācās efektīvi izmantot šos rīkus, var vairot to ietekmi – bieži dzirdam klišeju: “Mākslīgais intelekts neaizstās izstrādātājus, bet izstrādātāji, kas izmanto mākslīgo intelektu, var aizstāt tos, kas to nedara.” Nākamajās sadaļās tiks pētīts, kāpēc cilvēku izstrādātāji joprojām ir svarīgi (ko mākslīgais intelekts nevar labi izdarīt) un kā izstrādātāji var pielāgot savas prasmes, lai attīstītos līdzās mākslīgajam intelektam.

Mākslīgā intelekta ierobežojumi (kāpēc cilvēki joprojām ir vitāli svarīgi)

Neskatoties uz iespaidīgajām iespējām, mūsdienu mākslīgajam intelektam ir skaidri ierobežojumi , kas neļauj tam padarīt cilvēku programmētājus novecojušus. Šo ierobežojumu izpratne ir būtiska, lai saprastu, kāpēc programmētāji joprojām ir ļoti nepieciešami izstrādes procesā. Mākslīgais intelekts ir spēcīgs instruments, taču tas nav brīnumlīdzeklis, kas var aizstāt cilvēka izstrādātāja radošumu, kritisko domāšanu un kontekstuālo izpratni. Šeit ir daži no mākslīgā intelekta fundamentālajiem trūkumiem programmēšanā un atbilstošās cilvēku izstrādātāju stiprās puses:

• Patiesas izpratnes un radošuma trūkums: pašreizējie mākslīgā intelekta modeļi patiesībā nesaprot kodu vai problēmas tā, kā to dara cilvēki; tie atpazīst modeļus un, pamatojoties uz apmācības datiem, atkārtoti ģenerē iespējamos rezultātus. Tas nozīmē, ka mākslīgajam intelektam var būt grūtības ar uzdevumiem, kuriem nepieciešami oriģināli, radoši risinājumi vai dziļa jaunu problēmu jomu izpratne. Mākslīgais intelekts varētu spēt ģenerēt kodu, kas atbilst iepriekš redzētai specifikācijai, bet, ja tam lūgtu izstrādāt jaunu algoritmu vēl nebijusii problēmai vai interpretēt neskaidru prasību, tas, visticamāk, cietīs neveiksmi. Kā rakstīja viens novērotājs, mākslīgajam intelektam mūsdienās "trūkst radošās un kritiskās domāšanas spēju, ko piedāvā cilvēku izstrādātāji". ( Vai mākslīgais intelekts aizstās izstrādātājus 2025. gadā: ieskats nākotnē ) Cilvēki izceļas ar domāšanu ārpus rāmjiem — apvienojot jomas zināšanas, intuīciju un radošumu, lai izstrādātu programmatūras arhitektūras vai risinātu sarežģītas problēmas. Turpretī mākslīgais intelekts ir ierobežots ar apgūtajiem modeļiem; ja problēma neatbilst šiem modeļiem, mākslīgais intelekts var radīt nepareizu vai bezjēdzīgu kodu (bieži vien pārliecinoši!). inovācijas – jaunu funkciju, jaunas lietotāja pieredzes vai jaunu tehnisku pieeju izstrāde – joprojām ir cilvēku virzīta darbība.

• Konteksts un kopējā skatījuma izpratne: programmatūras izveide nav tikai koda rindiņu rakstīšana. Tā ietver būtības – biznesa prasības, lietotāju vajadzības un kontekstu, kurā programmatūra darbojas. Mākslīgajam intelektam ir ļoti šaurs konteksta logs (parasti ierobežots ar ievadi, kas tam tiek sniegta vienlaikus). Tas patiesi nesaprot sistēmas galveno mērķi vai to, kā viens modulis mijiedarbojas ar citu, izņemot to, kas ir skaidri norādīts kodā. Tā rezultātā mākslīgais intelekts var ģenerēt kodu, kas tehniski darbojas nelielam uzdevumam, bet neiederas plašākā sistēmas arhitektūrā vai pārkāpj kādu netiešu prasību. Cilvēki-izstrādātāji ir nepieciešami, lai nodrošinātu, ka programmatūra atbilst biznesa mērķiem un lietotāju cerībām. Sarežģītu sistēmu projektēšana – izpratne par to, kā izmaiņas vienā daļā var ietekmēt citas, kā līdzsvarot kompromisus (piemēram, veiktspēju pret lasāmību) un kā plānot koda bāzes ilgtermiņa attīstību – ir kaut kas tāds, ko mākslīgais intelekts mūsdienās nevar izdarīt. Liela mēroga projektos ar tūkstošiem komponentu mākslīgais intelekts "redz kokus, bet ne mežu". Kā norādīts vienā analīzē, “mākslīgajam intelektam ir grūtības izprast liela mēroga programmatūras projektu pilnu kontekstu un sarežģītību”, tostarp biznesa prasības un lietotāja pieredzes apsvērumus ( Vai mākslīgais intelekts 2025. gadā aizstās izstrādātājus: ieskats nākotnē ). Cilvēki saglabā kopējo redzējumu.

• Veselais saprāts un neskaidrību risināšana: Prasības reālos projektos bieži vien ir neskaidras vai mainīgas. Cilvēks-izstrādātājs var meklēt skaidrojumus, izdarīt saprātīgus pieņēmumus vai atteikties no nereāliem pieprasījumiem. Mākslīgajam intelektam nepiemīt veselais saprāts vai spēja uzdot skaidrojošus jautājumus (ja vien tas nav skaidri iekļauts uzvednē, un pat tad nav garantijas, ka tas tiks izdarīts pareizi). Tāpēc mākslīgā intelekta ģenerētais kods dažreiz var būt tehniski pareizs, bet funkcionāli neprecīzs – tam trūkst spriestspējas, lai saprastu, ko lietotājs patiesībā bija iecerējis, ja instrukcijas nav skaidras. Turpretī cilvēks-programmētājs var interpretēt augsta līmeņa pieprasījumu (“padarīt šo lietotāja saskarni intuitīvāku” vai “lietotnei vajadzētu eleganti apstrādāt neregulārus ievades datus”) un izdomāt, kas jādara kodā. Mākslīgajam intelektam būtu nepieciešamas ārkārtīgi detalizētas, nepārprotamas specifikācijas, lai patiesi aizstātu izstrādātāju, un pat šādu specifikāciju efektīva uzrakstīšana ir tikpat sarežģīta kā paša koda uzrakstīšana. Kā trāpīgi atzīmēts Forbes Tech Council rakstā, lai mākslīgais intelekts faktiski aizstātu izstrādātājus, tam būtu jāsaprot neskaidras instrukcijas un jāpielāgojas kā cilvēkam – spriešanas līmenis, kāda pašreizējam mākslīgajam intelektam nav ( Sergija Kuzina ieraksts - LinkedIn ).

