من نسبت به گذشته زمان کمتری را صرف نوشتن کد می‌کنم

من بیش از هر زمان دیگری در حال ساخت نرم‌افزار هستم.

هوش مصنوعی حجم کار مهندسی من را کاهش نداده است، بلکه ماهیت مهندسی را تغییر داده است.

پنج سال پیش، بهره‌وری را با تعداد خطوط کد یا pull requestهای ادغام‌شده می‌سنجیدم. فکر می‌کردم نوشتن کد بیشتر به معنای خلق ارزش بیشتر است. اشتباه می‌کردم؛ این فقط ساده‌ترین چیزی بود که می‌شد اندازه‌گیری کرد.

امروز، روز کاری من متفاوت است. زمان کمتری را صرف تایپ کردن کد می‌کنم. زمان بیشتری را صرف موارد زیر می‌کنم:

• بازبینی کدهای تولیدشده توسط هوش مصنوعی • طراحی معماری سیستم‌ها • تعریف قوانین کسب‌وکار • مدل‌سازی داده‌ها • اعتبارسنجی فرضیات • ایجاد خط‌لوله‌های (pipelines) ارزیابی

گلوگاه در نرم‌افزار هرگز سرعت تایپ نبوده است. گلوگاه، «درک کردن» است.

شما باید کاربران، کسب‌وکارها، سیستم‌ها و موازنه‌ها (trade-offs) را درک کنید. این تصمیمات تعیین می‌کنند که آیا یک نرم‌افزار دوام می‌آورد یا خیر.

کد یک خروجی است. مهندسی، فرآیند تصمیم‌گیری است.

هوش مصنوعی در پیاده‌سازی عالی است، اما نمی‌تواند به این سوالات پاسخ دهد:

• آیا این سرویس باید مالک این داده باشد؟ • اعتبارسنجی باید کجا انجام شود؟ • چگونه از شکست‌ها (failures) بازیابی کنیم؟ • چگونه تصمیمات خودکار را حسابرسی (audit) کنیم؟

هوش مصنوعی در حال جایگزینی اصطکاک‌ها (friction) است، نه مهندسان. هوش مصنوعی کارهای تکراری مانند نوشتن serializerها یا migrationها را حذف می‌کند. این امر به شما اجازه می‌دهد به جای ترجمه راه‌حل‌ها به نحو (syntax)، روی حل مسائل تمرکز کنید.

من اخیراً یک سیستم هوش تراکنش (Transaction Intelligence System) ساختم. فکر می‌کردم مدل هوش مصنوعی بخش سخت کار باشد، اما اشتباه می‌کردم.

بخش سخت کار این‌ها بود:

• طراحی ساختارهای داده • ایجاد مجموعه‌داده‌های مصنوعی (synthetic datasets) • تعریف طبقه‌بندی‌های کسب‌وکار (business taxonomies) • ساخت خط‌لوله‌های تشخیص موجودیت (entity resolution pipelines)

هوش مصنوعی کدنویسی را تسریع کرد، اما نیاز به درک کسب‌وکار را از بین نبرد.

تولید نرم‌افزار اکنون ارزان است. درک پیچیدگی همچنان گران است.

چالش اصلی، تفسیر چیزهایی است که مکتوب نشده‌اند. شما باید قوانین پنهان کسب‌وکار، محدودیت‌های قانونی و نیازهای امنیتی را پیدا کنید. این موارد در گفتگوها و تجربیات وجود دارند، نه در مستندات. هیچ مدلی نمی‌تواند دانشی را که بازنمایی نشده است، استنتاج کند.

هوش مصنوعی به معماری خوب پاداش می‌دهد، نه اینکه جایگزین آن شود.

اگر سیستم شما دارای مالکیت مشخص و سرویس‌های ماژولار باشد، هوش مصنوعی بهره‌ور می‌شود. اگر زیربنای شما ضعیف باشد، هوش مصنوعی فقط پیچیدگی را با سرعت بیشتری تولید می‌کند.

من مهندسی را متوقف نکردم، بلکه مهندسی را در سطح بالاتری آغاز کردم.

زمان کمتر برای تایپ. زمان بیشتر برای طراحی. زمان کمتر برای عیب‌یابی نحو (syntax). زمان بیشتر برای اعتبارسنجی فرضیات.

مسیر آینده این حرفه به همین سمت است.

Source: https://dev.to/uigerhana/i-spend-less-time-writing-code-than-ever-before-395b

Optional learning community: https://t.me/GyaanSetuAi