എഞ്ചിനീയറിംഗ് വിധിനിർണ്ണയം (Engineering Judgment) ഏറ്റവും അപൂർവ്വമായ വിഭവമായി മാറിക്കൊണ്ടിരിക്കുന്നു

നടപ്പിലാക്കൽ (Implementation) ലാഭകരമായി മാറുന്നു. ഇത് വിധിനിർണ്ണയത്തെ (judgment) വിലയേറിയതാക്കുന്നു.

വിധിനിർണ്ണയം എന്നത് വെറും ഉൾക്കാഴ്ചയോ (intuition) അഭിപ്രായമോ അല്ല. അനിശ്ചിതത്വങ്ങൾക്കിടയിലും തീരുമാനങ്ങൾ എടുക്കാനുള്ള കഴിവാണത്. AI ഈ കഴിവിനെ മുമ്പത്തേക്കാൾ വ്യക്തമായി കാണിച്ചുതരുന്നു.

രണ്ട് എഞ്ചിനീയർമാർക്ക് ഒരേ ജോലി ലഭിച്ചേക്കാം: ഇൻവോയ്സ് റീകൺസിലിയേഷനായി (invoice reconciliation) ഒരു API നിർമ്മിക്കുക. AI രണ്ട് പേർക്കും വേണ്ടി കോഡ് എഴുതി നൽകും. സിന്റാക്സും (syntax) ഫ്രെയിംവർക്കുകളും (frameworks) ഒരേപോലെയായിരിക്കും.

എന്നാൽ അന്തിമ സംവിധാനങ്ങൾ (systems) വ്യത്യസ്തമായിരിക്കും. ഒരു എഞ്ചിനീയർ പരിപാലിക്കാൻ പ്രയാസമുള്ള ഒരു കുഴഞ്ഞുമറിഞ്ഞ സർവീസ് നിർമ്മിച്ചേക്കാം. മറ്റൊരാൾ ബിസിനസ്സ് നിയമങ്ങളെയും (business rules) ലോജിക്കുകളെയും സ്വതന്ത്രമായ ഘടകങ്ങളായി വേർതിരിക്കാം.

ആ തീരുമാനം എടുത്തത് AI അല്ല, എഞ്ചിനീയറാണ്.

ആർക്കിടെക്ചർ (Architecture) ഇപ്പോഴും പ്രധാനമാണ്, കാരണം നടപ്പിലാക്കൽ (implementation) ഇനി ഒരു വ്യത്യാസവും ഉണ്ടാക്കുന്നില്ല. കോഡിന് പിന്നിലെ തീരുമാനങ്ങളാണ് വ്യത്യാസം വരുത്തുന്നത്.

സങ്കീർണ്ണത AI-യോടൊപ്പം ഇല്ലാതാകുന്നില്ല. അത് സ്ഥാനം മാറുന്നു എന്ന് മാത്രം.

പണ്ട്, എഞ്ചിനീയർമാർ ആശയങ്ങളെ കോഡിലേക്ക് മാറ്റാൻ സമയം ചെലവഴിച്ചിരുന്നു. ഇപ്പോൾ, AI ആ പരിഭാഷാ ജോലി ചെയ്യുന്നു. ഒരു വരി കോഡ് എഴുതുന്നതിന് മുമ്പേയാണ് യഥാർത്ഥ കഠിനാധ്വാനം നടക്കുന്നത്.

നിങ്ങൾ താഴെ പറയുന്ന ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകേണ്ടതുണ്ട്:

  • നമ്മൾ പരിഹരിക്കുന്നത് ഏത് പ്രശ്നമാണ്?
  • ഏത് ഡാറ്റയാണ് യഥാർത്ഥ സ്രോതസ്സ് (source of truth)?
  • ബിസിനസ്സ് നിയമങ്ങൾ എവിടെയായിരിക്കണം?
  • വിജയം നമ്മൾ എങ്ങനെ അളക്കും?

ഓട്ടോകംപ്ലീറ്റ് (Autocomplete) കഴിവിന് ഇവയ്ക്ക് ഉത്തരം നൽകാൻ കഴിയില്ല. ഇവയ്ക്ക് സന്ദർഭബോധം (context) ആവശ്യമാണ്.

സോഫ്റ്റ്‌വെയർ ഡെവലപ്‌മെന്റ് ഇപ്പോൾ ഇൻഫർമേഷൻ എഞ്ചിനീയറിംഗ് പോലെയാണ് തോന്നുന്നത്. തടസ്സം കോഡല്ല, മറിച്ച് വിവരങ്ങളാണ് (information).

നിങ്ങൾ നേരിടുന്നത്:

  • അപൂർണ്ണമായ ആവശ്യകതകൾ (Missing requirements).
  • അപൂർണ്ണമായ ഡോക്യുമെന്റേഷൻ.
  • പരസ്പരവിരുദ്ധമായ ബിസിനസ്സ് നിയമങ്ങൾ.
  • വ്യക്തമല്ലാത്ത ഉടമസ്ഥാവകാശം (Undefined ownership).