• Uzticamība un “halucinācijas”: Mūsdienu ģeneratīvajiem mākslīgā intelekta modeļiem ir labi zināms trūkums: tie var radīt nepareizas vai pilnībā safabricētas izejas – parādību, ko bieži sauc par halucinācijām . Kodēšanā tas var nozīmēt, ka mākslīgais intelekts raksta kodu, kas izskatās ticams, bet ir loģiski nepareizs vai nedrošs. Izstrādātāji nevar akli uzticēties mākslīgā intelekta ieteikumiem. Praksē katrs mākslīgā intelekta rakstīts kods ir rūpīgi jāpārskata un jāpārbauda cilvēkam . Stack Overflow aptaujas dati to atspoguļo – no tiem, kas izmanto mākslīgā intelekta rīkus, tikai 3% ļoti uzticas mākslīgā intelekta izejas precizitātei , un patiešām neliela daļa tam aktīvi neuzticas ( 70% izstrādātāju izmanto mākslīgā intelekta kodēšanas rīkus, 3% ļoti uzticas to precizitātei – ShiftMag ). Lielākā daļa izstrādātāju uzskata mākslīgā intelekta ieteikumus par noderīgiem padomiem, nevis par patiesību. Šī zemā uzticēšanās ir pamatota, jo mākslīgais intelekts var pieļaut dīvainas kļūdas, ko neviens kompetents cilvēks nedarītu (piemēram, neprecīzas kļūdas, novecojušu funkciju izmantošana vai neefektīvu risinājumu radīšana), jo tas patiesībā nedomā par problēmu. Kā ironiski atzīmēts vienā foruma komentārā: “Viņi (mākslīgais intelekts) daudz halucinē un izdara dīvainas dizaina izvēles, ko cilvēks nekad neizdarītu” ( Vai programmētāji novecos mākslīgā intelekta dēļ? - Karjeras padomi ). Cilvēka uzraudzība ir ļoti svarīga, lai pamanītu šīs kļūdas. Mākslīgais intelekts var ātri iegūt 90% no funkcijas, bet, ja atlikušajiem 10% ir smalka kļūda, tā joprojām ir cilvēka izstrādātāja ziņā. Un, ja ražošanā kaut kas noiet greizi, atkļūdošana ir jāveic cilvēkiem inženieriem – mākslīgais intelekts vēl nevar uzņemties atbildību par savām kļūdām.

• Kodbāzu uzturēšana un attīstība: programmatūras projekti gadu gaitā dzīvo un attīstās. Tiem ir nepieciešams konsekvents stils, skaidrība nākamajiem uzturētājiem un atjauninājumi, mainoties prasībām. Mūsdienu mākslīgajam intelektam nav atmiņas par iepriekšējiem lēmumiem (izņemot ierobežotas norādes), tāpēc tas var nespēt uzturēt kodu konsekventu lielā projektā, ja vien tas netiek vadīts. Cilvēku izstrādātāji nodrošina koda uzturēšanu – rakstot skaidru dokumentāciju, izvēloties lasāmus risinājumus, nevis gudrus, bet neskaidrus, un pārveidojot kodu pēc nepieciešamības, kad arhitektūra attīstās. Mākslīgais intelekts var palīdzēt šajos uzdevumos (piemēram, iesakot pārveidošanu), taču izlemt, ko pārveidot vai kuras sistēmas daļas ir jāpārprojektē, ir cilvēka spriedums. Turklāt, integrējot komponentus, jaunas funkcijas ietekmes uz esošajiem moduļiem izpratne (nodrošinot atpakaļsaderību utt.) ir kaut kas tāds, ar ko nodarbojas cilvēki. Mākslīgā intelekta ģenerētais kods ir jāintegrē un jāsaskaņo cilvēkiem. Eksperimenta veidā daži izstrādātāji ir mēģinājuši ļaut ChatGPT veidot veselas mazas lietotnes; rezultāts sākotnēji bieži darbojas, bet to kļūst ļoti grūti uzturēt vai paplašināt, jo mākslīgais intelekts nekonsekventi piemēro pārdomātu arhitektūru – tas pieņem lokālus lēmumus, no kuriem cilvēka arhitekts izvairītos.

• Ētiskie un drošības apsvērumi: Mākslīgajam intelektam rakstot arvien vairāk koda, rodas arī jautājumi par neobjektivitāti, drošību un ētiku. Mākslīgais intelekts var netīšām ieviest drošības ievainojamības (piemēram, nepareizi attīrot ievades datus vai izmantojot nedrošas kriptogrāfijas metodes), ko pieredzējis izstrādātājs pamanītu. Turklāt mākslīgajam intelektam nav raksturīgas ētikas izjūtas vai rūpes par taisnīgumu – tas, piemēram, var apmācīties ar neobjektīviem datiem un ieteikt algoritmus, kas netīšām diskriminē (mākslīgā intelekta vadītā funkcijā, piemēram, aizdevuma apstiprināšanas kodā vai pieņemšanas darbā algoritmā). Cilvēka izstrādātājiem ir jāpārbauda mākslīgā intelekta rezultāti, lai noteiktu šīs problēmas, nodrošinātu atbilstību noteikumiem un iekļautu programmatūrā ētiskus apsvērumus. Programmatūras sociālo aspektu "nevar ignorēt. Šie uz cilvēku orientētie izstrādes aspekti ir ārpus mākslīgā intelekta sasniedzamības, vismaz pārskatāmā nākotnē." ( Vai mākslīgais intelekts 2025. gadā aizstās izstrādātājus: ieskats nākotnē ) Izstrādātājiem ir jākalpo par sirdsapziņu un kvalitātes vārtiem mākslīgā intelekta ieguldījumiem.

