AI സീനിയർ എഞ്ചിനീയർമാരുടെ മൂല്യം കുറച്ചില്ല. പകരം അത് അവരെ കൂടുതൽ മൂല്യമുള്ളവരാക്കി മാറ്റി.

സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയറിംഗ് പണ്ട് വ്യക്തമായ ഒരു പാത പിന്തുടർന്നിരുന്നു.

ജൂനിയർമാർ സിന്റാക്സ് (syntax) പഠിച്ചു. മിഡ്-ലെവൽ എഞ്ചിനീയർമാർ സിസ്റ്റങ്ങളെക്കുറിച്ച് പഠിച്ചു. സീനിയർമാർ വിവേചനാധികാരം (judgment) പഠിച്ചു.

പിന്നീട് AI എത്തി. ഇപ്പോൾ ആർക്കും നിമിഷങ്ങൾക്കുള്ളിൽ കോഡ് നിർമ്മിക്കാൻ കഴിയും. AI ഫംഗ്ഷനുകളും (functions), APIs, ടെസ്റ്റുകളും, ഡോക്യുമെന്റേഷനും എഴുതുന്നു.

ഇത് പരിചയസമ്പന്നരായ എഞ്ചിനീയർമാരെ ദോഷകരമായി ബാധിക്കുമെന്ന് ചിലർ കരുതുന്നു. AI കോഡ് എഴുതുകയാണെങ്കിൽ കമ്പനികൾക്ക് എന്തിനാണ് സീനിയർമാരെ എന്ന് അവർ ചോദിക്കുന്നു.

എന്നാൽ സത്യം നേരെ തിരിച്ചാണ്. AI സീനിയർ എഞ്ചിനീയർമാരുടെ മൂല്യം വർദ്ധിപ്പിക്കുന്നു.

എഞ്ചിനീയറിംഗ് എന്നാൽ കോഡ് എഴുതുക മാത്രമാണെന്ന് പലരും കരുതുന്നു. എന്നാൽ പലപ്പോഴും കോഡ് എഴുതുക എന്നത് എളുപ്പമുള്ള ഭാഗമാണ്.

യഥാർത്ഥ കഠിനാധ്വാനം ഈ ചോദ്യങ്ങളിലാണ് അടങ്ങിയിരിക്കുന്നത്:

  • നമ്മൾ ഏത് പ്രശ്നമാണ് പരിഹരിക്കുന്നത്?
  • നമ്മൾ എന്ത് വിട്ടുവീഴ്ചകളാണ് (tradeoffs) ചെയ്യുന്നത്?
  • ഇത് നിലവിലുള്ള സിസ്റ്റവുമായി എങ്ങനെ യോജിച്ചുപോകുന്നു?
  • എന്തൊക്കെയാണ് അപകടസാധ്യതകൾ (risks)?
  • ആറ് മാസത്തിന് ശേഷം നമ്മൾ ഇത് എങ്ങനെ പരിപാലിക്കും?
  • ആവശ്യകതകളിൽ (requirements) മാറ്റം വരുമ്പോൾ എന്ത് സംഭവിക്കും?

ഇംപ്ലിമെന്റേഷൻ (implementation) AI കൈകാര്യം ചെയ്യുന്നു. എന്നാൽ ഉത്തരവാദിത്തം ഏറ്റെടുക്കാൻ AI-ക്ക് കഴിയില്ല. സീനിയർ എഞ്ചിനീയർമാർ അവരുടെ ഭൂരിഭാഗം സമയവും ഉത്തരവാദിത്തങ്ങൾ നിറവേറ്റുന്നതിനായി ചിലവഴിക്കുന്നു.

ഒരു മികച്ച എഞ്ചിനീയറും ഒരു ദുർബലനായ എഞ്ചിനീയറും ഇപ്പോൾ സമാനമായ കോഡ് നിർമ്മിച്ചേക്കാം. എന്നാൽ സമാനമായ കോഡ് എന്നാൽ സമാനമായ ഗുണനിലവാരം എന്നല്ല അർത്ഥം.

നിങ്ങൾ എന്ത് നൽകിയാലും അതിനനുസരിച്ച് AI പ്രവർത്തിക്കും.

  • ആവശ്യകതകൾ അവ്യക്തമാണെങ്കിൽ പോലും AI ഔട്ട്‌പുട്ട് നൽകും.
  • ആർക്കിടെക്ചർ (architecture) കുഴപ്പത്തിലാണെങ്കിൽ AI ആ കുഴപ്പങ്ങൾ പിന്തുടരും.
  • നിയന്ത്രണങ്ങൾ (constraints) ഇല്ലെങ്കിൽ AI ഊഹങ്ങൾ (assumptions) നടത്തും.

