मी पूर्वीपेक्षा कमी वेळ कोड लिहिण्यासाठी खर्च करतो

मी पूर्वीपेक्षा जास्त सॉफ्टवेअर तयार करत आहे.

AI मुळे माझे इंजिनीअरिंगचे काम कमी झाले नाही. तर इंजिनीअरिंगचे स्वरूपच बदलले आहे.

पाच वर्षांपूर्वी, मी उत्पादकता (productivity) कोडच्या ओळी किंवा मर्ज केलेल्या pull requests द्वारे मोजायचो. मला वाटायचे की जास्त कोड लिहिणे म्हणजे जास्त मूल्य निर्माण करणे होय. मी चुकीचा होतो. मोजण्यासाठी ती फक्त सर्वात सोपी गोष्ट होती.

आज, माझा कामाचा दिवस वेगळा आहे. मी कोड टाइप करण्यासाठी कमी वेळ देतो. मी जास्त वेळ खर्च करतो:

• AI-generated कोडचे पुनरावलोकन करणे • सिस्टम आर्किटेक्चर डिझाइन करणे • बिझनेस रूल्स (business rules) परिभाषित करणे • डेटा मॉडेलिंग करणे • गृहितकांची (assumptions) पडताळणी करणे • इव्हॅल्युएशन पाइपलाइन्स (evaluation pipelines) तयार करणे

सॉफ्टवेअरमधील अडथळा (bottleneck) कधीही टाइपिंगचा वेग हा नव्हता. अडथळा हा 'समजून घेणे' (understanding) हा आहे.

तुम्हाला वापरकर्ते, व्यवसाय, सिस्टम आणि ट्रेड-ऑफ्स (trade-offs) समजून घेणे आवश्यक आहे. सॉफ्टवेअर टिकेल की नाही हे या निर्णयांवर अवलंबून असते.

कोड हे एक आउटपुट आहे. इंजिनीअरिंग ही निर्णय घेण्याची प्रक्रिया आहे.

AI अंमलबजावणीसाठी (implementation) उत्तम आहे. पण ते या प्रश्नांची उत्तरे देऊ शकत नाही:

• या सर्व्हिसने हा डेटा स्वतःकडे ठेवावा का? • व्हॅलिडेशन (validation) कुठे व्हायला हवे? • आपण बिघाडातून (failures) कसे सावरू शकतो? • आपण स्वयंचलित निर्णयांचे ऑडिट कसे करू शकतो?

AI घर्षण (friction) कमी करत आहे, इंजिनीअर्सना नाही. ते serializers किंवा migrations लिहिण्यासारखे पुनरावृत्तीचे काम काढून टाकते. यामुळे तुम्हाला सोल्यूशन्सना सिंटॅक्समध्ये (syntax) रूपांतरित करण्याऐवजी समस्या सोडवण्यावर लक्ष केंद्रित करता येते.

मी अलीकडेच एक Transaction Intelligence System तयार केले. मला वाटले की AI मॉडेल हा सर्वात कठीण भाग असेल. पण मी चुकीचा होतो.

कठीण काम हे होते:

• डेटा स्ट्रक्चर्स डिझाइन करणे • सिंथेटिक डेटासेट्स (synthetic datasets) तयार करणे • बिझनेस टॅक्सोनॉमीज (business taxonomies) परिभाषित करणे • एन्टिटी रिझोल्यूशन पाइपलाइन्स (entity resolution pipelines) तयार करणे

AI मुळे कोडिंगचा वेग वाढला, पण व्यवसायाची समज असण्याची गरज कमी झाली नाही.

सॉफ्टवेअर तयार करणे आता स्वस्त झाले आहे. पण गुंतागुंत (complexity) समजून घेणे अजूनही महागडे आहे.

आव्हान हे आहे की जे लिहून ठेवलेले नाही त्याचा अर्थ लावणे. तुम्हाला लपलेले बिझनेस रूल्स, नियामक निर्बंध (regulatory constraints) आणि सुरक्षा गरजा शोधून काढाव्या लागतात. या गोष्टी संभाषण आणि अनुभवात असतात, डॉक्युमेंटेशनमध्ये नाही. जे ज्ञान उपलब्ध नाही, ते कोणताही मॉडेल स्वतःहून शोधू शकत नाही.

AI चांगल्या आर्किटेक्चरला प्रोत्साहन देते. ते त्याची जागा घेत नाही.

जर तुमच्या सिस्टममध्ये स्पष्ट मालकी (ownership) आणि मॉड्युलर सर्व्हिसेस असतील, तर AI उत्पादक ठरते. जर तुमचा पाया कमकुवत असेल, तर AI फक्त गुंतागुंत अधिक वेगाने निर्माण करते.

मी इंजिनीअरिंग थांबवले नाही. मी उच्च स्तरावर इंजिनीअरिंग करण्यास सुरुवात केली.

टाइपिंगसाठी कमी वेळ. डिझाइनिंगसाठी जास्त वेळ. सिंटॅक्स डीबग करण्यासाठी कमी वेळ. गृहितकांची पडताळणी करण्यासाठी जास्त वेळ.

हेच या व्यवसायाचे भविष्य आहे.

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

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