Ņemot vērā šos ierobežojumus, pašreizējā vienprātība ir tāda, ka mākslīgais intelekts (MI) ir instruments, nevis aizstājējs . Kā teica Satja Nadella, runa ir par pilnvarošanu , nevis aizstāšanu ( Vai MI aizstās programmētājus? Patiesība aiz ažiotāžas | autors The PyCoach | Artificial Corner | 2025. gada marts | Medium ). MI var uzskatīt par jaunāko asistentu: tas ir ātrs, nenogurstošs un var pirmais tikt galā ar daudziem uzdevumiem, taču tam ir nepieciešama vecākā izstrādātāja vadība un zināšanas, lai radītu noslīpētu gala produktu. Tas liecina par to, ka pat vismodernākās MI kodēšanas sistēmas reālajā pasaulē tiek izmantotas kā asistenti (Copilot, CodeWhisperer utt.), nevis kā autonomi kodētāji. Uzņēmumi neatlaiž savas programmēšanas komandas un neļauj MI vaļu savairošanai; tā vietā tie iestrādā MI izstrādātāju darbplūsmās, lai palīdzētu viņiem.

Viens ilustratīvs citāts ir no OpenAI pārstāvja Sema Altmana, kurš atzīmēja, ka pat tad, kad mākslīgā intelekta aģenti uzlabojas, "šie mākslīgā intelekta aģenti pilnībā neaizstās cilvēkus" programmatūras izstrādē ( Sems Altmans saka, ka mākslīgā intelekta aģenti drīz veiks uzdevumus, ko veic programmatūras inženieri: pilns stāsts 5 punktos - India Today ). Viņi darbosies kā "virtuālie līdzstrādnieki" , kas veiks precīzi definētus uzdevumus cilvēku inženieriem, īpaši tos uzdevumus, kas raksturīgi zema līmeņa programmatūras inženierim ar dažu gadu pieredzi. Citiem vārdiem sakot, mākslīgais intelekts dažās jomās galu galā varētu veikt jaunākā izstrādātāja darbu, taču šis jaunākais izstrādātājs nekļūst bez darba – viņš attīstās par mākslīgā intelekta uzraudzības lomu un uzņemas augstāka līmeņa uzdevumu veikšanu, ko mākslīgais intelekts nevar veikt. Pat raugoties nākotnē, kur daži pētnieki prognozē, ka līdz 2040. gadam mākslīgais intelekts varētu rakstīt lielāko daļu sava koda ( Is There a Future for Software Engineers? The Impact of AI [2024] ), ir vispārpieņemts, ka cilvēku programmētāji joprojām būs nepieciešami, lai pārraudzītu, vadītu un nodrošinātu radošo dzirksti un kritisko domāšanu, kas trūkst mašīnām .

Ir arī vērts atzīmēt, ka programmatūras izstrāde ir vairāk nekā tikai kodēšana . Tā ietver komunikāciju ar ieinteresētajām personām, lietotāju stāstu izpratni, sadarbību komandās un iteratīvu dizainu – visas šīs jomas ir neaizstājamas, jo cilvēka prasmes ir neaizstājamas. Mākslīgais intelekts nevar sēdēt sanāksmē ar klientu, lai precizētu, ko viņš patiesībā vēlas, kā arī nevar vienoties par prioritātēm vai iedvesmot komandu ar produkta vīziju. Cilvēciskais elements joprojām ir centrālais.

Rezumējot, mākslīgajam intelektam (MI) ir būtiskas vājās vietas: nav patiesas radošuma, ir ierobežota konteksta izpratne, tieksme kļūdīties, nav atbildības un nav izpratnes par programmatūras lēmumu plašākām sekām. Tieši šīs nepilnības ir tās, kurās izceļas cilvēku izstrādātāji. Tā vietā, lai uzskatītu MI par draudu, varētu būt precīzāk to uzskatīt par spēcīgu pastiprinātāju cilvēku izstrādātājiem – ikdienišķo darbu veikšanu, lai cilvēki varētu koncentrēties uz dziļo. Nākamajā sadaļā tiks apspriests, kā izstrādātāji var izmantot šo pastiprinājumu, pielāgojot savas prasmes un lomas , lai saglabātu atbilstību un vērtību MI paplašinātā izstrādes pasaulē.

Pielāgošanās un uzplaukums mākslīgā intelekta laikmetā

Programmētājiem un izstrādātājiem mākslīgā intelekta (MI) ienākšana kodēšanā nav jābūt nopietnam draudam – tā var būt iespēja. Galvenais ir pielāgoties un attīstīties līdzi tehnoloģijai. Tie, kas iemācīsies izmantot MI, visticamāk, kļūs produktīvāki un pieprasītāki, savukārt tie, kas to ignorēs, var atklāt, ka ir atpalikuši. Šajā sadaļā mēs koncentrējamies uz praktiskiem soļiem un stratēģijām, kā izstrādātāji var saglabāt savu aktualitāti un attīstīties, MI rīkiem kļūstot par ikdienas izstrādes sastāvdaļu. Domāšanas veids, kas jāpieņem, ir nepārtraukta mācīšanās un sadarbība ar MI, nevis konkurence. Lūk, kā izstrādātāji var pielāgoties un kādas jaunas prasmes un lomas viņiem vajadzētu apsvērt:

1. Izmantojiet mākslīgo intelektu kā rīku (iemācieties efektīvi izmantot mākslīgā intelekta kodēšanas palīgus): Pirmkārt un galvenokārt, izstrādātājiem ir jāapgūst pieejamie mākslīgā intelekta rīki. Uztveriet Copilot, ChatGPT vai citus kodēšanas mākslīgos intelektus kā savu jauno programmēšanas partneri. Tas nozīmē iemācīties rakstīt labus uzdevumus vai komentārus, lai iegūtu noderīgus koda ieteikumus, un zināt, kā ātri validēt vai atkļūdot mākslīgā intelekta ģenerētu kodu. Tāpat kā izstrādātājam bija jāapgūst sava IDE vai versiju kontrole, mākslīgā intelekta palīga īpatnību apgūšana kļūst par daļu no prasmju kopas. Piemēram, izstrādātājs var praktizēties, paņemot uzrakstītu koda fragmentu un lūdzot mākslīgajam intelektam to uzlabot, pēc tam analizējot izmaiņas. Vai arī, sākot uzdevumu, izklāstiet to komentāros un skatiet, ko mākslīgais intelekts nodrošina, un pēc tam pilnveidojiet. Laika gaitā jūs attīstīsiet intuīciju par to, ko mākslīgais intelekts dara labi un kā ar to kopīgi radīt. Domājiet par to kā par "mākslīgā intelekta atbalstītu izstrādi" – jaunu prasmi, ko pievienot savam rīku komplektam. Patiešām, izstrādātāji tagad runā par "ātru inženieriju" kā prasmi – zināt, kā uzdot mākslīgajam intelektam pareizos jautājumus. Tie, kas to apgūst, var sasniegt ievērojami labākus rezultātus, izmantojot tos pašus rīkus. Atcerieties: “izstrādātāji, kas izmanto mākslīgo intelektu, var aizstāt tos, kas to nedara” – tāpēc pieņemiet šo tehnoloģiju un padariet to par savu sabiedroto.

