A változás sebessége lett az első kihívás
A szoftverfejlesztés mindig gyorsan változó terület volt, de korábban éveket kaptunk arra, hogy megszokjunk egy új nyelvet, keretrendszert vagy munkamódszert. Az AI-eszközöknél már néhány hét alatt elavulhat az a megközelítés, amelyet éppen elkezdtünk bevezetni.
Ez egyszerre izgalmas és bizonytalan helyzet. Rengeteg modell, agent és fejlesztési módszer közül lehet választani, miközben senki nem látja biztosan, melyik lesz hosszabb távon is életképes. A legfontosabb kérdés ezért nem az, hogyan próbáljunk ki mindent, hanem az, hogy melyik problémát akarjuk valóban jobban megoldani.
A gyorsabb kód még nem jelent gyorsabb projektet
Egy látványos weboldal vagy prototípus ma már akár fél óra alatt elkészülhet. Egy ügyfélnek szállított, biztonságos és hosszú távon karbantartható rendszer azonban nem csak a kódról szól. Fel kell tárni az üzleti igényt, meg kell tervezni a működést, tesztelni kell, élesíteni kell, és később is érteni kell, mi miért került a rendszerbe.
Az AI ráadásul nagyobb feladatokat és jóval több kódot képes egyszerre elkészíteni. A hagyományos code review emiatt könnyen szűk keresztmetszetté válik: nem reális megoldás, hogy egy fejlesztő soronként átböngésszen egy másik agent által előállított, hatalmas módosítást. A teljes folyamatot kell átalakítani kisebb, ellenőrizhető mérföldkövekkel, világos elvárásokkal és automatizált minőségbiztosítással.
A fejlesztő és a projektmenedzser szerepe közeledik egymáshoz
Amikor az AI a technikai megvalósítás egyre nagyobb részét elvégzi, felértékelődik a probléma pontos megértése. A jó fejlesztőnek már nem elég azt tudnia, hogyan készüljön el egy funkció: értenie kell, hogyan használja majd az ügyfél, milyen üzleti értéket ad, és milyen következményei lesznek a teljes rendszerre.
Közben a projektmenedzser is közelebb kerül a technikai döntésekhez. Egy listaoldal meghatározásánál például nemcsak a mezőket kell felsorolnia, hanem végig kell gondolnia a szűrést, a rendezést, a teljesítményt és azt is, hogyan jut el a felhasználó a leggyakoribb művelethez a lehető legkevesebb lépésből. Az AI csökkenti a megvalósítás költségét, de a jó döntések szükségességét nem.
Az AI másképp hibázik, ezért másképp kell ellenőrizni
A mai modellek egyre ritkábban követnek el egyszerű elírásokat, és sok olyan alapvető mintát automatikusan alkalmaznak, amelyet egy ember figyelmetlenségből kihagyhat. Ettől azonban nem lesznek tévedhetetlenek. Rossz irányba indulhatnak, örökölhetnek elavult mintákat egy régi kódbázisból, vagy összezavarodhatnak, ha a cél és a kontextus menet közben többször megváltozik.
A beszélgetésből négy gyakorlati alapelv rajzolódik ki:
- Egyértelmű célt és ellenőrizhető mérföldköveket kell adni az agentnek.
- A projekt saját szabályait és jó mintáit explicit módon le kell írni.
- A túl nagyra nőtt vagy irányt váltott munkamenetet érdemes tiszta kontextussal újrakezdeni.
- A kimenetért továbbra is ember vállal felelősséget, ezért a tesztelés és a szakmai kontroll nem hagyható el.
Kevesebb fejlesztő vagy több elkészülő ötlet?
Az AI-val ugyanazt a feladatot valóban kevesebb ember is elvégezheti. Ez azonban nem feltétlenül jelenti azt, hogy kevesebb munka marad. Olyan belső eszközök, egyedi automatizációk és kisebb alkalmazások is megérik a fejlesztést, amelyek korábban túl drágák vagy túl időigényesek lettek volna.
A podcast résztvevői ezért nem egyszerű leépítési történetként látják a változást. Inkább a fejlesztői munka tartalma alakul át: kevesebb idő jut a mechanikus kódírásra, több az üzleti gondolkodás, a tervezés, az ellenőrzés, a kommunikáció és a csapaton belüli tudásátadás. A kérdés az, hogyan tud egy szakember ebben az új felosztásban továbbra is értéket teremteni.
A juniorok előtt nehezebb út áll
Pályakezdőként különösen nehéz úgy mély tudást szerezni, hogy az AI már azelőtt megmutatja a kész megoldást, hogy végigküzdenénk magunkat a problémán. Egy megoldás elolvasása nem ugyanazt a tudást építi fel, mint amikor valaki saját maga próbálkozik, hibázik, javít és közben érti meg az összefüggéseket.
Az alapok ezért nem veszítik el a jelentőségüket, hanem még fontosabbá válnak. Aki érti a rendszereket, felismeri a hibás mintákat és önállóan is képes problémát bontani, az az AI-t erősítőként használhatja. Aki csak elfogadja a kész választ, könnyen magabiztos, de felszínes tudásnál marad.
A gépelés helyett az eredmény számít
A szoftver értékét soha nem a leütött billentyűk vagy a megírt kódsorok száma adta. Az számít, hogy megoldja-e az ügyfél problémáját, biztonságosan működik-e, és egy hét vagy egy év múlva is továbbfejleszthető marad-e.
Az AI ezt az alapelvet teszi most látványossá. A kód előállítása egyre olcsóbb és gyorsabb, a jó cél, az átgondolt rendszer és a felelős döntés viszont továbbra sem automatizálható el teljesen. Kevesebb fejlesztővel több szoftver készülhet, de csak akkor lesz belőle több érték is, ha az ember nem mond le a megértésről és a kontrollról.