𝗠𝗼𝘀𝘁 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝘀 𝗨𝘀𝗲 𝗔𝗜. 𝗙𝗲𝘄 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿 𝗪𝗶𝘁𝗵 𝗜𝘁.

મોટાભાગના એન્જિનિયરો AI નો ઉપયોગ કરે છે. બહુ ઓછા એન્જિનિયરો તેની સાથે એન્જિનિયરિંગ કરે છે.

અત્યારે મોટાભાગના સોફ્ટવેર એન્જિનિયરો AI નો ઉપયોગ કરે છે.

તેઓ તેનો ઉપયોગ ડીબગિંગ (debugging), ટેસ્ટ લખવા અથવા SQL ક્વેરીઝ જનરેટ કરવા માટે કરે છે. AI નો ઉપયોગ કરવો સરળ છે. AI સાથે એન્જિનિયરિંગ કરવું ઘણું અઘરું છે.

જ્યારે મેં રિયલ રિપોઝિટરી (repository) ના કાર્યોમાં AI નો ઉપયોગ કર્યો, ત્યારે મેં એક સમસ્યા નોંધી. એક ખોટો ફેરફાર માત્ર ખરાબ આઉટપુટ જ નથી આપતો, પરંતુ તે તમારા સ્ટ્રક્ચર, તમારા ટેસ્ટ અને તમારી ભવિષ્યની મેન્ટેનેબિલિટી (maintainability) ને પણ બગાડે છે.

કોડ જનરેશનનો ભાગ સરળ છે. એક વ્યાપક પ્રોમ્પ્ટ (prompt) ઝડપથી કોડ બનાવી દે છે. પહેલી નજરે તે ચોખ્ખો લાગે છે.

ઉપયોગી પરિણામો ત્યારે જ મળે છે જ્યારે તમે પહેલા કંટાળાજનક કામ કરો છો. તમારે આ કરવું જ પડશે:

કૌશલ્ય પ્રોમ્પ્ટિંગમાં નથી. કૌશલ્ય કામને યોગ્ય આકાર આપવામાં છે.

AI આઉટપુટની ઝડપ વધારે છે. તે વેરિફિકેશનની (verification) ગુણવત્તા વધારતું નથી. જો કોડ જનરેટ કરવો ઝડપી બનશે, તો અસ્પષ્ટ જરૂરિયાતો વધુ મોંઘી પડશે. નબળા રિવ્યુઝ (reviews) વધુ જોખમી બની જશે.

AI તમારા હાલના એન્જિનિયરિંગ લૂપને (engineering loop) વધુ પ્રબળ બનાવે છે.

જો જરૂરિયાત અસ્પષ્ટ હોય, તો પણ AI કંઈક ને કંઈક બનાવી દેશે. જો આર્કિટેક્ચર અસ્તવ્યસ્ત હોય, તો AI તે અસ્તવ્યસ્તતાની જ નકલ કરશે. જો તમે આઉટપુટનું રિવ્યુ ન કરી શકો, તો ઝડપ એક જોખમ બની જાય છે.

પ્રશ્ન એ નથી કે AI એન્જિનિયરોનું સ્થાન લેશે કે નહીં. પ્રશ્ન એ છે કે: જ્યારે કોડ સસ્તો હોય, ત્યારે એન્જિનિયરિંગના કયા ભાગો વધુ મહત્વના બની જાય છે?

મારો જવાબ: અમલીકરણ (implementation) પહેલા સ્પષ્ટ રીતે વિચારવું.

AI જૂની સલાહને વધુ મહત્વની બનાવે છે:

એન્જિનિયરિંગ હવે કોડ લખવાથી બદલાઈને યોગ્ય ફેરફારને આકાર આપવા તરફ વળી રહ્યું છે.

AI ને એક સહયોગી (collaborator) તરીકે ગણો જેને સ્ટ્રક્ચરની જરૂર છે. એક સારો લૂપ આવો દેખાય છે: જરૂરિયાત (Requirement) → ખામીઓ (Gaps) → યોજના (Plan) → નાનો ફેરફાર (Small change) → રિવ્યુ (Review) → ચકાસણી (Checks) → નોંધો (Notes).

સાચું એન્જિનિયરિંગ કોડ બનાવવાનું નથી. તે વિશ્વસનીય ફેરફાર લાવવાનું છે.

ફાયદો સૌથી વધુ કોડ જનરેટ કરવામાં નથી. ફાયદો એ જાણવામાં છે કે શું બનાવવું અને તે તમારી સિસ્ટમમાં કેવી રીતે ફિટ થાય છે.

જે એન્જિનિયરો જીતશે તેઓ સૌથી ઝડપી પ્રોમ્પ્ટ લખનારા નહીં હોય. તેઓ એવા હશે જે સાધન (tool) ની આસપાસ વધુ સારા વર્કફ્લો (workflows) ડિઝાઇન કરશે.

Source: https://dev.to/jeelvankhede/most-engineers-use-ai-few-engineer-with-it-3pd

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