2. Koncentrējieties uz augstāka līmeņa prasmēm (problēmu risināšana, sistēmu projektēšana, arhitektūra): Tā kā mākslīgais intelekts (MI) var apstrādāt zemāka līmeņa kodēšanu, izstrādātājiem vajadzētu virzīties augšup pa abstrakcijas kāpnēm . Tas nozīmē lielāku uzsvaru likt uz sistēmu projektēšanas un arhitektūras izpratni. Attīstiet prasmes sarežģītu problēmu risināšanā, mērogojamu sistēmu projektēšanā un arhitektūras lēmumu pieņemšanā – jomās, kurās cilvēka ieskatam ir izšķiroša nozīme. Koncentrējieties uz risinājuma iemeslu un veidu, nevis tikai uz to, ko. Piemēram, tā vietā, lai visu savu laiku veltītu kārtošanas funkcijas pilnveidošanai (ja MI var to uzrakstīt jūsu vietā), veltiet laiku, lai saprastu, kura kārtošanas pieeja ir optimāla jūsu lietojumprogrammas kontekstam un kā tā iederas jūsu sistēmas datu plūsmā. Dizaina domāšana , ņemot vērā lietotāju vajadzības, datu plūsmas un komponentu mijiedarbību, tiks augstu novērtēta. MI var ģenerēt kodu, bet tieši izstrādātājs nosaka programmatūras kopējo struktūru un nodrošina, ka visas daļas darbojas harmonijā. Asinot savu kopējo domāšanu, jūs kļūstat par neaizstājamu personu, kas vada MI (un pārējo komandu) pareizās lietas izveidē. Kā norādīts vienā nākotnes ziņojumā, izstrādātājiem vajadzētu “koncentrēties uz jomām, kurās cilvēka ieskats ir neaizstājams, piemēram, problēmu risināšana, dizaina domāšana un lietotāju vajadzību izpratne”. ( Vai mākslīgais intelekts aizstās izstrādātājus 2025. gadā: ieskats nākotnē )

3. Uzlabojiet savas mākslīgā intelekta un mašīnmācīšanās zināšanas: Lai strādātu kopā ar mākslīgo intelektu, ir noderīgi izprast mākslīgo intelektu . Izstrādātājiem nav visiem jākļūst par mašīnmācīšanās pētniekiem, taču laba izpratne par to, kā šie modeļi darbojas, būs noderīga. Apgūstiet mašīnmācīšanās un dziļās mācīšanās pamatus — tas ne tikai varētu pavērt jaunus karjeras ceļus (jo ar mākslīgo intelektu saistītas darbavietas strauji pieaug ( Vai programmatūras inženieriem ir nākotne? Mākslīgā intelekta ietekme [2024] )), bet arī palīdzēs efektīvāk izmantot mākslīgā intelekta rīkus. Ja zināt, piemēram, liela valodas modeļa ierobežojumus un to, kā tas tika apmācīts, varat paredzēt, kad tas varētu neizdoties, un attiecīgi izstrādāt savus uzdevumus vai testus. Turklāt daudzi programmatūras produkti tagad ietver mākslīgā intelekta funkcijas (piemēram, lietotne ar ieteikumu dzinēju vai tērzēšanas robots). Programmatūras izstrādātājs ar zināmām mašīnmācīšanās zināšanām var dot ieguldījumu šo funkciju izstrādē vai vismaz inteliģenti sadarboties ar datu zinātniekiem. Galvenās jomas, kurās jāapsver mācīšanās, ir šādas: datu zinātnes pamati , datu pirmapstrāde, apmācība pretstatā secinājumiem, kā arī mākslīgā intelekta ētika. Iepazīstieties ar mākslīgā intelekta ietvariem (TensorFlow, PyTorch) un mākoņpakalpojumiem mākslīgā intelekta jomā; pat ja neveidojat modeļus no nulles, zināšanas par to, kā integrēt mākslīgā intelekta API lietotnē, ir vērtīga prasme. Īsāk sakot, kļūt par “mākslīgā intelekta pratēju” ātri kļūst tikpat svarīgi kā tīmekļa vai datubāzu tehnoloģiju pratēju. Izstrādātāji, kas spēj apvienot tradicionālās programmatūras inženierijas un mākslīgā intelekta pasauli, būs labākajā pozīcijā, lai vadītu nākotnes projektus.

4. Attīstiet spēcīgākas mīkstās prasmes un jomas zināšanas: Mākslīgajam intelektam (MI) pārņemot mehāniskus uzdevumus, unikāli cilvēciskās prasmes kļūst vēl svarīgākas. Komunikācija, komandas darbs un jomas zināšanas ir jomas, uz kurām jāpievērš lielāka uzmanība. Programmatūras izstrāde bieži vien ir saistīta ar problēmas jomas izpratni – neatkarīgi no tā, vai tā ir finanses, veselības aprūpe, izglītība vai jebkura cita joma – un tās pārvēršanu risinājumos. MI nebūs šāda konteksta vai spēju sadarboties ar ieinteresētajām personām, bet jums tāda ir. Kļūstot zinošākiem savā jomā, jūs kļūstat par personu, pie kuras varat piekļauties, lai nodrošinātu, ka programmatūra patiešām atbilst reālās pasaules vajadzībām. Līdzīgi koncentrējieties uz savām sadarbības prasmēm: mentorēšanu, vadību un koordināciju. Komandām joprojām būs nepieciešami vecākie izstrādātāji, lai pārskatītu kodu (tostarp MI rakstītu kodu), konsultētu jaunākos par labāko praksi un koordinētu sarežģītus projektus. MI neizslēdz nepieciešamību pēc cilvēka mijiedarbības projektos. Faktiski, MI ģenerējot kodu, vecākā izstrādātāja mentorēšana varētu mainīties uz jaunāko izstrādātāju mācīšanu darbam ar MI un tā izvades validēšanai , nevis uz to, kā rakstīt for-ciklu. Spēja vadīt citus šajā jaunajā paradigmā ir vērtīga prasme. Tāpat praktizējiet kritisko domāšanu – apšaubiet un pārbaudiet mākslīgā intelekta rezultātus un mudiniet citus darīt to pašu. Veselīga skepticisma un pārbaudes domāšanas veida attīstīšana novērsīs aklu paļaušanos uz mākslīgo intelektu un samazinās kļūdas. Būtībā uzlabojiet prasmes, kuru mākslīgajam intelektam trūkst: cilvēku un konteksta izpratne, kritiskā analīze un starpdisciplināra domāšana.