വേഗത്തിൽ കോഡ് എഴുതുന്നവരേക്കാൾ കൂടുതൽ മൂല്യം സൃഷ്ടിക്കുന്നത് വിവരങ്ങൾ കൃത്യമായി ക്രമീകരിക്കുന്ന എഞ്ചിനീയറാണ്.

പ്രവർത്തനരീതി (workflow) മാറിപ്പോയിരിക്കുന്നു. പണ്ട് അത് ഇങ്ങനെയായിരുന്നു: Requirement -> Design -> Code -> Debug -> Deploy.

ഇപ്പോൾ അത് ഇതാണ്: Business Problem -> Context -> Architecture -> AI Implementation -> Human Review -> Security -> Evaluation -> Production.

കോഡിംഗ് ഇപ്പോൾ പ്രക്രിയയുടെ ഒരു ചെറിയ ഭാഗം മാത്രമാണ്. അതിനു ചുറ്റുമുള്ള പ്രവർത്തനങ്ങൾക്കാണ് മുൻഗണന.

വലിയ സ്വാധീനമുള്ള തീരുമാനങ്ങൾ കോഡ് എഡിറ്ററിന് പുറത്താണ് ഉണ്ടാകുന്നത്. നിങ്ങൾ താഴെ പറയുന്നവ ചോദിക്കുമ്പോഴാണ് അവ സംഭവിക്കുന്നത്:

  • ഇതൊരു പ്രത്യേക സർവീസ് ആയിരിക്കണോ?
  • നമുക്ക് ഈ തീരുമാനം ഓഡിറ്റ് ചെയ്യാൻ കഴിയുമോ?
  • AI തെറ്റാണെങ്കിൽ എന്ത് സംഭവിക്കും?
  • ഈ ആർക്കിടെക്ചറിന് വികസിക്കാൻ (evolve) കഴിയുമോ?

AI എഞ്ചിനീയറിംഗ് എന്നത് പ്രോംപ്റ്റുകൾ (prompts) അല്ലെങ്കിൽ മോഡൽ തിരഞ്ഞെടുക്കൽ (model selection) മാത്രമല്ല. അവ ഒരു പാളി (layer) മാത്രമാണ്.

യഥാർത്ഥ വെല്ലുവിളികൾ ആർക്കിടെക്ചറൽ ആണ്:

  • ബിസിനസ്സ് അറിവിനെ നമ്മൾ എങ്ങനെ മോഡൽ ചെയ്യും?
  • അവ്യക്തതകൾ (ambiguity) നമ്മൾ എങ്ങനെ പരിഹരിക്കും?
  • വിശ്വാസ്യത എങ്ങനെ നിലനിർത്തും?

മോഡലുകൾ ഏതാനും മാസങ്ങൾ കൂടുമ്പോൾ മാറിക്കൊണ്ടിരിക്കും. എന്നാൽ ആർക്കിടെക്ചറുകൾ വർഷങ്ങളോളം നിലനിൽക്കും. മോശം ആർക്കിടെക്ചർ വളരെ വേഗത്തിൽ വലിയ ചിലവുകൾ ഉണ്ടാക്കും.

മികച്ച ടീമുകൾ വിവിധ തലമുറകളായുള്ള മോഡലുകളെ അതിജീവിക്കുന്ന സംവിധാനങ്ങളാണ് നിർമ്മിക്കുന്നത്. അവർ പൊരുത്തപ്പെടാനുള്ള കഴിവിനായി (adaptability) മുൻഗണന നൽകുന്നു.

AI എന്നത് അബ്സ്ട്രാക്ഷന്റെ (abstraction) മറ്റൊരു പാളി മാത്രമാണ്. ഉയർന്ന അബ്സ്ട്രാക്ഷന് കുറഞ്ഞ യുക്തിയല്ല, മറിച്ച് ശക്തമായ യുക്തിചിന്തയാണ് (reasoning) വേണ്ടത്.

ഏറ്റവും ശക്തരായ എഞ്ചിനീയർമാർ വേഗത്തിൽ പ്രോഗ്രാം ചെയ്യുന്നവരല്ല. വ്യക്തത (clarity) സൃഷ്ടിക്കുന്നവരാണ് അവർ. അവർ ആർക്കിടെക്ചറുകൾ നിർവചിക്കുന്നു, ഡാറ്റാ മാനദണ്ഡങ്ങൾ നിശ്ചയിക്കുന്നു, അവ്യക്തതകൾ കുറയ്ക്കുന്നു.

ഒരു നല്ല സംവിധാനം മനുഷ്യരെയും AI ഏജന്റുകളെയും ഒന്നിച്ച് പ്രവർത്തിക്കാൻ സഹായിക്കുന്നു. എന്നാൽ ഒരു മോശം സംവിധാനം തെറ്റുകൾ വേഗത്തിൽ സംഭവിക്കാൻ മാത്രമേ സഹായിക്കൂ.

വ്യക്തത സൃഷ്ടിക്കുന്ന എഞ്ചിനീയർ വലിയ സ്വാധീനം (leverage) സൃഷ്ടിക്കുന്നു.

Source: https://dev.to/uigerhana/engineering-judgment-is-becoming-the-scarcest-resource-1a5l

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