പരിചയസമ്പന്നരായ എഞ്ചിനീയർമാർ ഈ പ്രശ്നങ്ങൾ നേരത്തെ തിരിച്ചറിയുന്നു. AI വിവേചനാധികാരത്തിന് (judgment) പകരമാവില്ല. പകരം, എവിടെയാണ് വിവേചനാധികാരം കുറയുന്നതെന്ന് അത് കാണിച്ചുതരുന്നു.

AI വരുന്നതിന് മുമ്പ്, വേഗതയായിരുന്നു തടസ്സം (bottleneck). ഇപ്പോൾ, ടീമുകൾക്ക് കോഡ് പരിശോധിക്കുന്നതിനേക്കാൾ വേഗത്തിൽ കോഡ് നിർമ്മിക്കാൻ കഴിയുന്നു. മൂല്യം ഇപ്പോൾ മാറിയിരിക്കുന്നു.

പുതിയ തടസ്സങ്ങൾ ഇവയാണ്:

  • ആവശ്യകതകളുടെ വ്യക്തത (Requirement clarity)
  • ആർക്കിടെക്ചറൽ തീരുമാനങ്ങൾ (Architectural decisions)
  • റിസ്ക് വിശകലനം (Risk analysis)
  • വെരിഫിക്കേഷൻ (Verification)
  • മുൻഗണന നിശ്ചയിക്കൽ (Prioritization)
  • ഉൽപ്പന്നത്തെക്കുറിച്ചുള്ള ധാരണ (Product understanding)

ഇവ സീനിയർ സ്കില്ലുകളാണ്. ഇംപ്ലിമെന്റേഷൻ ചിലവ് കുറയുമ്പോൾ ഇവയ്ക്ക് കൂടുതൽ പ്രാധാന്യം ലഭിക്കുന്നു.

AI-യെ ഒരു ലിവറേജ് (leverage) ആയി കാണുക. ഒരു നല്ല എഞ്ചിനീയർ കൂടുതൽ മൂല്യം സൃഷ്ടിക്കാൻ AI ഉപയോഗിക്കുന്നു. എന്നാൽ ഒരു മോശം എഞ്ചിനീയർ കൂടുതൽ തെറ്റുകൾ വരുത്താൻ AI ഉപയോഗിക്കുന്നു.

താഴെ പറയുന്ന കാര്യങ്ങൾ ചെയ്യാൻ കഴിയുന്ന ആളുകളെയാണ് സ്ഥാപനങ്ങൾക്ക് ആവശ്യം:

  • നല്ല നിയന്ത്രണങ്ങൾ (constraints) നിർവചിക്കുക
  • വലിയ പ്രശ്നങ്ങളെ ചെറിയ ജോലികളായി തിരിക്കുക
  • AI വരുത്തുന്ന മാറ്റങ്ങൾ പരിശോധിക്കുക
  • ഒളിഞ്ഞിരിക്കുന്ന അപകടസാധ്യതകൾ കണ്ടെത്തുക
  • സിസ്റ്റത്തിന്റെ ഗുണനിലവാരം നിലനിർത്തുക

ഉപകരണം മാറി. എന്നാൽ ആവശ്യം പഴയതുപോലെ തന്നെ നിലനിൽക്കുന്നു.

കരിയറിലെ ചോദ്യം വേഗത്തിൽ കോഡ് എഴുതുന്നതിനെക്കുറിച്ചല്ല. മറിച്ച് നല്ല എഞ്ചിനീയറിംഗ് തീരുമാനങ്ങൾ എടുക്കുന്നതിനെക്കുറിച്ചാണ്.

ഓരോ വർഷവും കോഡ് ജനറേഷൻ ചിലവ് കുറഞ്ഞുവരുന്നു. എന്നാൽ നല്ല വിവേചനാധികാരത്തിന് (judgment) വില കുറയുന്നില്ല.

AI കോഡ് എഴുതിയേക്കാം, എന്നാൽ എന്താണ് നിർമ്മിക്കേണ്ടതെന്നും അത് പ്രവർത്തിക്കുന്നുണ്ടോ എന്നും തീരുമാനിക്കേണ്ടത് മനുഷ്യരാണ്. ആ ജോലി മനുഷ്യന്റേതായി തന്നെ തുടരുന്നു.

Source: https://dev.to/artcalo/ai-didnt-make-senior-engineers-less-valuable-it-made-them-more-valuable-3jfn

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