5. Mūžizglītība un pielāgošanās spēja: Mākslīgā intelekta pārmaiņu temps ir ārkārtīgi straujš. Tas, kas šodien šķiet moderns, pēc pāris gadiem varētu būt novecojis. Izstrādātājiem ir jāpieņem mūžizglītība vairāk nekā jebkad agrāk. Tas varētu nozīmēt regulāru jaunu mākslīgā intelekta kodēšanas asistentu izmēģināšanu, tiešsaistes kursu vai sertifikātu iegūšanu mākslīgā intelekta/mašīnu mācīšanās jomā, pētniecības emuāru lasīšanu, lai būtu lietas kursā par gaidāmo, vai dalību mākslīgā intelekta izstrādātāju kopienās. Pielāgošanās spēja ir ļoti svarīga – esiet gatavi pielāgoties jauniem rīkiem un darbplūsmām, tiklīdz tās parādās. Piemēram, ja parādās jauns mākslīgā intelekta rīks, kas var automatizēt lietotāja interfeisa dizainu no skicēm, front-end izstrādātājam jābūt gatavam to apgūt un integrēt, pārorientējot savu uzmanību, piemēram, uz ģenerētā lietotāja interfeisa pilnveidošanu vai lietotāja pieredzes detaļu uzlabošanu, kuras automatizācija palaida garām. Tiem, kas uztver mācīšanos kā pastāvīgu savas karjeras sastāvdaļu (ko daudzi izstrādātāji jau dara), būs vieglāk integrēt mākslīgā intelekta izstrādes. Viena no stratēģijām ir veltīt nelielu daļu savas nedēļas mācībām un eksperimentiem – uztveriet to kā ieguldījumu savā nākotnē. Uzņēmumi arī sāk nodrošināt apmācības saviem izstrādātājiem par mākslīgā intelekta rīku efektīvu izmantošanu; šādu iespēju izmantošana jūs izvirzīs vadībā. Izstrādātāji, kas gūst panākumus, būs tie, kas uzskata mākslīgo intelektu par mainīgu partneri un nepārtraukti pilnveido savu pieeju sadarbībai ar šo partneri.

6. Izpētiet jaunās lomas un karjeras ceļus: mākslīgajam intelektam (MI) iekļaujoties izstrādē, rodas jaunas karjeras iespējas. Piemēram, uzdevumu inženieris vai MI integrācijas speciālists ir lomas, kas koncentrējas uz pareizo uzdevumu, darbplūsmu un infrastruktūras izveidi MI izmantošanai produktos. Vēl viens piemērs ir MI ētikas inženieris vai MI auditors – lomas, kas koncentrējas uz MI rezultātu pārskatīšanu attiecībā uz neobjektivitāti, atbilstību un pareizību. Ja jūs interesē šīs jomas, pareizo zināšanu iegūšana varētu pavērt šos jaunos ceļus. Pat klasiskajās lomās jūs varētu atrast tādas nišas kā “MI atbalstīts front-end izstrādātājs” pret “MI atbalstīts back-end izstrādātājs”, kur katrs izmanto specializētus rīkus. Sekojiet līdzi tam, kā organizācijas strukturē komandas ap MI. Dažiem uzņēmumiem ir “MI ģildes” vai izcilības centri, kas vada MI ieviešanu projektos – aktivitāte šādās grupās var jūs izvirzīt priekšplānā. Turklāt apsveriet iespēju piedalīties pašu MI rīku izstrādē: piemēram, strādājot pie atvērtā pirmkoda projektiem, kas uzlabo izstrādātāju rīkus (iespējams, uzlabojot MI spēju izskaidrot kodu utt.). Tas ne tikai padziļina jūsu izpratni par tehnoloģijām, bet arī ievieto jūs kopienā, kas ir pārmaiņu priekšgalā. Galvenais ir būt proaktīviem attiecībā uz karjeras elastību . Ja daļa no jūsu pašreizējā darba tiek automatizēta, esiet gatavi pāriet uz lomām, kas izstrādā, pārrauga vai papildina šīs automatizētās daļas.

7. Saglabāt un demonstrēt cilvēciskās īpašības: Pasaulē, kurā mākslīgais intelekts (MI) var ģenerēt viduvēju kodu viduvējai problēmai, cilvēkiem paredzētiem izstrādātājiem jācenšas radīt izcilus un empātiskus risinājumus, ko MI nespēj. Tas varētu nozīmēt koncentrēšanos uz lietotāja pieredzes izsmalcinātību, veiktspējas optimizāciju neparastos scenārijos vai vienkārši tīra un labi dokumentēta koda rakstīšanu (MI nav īpaši laba jēgpilnas dokumentācijas vai saprotamu koda komentāru rakstīšanā — tur var pievienot vērtību!). Pievērsiet uzmanību cilvēka ieskatu integrēšanai darbā: piemēram, ja MI ģenerē koda fragmentu, jūs pievienojat komentārus, kas izskaidro pamatojumu tādā veidā, ko cits cilvēks var saprast vēlāk, vai arī pielāgojat to, lai tas būtu lasāmāks. To darot, jūs pievienojat profesionalitātes un kvalitātes slāni, kāda trūkst tīri mašīnģenerētam darbam. Laika gaitā, veidojot reputāciju augstas kvalitātes programmatūrai, kas “vienkārši darbojas” reālajā pasaulē, jūs izcelsieties. Klienti un darba devēji novērtēs izstrādātājus, kuri var apvienot MI efektivitāti ar cilvēku meistarību .

Apsvērsim arī to, kā varētu pielāgoties izglītības ceļi. Jaunajiem izstrādātājiem, kas ienāk šajā jomā, nevajadzētu kautrēties no mākslīgā intelekta rīkiem savā mācību procesā. Gluži pretēji, mācīšanās ar mākslīgo intelektu (piemēram, izmantojot mākslīgo intelektu mājasdarbu vai projektu veikšanai un pēc tam analizējot rezultātus) var paātrināt viņu izpratni. Tomēr ir svarīgi arī padziļināti apgūt pamatus – algoritmus, datu struktūras un programmēšanas pamatjēdzienus –, lai jums būtu stabils pamats un jūs varētu pateikt, kad mākslīgais intelekts nomaldās. Tā kā mākslīgais intelekts apstrādā vienkāršus kodēšanas vingrinājumus, mācību programmās var tikt piešķirts lielāks uzsvars uz projektiem, kuriem nepieciešama izstrāde un integrācija. Ja esat iesācējs, koncentrējieties uz portfolio veidošanu, kas demonstrē jūsu spēju risināt sarežģītas problēmas un izmantot mākslīgo intelektu kā vienu no daudzajiem rīkiem.

