Evo pregleda studije koji razbija popularni mit o bezbrižnom programiranju uz pomoć umjetne inteligencije
Studija potvrđuje da profesionalni inženjeri odbacuju koncept vibe kodiranja.
Iako društvene mreže preplavljuju snimke u kojima umjetna inteligencija sama gradi cijele aplikacije dok programeri piju kavu stvarna praksa iskusnih stručnjaka izgleda potpuno drugačije. Nova studija Sveučilišta Kalifornije u San Diegu i Cornellu koja je pratila 112 profesionalaca s dugogodišnjim iskustvom pokazala je da nitko od njih ne prepušta kontrolu stroju. Koncept vibe kodiranja koji je popularizirao Andrej Karpathy temelji se na potpunom povjerenju u osjećaj i zanemarivanju samog koda ali ozbiljni inženjeri takav pristup smatraju opasnom iluzijom.
Iskusni programeri koriste rigorozne procese umjesto slijepog povjerenja
Umjesto da daju neodređene upute profesionalci prvo detaljno mapiraju arhitekturu i ograničenja sustava prije nego što umjetnoj inteligenciji dodijele strogo definiran zadatak. Istraživanje je pokazalo da stručnjaci svaki redak koda koji generira AI tretiraju kao promjenjiv i potencijalno pogrešan te interveniraju čim problem postane iole složeniji. AI agente tretiraju isključivo kao brze ali nesigurne mlađe programere koji zahtijevaju neprestan i strogi nadzor starijeg inženjera
Zabrinjavajući podaci o učinkovitosti i stopi neuspjeha AI agenata
Eksperiment je otkrio da su iskusni održavatelji open source projekata zapravo bili 19% sporiji kada su koristili umjetnu inteligenciju u svom radu. Još šokantniji podatak iz stvarnih sustava za praćenje pogrešaka pokazuje da stopa neuspjeha AI poziva iznosi čak 92% što je u potpunoj suprotnosti s obećanjima iz viralnih demo videa. Kvaliteta koda se dokazano urušava onog trenutka kada programer izgubi kontrolu nad procesom pa ozbiljne tvrtke danas uvode još strože recenzije rada nastalog uz pomoć AI modela.
Strategije kontrole koje koriste pravi inženjeri
Svih jedanaest sudionika studije koji su razvijali nove značajke zadržalo je potpunu vlast nad procesom dizajna tražeći od AI-ja samo nacrte ili objašnjenja arhitekture. Programeri naglašavaju potrebu za izuzetno preciznim uputama koje uključuju snimke zaslona referenciranje datoteka i specifične primjere kako bi se izbjegle pogreške. Neki stručnjaci čak koriste jedan AI model samo kako bi poboljšali kvalitetu uputa koje šalju drugom glavnom AI modelu čime stvaraju višeslojni sustav provjere.
Gdje AI zapravo pomaže a gdje potpuno zakazuje
Stručnjaci procjenjuju da je umjetna inteligencija izvrsna za ubrzavanje ponavljajućih zadataka poput pisanja dokumentacije testova ili ispravljanja sitnih pogrešaka. Međutim čim zadatak dotakne poslovnu logiku ili zahtijeva dubinsko domensko znanje relevantnost umjetne inteligencije naglo opada i ona postaje neupotrebljiva. Dugogodišnji inženjeri upozoravaju mlade kolege da AI može pomoći netehničkim ljudima u izradi demo snimki ali za produkcijski softver je i dalje nužno vrhunsko poznavanje struke.
Vibe kodiranje možda proizvodi impresivne preglede na Twitteru ali samo rigorozan inženjerski pristup stvara softver koji doista funkcionira u stvarnom svijetu.