Lai apkopotu adaptācijas stratēģiju: esi pilots, nevis pasažieris. Izmanto mākslīgā intelekta rīkus, bet nekļūsti pārāk atkarīgs no tiem vai pašapmierināts. Turpini pilnveidot unikāli cilvēciskos izstrādes aspektus. Greidijs Būčs, cienījams programmatūras inženierijas pionieris, to labi pateica: "Mākslīgais intelekts fundamentāli mainīs to, ko nozīmē būt programmētājam. Tas neizslēgs programmētājus, bet tas prasīs no viņiem attīstīt jaunas prasmes un strādāt jaunos veidos." ( Vai programmatūras inženieriem ir nākotne? Mākslīgā intelekta ietekme [2024] ). Proaktīvi attīstot šīs jaunās prasmes un darba metodes, izstrādātāji var nodrošināt, ka viņi saglabā savas karjeras vadību.

Lai apkopotu šo sadaļu, šeit ir īss uzziņu saraksts izstrādātājiem, kas vēlas nodrošināt savu karjeru nākotnes prasībām mākslīgā intelekta laikmetā:

Ievērojot šīs stratēģijas, izstrādātāji var izmantot mākslīgā intelekta revolūciju savā labā. Tie, kas pielāgojas, atklās, ka mākslīgais intelekts uzlabo viņu iespējas un ļauj radīt labāku programmatūru nekā jebkad agrāk, nevis padara to novecojušu.

Nākotnes perspektīvas: sadarbība starp mākslīgo intelektu un izstrādātājiem

Kāda nākotne sagaida programmēšanu mākslīgā intelekta vadītā pasaulē? Balstoties uz pašreizējām tendencēm, mēs varam sagaidīt nākotni, kurā mākslīgais intelekts un cilvēku izstrādātāji strādās vēl ciešāk kopā . Programmētāja loma, visticamāk, turpinās mainīties uz uzraudzības un radošo pozīciju, mākslīgajam intelektam veicot vairāk "smago darbu" cilvēka vadībā. Šajā noslēguma sadaļā mēs prognozējam dažus nākotnes scenārijus un apliecinām, ka izstrādātāju perspektīvas var saglabāties pozitīvas – ja vien mēs turpināsim pielāgoties.

Tuvākajā nākotnē (nākamo 5–10 gadu laikā) ir ļoti iespējams, ka mākslīgais intelekts (MI) kļūs tikpat visuresošs izstrādes procesā kā paši datori. Tāpat kā neviens izstrādātājs mūsdienās neraksta kodu bez redaktora vai bez Google/StackOverflow pie rokas, drīz neviens izstrādātājs nerakstīs kodu bez kāda mākslīgā intelekta palīdzības, kas darbojas fonā. Integrētās izstrādes vides (IDE) jau attīstās, iekļaujot MI darbinātas funkcijas to kodolā (piemēram, koda redaktorus, kas var jums izskaidrot kodu vai ieteikt pilnīgas koda izmaiņas visā projektā). Mēs varam nonākt punktā, kur izstrādātāja galvenais uzdevums ir formulēt problēmas un ierobežojumus tādā veidā, kā MI to var saprast, un pēc tam izstrādāt un pilnveidot MI sniegtos risinājumus . Tas atgādina augstāka līmeņa programmēšanas formu, ko dažreiz dēvē par “tūlītēju programmēšanu” vai “MI orķestrēšanu”.

Tomēr būtība, kas ir jādara – risināt cilvēku problēmas – paliek nemainīga. Nākotnes mākslīgais intelekts varētu spēt ģenerēt visu lietotni no apraksta (“izveidojiet man mobilo lietotni ārsta apmeklējumu rezervēšanai”), taču šī apraksta precizēšanas, tā pareizības nodrošināšanas un rezultāta precizēšanas darbā, lai iepriecinātu lietotājus, būs iesaistīti izstrādātāji (kopā ar dizaineriem, produktu vadītājiem utt.). Patiesībā, ja pamata lietotņu ģenerēšana kļūs vienkārša, cilvēku radošums un inovācijas programmatūrā kļūs vēl svarīgākas, lai diferencētu produktus. Mēs varētu piedzīvot programmatūras uzplaukumu, kur daudzas ikdienas lietojumprogrammas ģenerē mākslīgais intelekts, savukārt cilvēku izstrādātāji koncentrēsies uz modernākajiem, sarežģītajiem vai radošajiem projektiem, kas paplašina robežas.

Pastāv arī iespēja, ka tiks pazemināts programmēšanas ienākšanas šķērslis – tas nozīmē, ka vairāk cilvēku, kas nav tradicionālie programmatūras inženieri (piemēram, biznesa analītiķi, zinātnieki vai tirgotāji), varētu veidot programmatūru, izmantojot mākslīgā intelekta rīkus (mākslīgā intelekta iedvesmotās kustības “bez koda/zema koda” turpinājums). Tas neizslēdz nepieciešamību pēc profesionāliem izstrādātājiem; drīzāk tas to maina. Šādos gadījumos izstrādātāji varētu uzņemties vairāk konsultatīvu vai vadošu lomu, nodrošinot, ka šīs pilsoņu izstrādātās lietotnes ir drošas, efektīvas un viegli uzturējamas. Profesionāli programmētāji varētu koncentrēties uz platformu un API izveidi, ko izmanto mākslīgā intelekta atbalstīti “neprogrammētāji”.

No darbavietu viedokļa noteiktas programmēšanas lomas var samazināties, bet citas pieaugt. Piemēram, dažu sākuma līmeņa kodēšanas pozīciju skaits varētu samazināties, ja uzņēmumi vienkāršu uzdevumu veikšanai paļautos uz mākslīgo intelektu. Var iedomāties nelielu jaunuzņēmumu nākotnē, kam būs nepieciešams, iespējams, uz pusi mazāk jaunāko izstrādātāju, jo viņu vecākie izstrādātāji, kas aprīkoti ar mākslīgo intelektu, var paveikt lielu daļu pamatdarba. Taču tajā pašā laikā parādīsies pilnīgi jaunas darbavietas (kā mēs apspriedām adaptācijas sadaļā). Turklāt, programmatūrai arvien vairāk iekļaujoties ekonomikā (mākslīgajam intelektam ģenerējot programmatūru nišas vajadzībām), kopējais pieprasījums pēc ar programmatūru saistītām darbavietām varētu turpināt pieaugt. Vēsture liecina, ka ilgtermiņā bieži vien rada vairāk , lai gan tās ir dažādas darbavietas – piemēram, noteiktu ražošanas uzdevumu automatizācija izraisīja darbavietu skaita pieaugumu automatizēto sistēmu projektēšanā, uzturēšanā un uzlabošanā. Mākslīgā intelekta un programmēšanas kontekstā, lai gan daži uzdevumi, ko agrāk veica jaunākais izstrādātājs, ir automatizēti, kopējais programmatūras izveides apjoms paplašinās (jo tagad to ir lētāk/ātrāk izveidot), kas var novest pie lielāka projektu skaita un līdz ar to nepieciešamības pēc lielākas cilvēku uzraudzības, projektu vadības, arhitektūras utt. Pasaules Ekonomikas foruma ziņojumā par nākotnes darbavietām tika norādīts, ka darbavietas programmatūras izstrādē un mākslīgajā intelektā ir starp tām, kurām pieaug , nevis samazinās digitālās transformācijas dēļ.

Mums jāņem vērā arī 2040. gada prognoze : Oak Ridge National Lab pētnieki ieteica, ka līdz 2040. gadam “mašīnas… pašas rakstīs lielāko daļu sava koda” ( Is There a Future for Software Engineers? The Impact of AI [2024] ). Ja tas izrādīsies precīzi, kas atliek cilvēku programmētājiem? Visticamāk, uzmanības centrā būs ļoti augsta līmeņa vadība (pateikt mašīnām, ko mēs vēlamies, lai tās paveiktu vispārīgos vilcienos) un jomas, kas ietver sarežģītu sistēmu integrāciju, cilvēka psiholoģijas izpratni vai jaunas problēmu jomas. Pat šādā scenārijā cilvēki uzņemtos tādas lomas kā produktu dizaineri, prasību inženieri un mākslīgā intelekta pasniedzēji/pārbaudītāji . Kods lielākoties varētu rakstīt pats, bet kādam ir jāizlemj, kāds kods ir jāraksta un kāpēc , un pēc tam jāpārbauda, ​​vai gala rezultāts ir pareizs un atbilst mērķiem. Tas ir analogi tam, kā pašbraucošas automašīnas kādu dienu varētu braukt pašas, bet jūs joprojām norādāt automašīnai, kurp doties, un iejaukties sarežģītās situācijās, turklāt cilvēki projektē ceļus, satiksmes noteikumus un visu apkārtējo infrastruktūru.

sadarbības, nevis aizstāšanas nākotni . Kā formulēja kāds tehnoloģiju konsultāciju uzņēmums: "izstrādes nākotne nav izvēle starp cilvēkiem vai mākslīgo intelektu, bet gan sadarbība, kas izmanto abu labākās īpašības." ( Vai mākslīgais intelekts 2025. gadā aizstās izstrādātājus: neliels ieskats nākotnē ) Mākslīgais intelekts neapšaubāmi pārveidos programmatūras izstrādi, taču tā drīzāk ir izstrādātāja lomas evolūcija, nevis izmiršana. Izstrādātāji, kas "pieņem izmaiņas, pielāgo savas prasmes un koncentrējas uz sava darba unikāli cilvēciskajiem aspektiem", atklās, ka mākslīgais intelekts uzlabo viņu spējas, nevis samazina to vērtību.

Varam novilkt paralēles ar citu jomu: apsveriet datorizētās projektēšanas (CAD) pieaugumu inženierzinātnēs un arhitektūrā. Vai šie rīki aizstāja inženierus un arhitektus? Nē – tie padarīja viņus produktīvākus un ļāva radīt sarežģītākus dizainus. Taču cilvēka radošums un lēmumu pieņemšana saglabāja centrālo lomu. Līdzīgi mākslīgo intelektu var uzskatīt par datorizētu kodēšanu – tas palīdzēs tikt galā ar sarežģītību un darba apjomu, bet izstrādātājs joprojām būs dizaineris un lēmumu pieņēmējs.

Ilgtermiņā, ja mēs iedomājamies patiesi attīstītu mākslīgo intelektu (piemēram, kaut kādu vispārēja mākslīgā intelekta formu, kas varētu paveikt lielāko daļu no tā, ko spēj cilvēks), sabiedrības un ekonomiskās pārmaiņas būtu daudz plašākas nekā tikai programmēšanā. Mēs vēl neesam tur nonākuši, un mums ir ievērojama kontrole pār to, kā mēs integrējam mākslīgo intelektu savā darbā. Prātīgākais ceļš ir turpināt integrēt mākslīgo intelektu tā, lai palielinātu cilvēka potenciālu . Tas nozīmē ieguldīt rīkos un praksē (un politikā), kas cilvēkus informē par notiekošo. Jau tagad mēs redzam, ka uzņēmumi izveido mākslīgā intelekta pārvaldību – vadlīnijas par to, kā mākslīgais intelekts jāizmanto izstrādē, lai nodrošinātu ētiskus un efektīvus rezultātus ( Aptauja atklāj mākslīgā intelekta ietekmi uz izstrādātāju pieredzi – GitHub emuārs ). Šī tendence, visticamāk, pieaugs, nodrošinot, ka cilvēka uzraudzība formāli ir daļa no mākslīgā intelekta izstrādes procesa.

Noslēgumā uz jautājumu “Vai mākslīgais intelekts aizstās programmētājus?” var atbildēt: nē, taču tas būtiski mainīs programmētāju darbu. Ikdienišķās programmēšanas daļas, visticamāk, tiks lielākoties automatizētas. Radošās, izaicinošās un uz cilvēku orientētās daļas paliks un patiešām kļūs vēl izteiktākas. Nākotnē programmētāji, visticamāk, strādās plecu pie pleca ar arvien gudrākiem mākslīgā intelekta asistentiem, līdzīgi kā komandas loceklis. Iedomājieties, ka jums ir kolēģis, kas strādā ar mākslīgo intelektu un var ģenerēt kodu 24 stundas diennaktī, 7 dienas nedēļā – tas ir lielisks produktivitātes pieaugums, taču joprojām ir nepieciešams kāds, kas pasaka, pie kādiem uzdevumiem strādāt, un pārbauda tā darbu.

Vislabākos rezultātus sasniegs tie, kas izturēsies pret mākslīgo intelektu (MI) kā pret līdzstrādnieku. Kā teica viens izpilddirektors: "MI neaizstās programmētājus, bet programmētāji, kas izmanto MI, aizstās tos, kas to neizmanto." Praktiski tas nozīmē, ka izstrādātāju pienākums ir attīstīties līdzi tehnoloģijai. Programmēšanas profesija nemirst – tā pielāgojas . Pārredzamā nākotnē būs daudz programmatūras, ko veidot, un problēmu, kas jārisina, iespējams, pat vairāk nekā šodien. Pastāvīgi izglītojoties, saglabājot elastību un koncentrējoties uz to, ko cilvēki prot vislabāk, izstrādātāji var nodrošināt veiksmīgu un piepildītu karjeru sadarbībā ar MI .

Visbeidzot, ir vērts atzīmēt faktu, ka mēs ieejam laikmetā, kurā izstrādātāju rīcībā ir superspējas. Nākamā programmētāju paaudze dažu stundu laikā paveiks to, kas agrāk prasīja dienas, un risinās problēmas, kas iepriekš bija nesasniedzamas, izmantojot mākslīgo intelektu. Bailes vietā turpmāk var valdīt optimisms un zinātkāre . Kamēr vien mēs pieejam mākslīgajam intelektam ar atvērtām acīm – apzinoties tā ierobežojumus un apzinoties savu atbildību –, mēs varam veidot nākotni, kurā mākslīgais intelekts un programmētāji kopā veidos pārsteidzošas programmatūras sistēmas, kas krietni pārsniedz to, ko katrs varētu paveikt atsevišķi. Cilvēka radošums apvienojumā ar mašīnu efektivitāti ir spēcīga kombinācija. Galu galā runa nav par aizstāšanu , bet gan par sinerģiju. Mākslīgā intelekta un programmētāju stāsts joprojām tiek rakstīts – un to rakstīs gan cilvēks, gan mašīna kopā.

Avoti:

1. Brainhub, “Vai programmatūras inženieriem ir nākotne? Mākslīgā intelekta ietekme [2024]” ( Vai programmatūras inženieriem ir nākotne? Mākslīgā intelekta ietekme [2024] ).

2. Brainhub, ekspertu Satjas Nadellas un Džefa Dīna citāti par mākslīgo intelektu kā rīku, nevis aizstājēju ( Vai programmatūras inženieriem ir nākotne? Mākslīgā intelekta ietekme [2024] ) ( Vai programmatūras inženieriem ir nākotne? Mākslīgā intelekta ietekme [2024] ).

3. Medium (PyCoach), “Vai mākslīgais intelekts aizstās programmētājus? Patiesība aiz ažiotāžas” , kurā norādīta niansēta realitāte salīdzinājumā ar ažiotāžu ( Vai mākslīgais intelekts aizstās programmētājus? Patiesība aiz ažiotāžas | autors The PyCoach | Artificial Corner | 2025. gada marts | Medium ) un Sema Altmana citāts par to, ka mākslīgais intelekts ir labs uzdevumu veikšanā, bet ne pilnvērtīgā darbā.

4. DesignGurus, “Vai mākslīgais intelekts aizstās izstrādātājus… (2025)” , uzsverot, ka mākslīgais intelekts uzlabos un uzlabos izstrādātājus, nevis padarīs viņus liekus ( Vai mākslīgais intelekts aizstās izstrādātājus 2025. gadā: ieskats nākotnē ), un uzskaitot jomas, kurās mākslīgais intelekts atpaliek (radošums, konteksts, ētika).

5. Stack Overflow izstrādātāju aptauja 2023. gadā, 70 % izstrādātāju izmanto mākslīgā intelekta rīkus, zema uzticēšanās precizitātei (3 % ļoti uzticas) ( 70 % izstrādātāju izmanto mākslīgā intelekta kodēšanas rīkus, 3 % ļoti uzticas to precizitātei — ShiftMag ).

6. GitHub aptauja 2023, kas liecina, ka 92% izstrādātāju ir izmēģinājuši mākslīgā intelekta kodēšanas rīkus un 70% saskata ieguvumus ( Aptauja atklāj mākslīgā intelekta ietekmi uz izstrādātāju pieredzi — GitHub emuārs ).

7. GitHub Copilot pētījums, kurā atklāts, ka uzdevumu izpilde ar mākslīgā intelekta palīdzību ir par 55 % ātrāka ( Pētījums: GitHub Copilot ietekmes uz izstrādātāju produktivitāti un apmierinātību kvantitatīva noteikšana — GitHub emuārs ).

8. GeekWire vietnē DeepMind AlphaCode rezultāti atbilst vidējam cilvēka kodētāja līmenim (54 % labākie), taču tie ir tālu no labākajiem ( DeepMind AlphaCode rezultāti atbilst vidusmēra programmētāja rezultātiem ).

9. IndiaToday (2025. gada februāris), Sema Altmana vīzijas kopsavilkums par mākslīgā intelekta “līdzstrādniekiem”, kas veiks jaunāko inženieru uzdevumus, bet “pilnībā neaizstās cilvēkus” ( Sems Altmans saka, ka mākslīgā intelekta aģenti drīz veiks uzdevumus, ko veiks programmatūras inženieri: pilns stāsts 5 punktos — India Today ).

10. McKinsey & Company lēš, ka ~80 % programmēšanas darbu joprojām būs cilvēkcentriski, neskatoties uz automatizāciju ( Is There a Future for Software Engineers? The Impact of AI [2024] ).

Raksti, kurus jūs varētu vēlēties izlasīt pēc šī raksta:

🔗 Labākie AI pāru programmēšanas rīki
Iepazīstieties ar vadošajiem AI rīkiem, kas var sadarboties ar jums kā kodēšanas partneris, lai uzlabotu jūsu izstrādes darbplūsmu.

🔗 Kas ir vislabākais mākslīgais intelekts kodēšanai — labākie mākslīgā intelekta kodēšanas asistenti.
Ceļvedis par visefektīvākajiem mākslīgā intelekta rīkiem koda ģenerēšanai, atkļūdošanai un programmatūras projektu paātrināšanai.

🔗 Mākslīgā intelekta programmatūras izstrāde — pārveidojam tehnoloģiju nākotni.
Izprotiet, kā mākslīgais intelekts revolucionizē programmatūras veidošanas, testēšanas un ieviešanas veidu.