Programu zilimeza ulimwengu. Sasa AI inameza programu moja baada ya nyingine. Ikiwa unaishi kwa kuandika kodi, pengine umehisi ardhi ikitetemeka chini ya kibodi yako. Mwanatengenezaji mmoja alihisi hali hiyo mara mbili katika mwaka mmoja. Kwanza, mashine ilichukua kazi ya uandishi. Kisha, ilichukua kazi ya ukaguzi. Bado ana kazi, lakini ni kwa sababu tu alibadilisha jinsi anavyofanya kazi kiasi kwamba haitambuliki tena.
Hii si utabiri wa mwisho wa dunia. Ni ripoti ya nyanjani kutoka katikati ya mabadiliko haya.
Mabadiliko ya Kwanza: Kutoka Kuandika hadi Kusahihisha
Kulikuwa na wakati ambapo kazi yake ilikuwa rahisi kuelezea: fikiria, andika, jaribu, tolea bidhaa. Aliandika kila function kwa mkono. Alipeana majina kwa variables, akaweka loops ndani ya loops, na akagundua edge cases kupitia juhudi na makosa. Kusoma kodi haikuwa kazi tofauti. Ilikuwa ni uundaji uliopunguzwa kasi na kukaguliwa. Udhibiti wa ubora na uzalishaji vilifanyika kwa wakati mmoja.
Kisha, autocomplete ikacha kuwa msaidizi mdogo tu.
Misaidizi wa AI wa uandishi wa kodi waliacha kupendekeza neno linalofuata (keyword). Walianza kutoa classes nzima, database migrations, na API wrappers. Mikono ya mwanatengenezaji ilihamia kutoka kwenye arrow keys kwenda kwenye review pane. Alipoteza uwezo wa kuandika, lakini alijidanganya kuwa yuko salama. Bado alisoma kila mstari. Bado alifuata mtiririko wa mantiki (logic). Alikuwa mhariri, mlinzi, binadamu aliye ndani ya mchakato.
Mabadiliko haya yanaonekana yanayoweza kudhibitiwa kwa sababu dhana ya kuwa na udhibiti bado ipo. Bado unagusa kodi. Bado unatafuta makosa ya off-by-one. Lakini jukumu lako tayari limebadilika. Wewe si mwandishi tena. Wewe ni mstari wa kwanza wa ulinzi dhidi ya hallucinations za mashine.
Mabadiliko ya Pili: Kutoka Kusoma hadi Kuamini
Mabadiliko ya pili yalikuwa na athari kubwa zaidi.
AI agents walikua kwa kasi ya kutosha kufanya kazi kwa saa nyingi bila msaada wa binadamu. Waliweza kuunda scaffolding, kurekebisha (refactor) modules za zamani, na kurekebisha dependencies wakati yeye anapochukua mapumziko ya kahawa. Kasi ya uzalishaji (throughput) haikuwa tena tatizo. Tatizo lilikuwa kasi yake mwenyewe ya kusoma.
Ili kuendeleza mradi, ilibidi aache kusoma kila mstari. Hakuna chaguo lingine. Kiwanda kilikuwa kinazalisha kwa kasi zaidi kuliko vile alivyoweza kuidhinisha. Kuamini kulikuwa hitaji, si sifa tu. Alibadilika kutoka mhariri wa kodi (proofreader) hadi meneja wa operesheni, akisimamia mfumo unaozalisha kodi nyingi zaidi katika sprint moja kuliko vile alivyokuwa akiandika kwa mwaka mmoja.
Alielezea hisia hiyo kwa ukweli: hakuwa tena msimboji (coder). Alikuwa akisimamia kiwanda cha mashine ambapo mikanda ya kubebea bidhaa (conveyor belts) ilitembea kwa kasi zaidi kuliko macho yake.
Kikwazo Kinahamia Juu Zaidi
Hapa ndipo sehemu ambayo ni rahisi kuipuuza. Kikwazo (bottleneck) hakipotelea. Kilihama mahali.
Wakati binadamu walipoandika kodi, ucheleweshaji ulikuwa kati ya ubongo na IDE. Mwanatengenezaji alikuwa sehemu inayochelewa zaidi, na hiyo ilikubalika. Mara baada ya AI kuchukua kazi ya uandishi, kikwazo kilikuwa ukaguzi wa binadamu. Kisha, mara baada ya agents kuweza kufanya kazi katika mizunguko ya saa nyingi, kikwazo kilikuwa uamuzi wa binadamu. Agents wafanye kazi gani? Ni nini salama kuweka kwenye mfumo wa kiotomatiki (automate)? Ni nini kinahitaji kuangaliwa mara ya pili?
Kiwanda kinazalisha kwa kasi zaidi kuliko meneja anavyoweza kuidhinisha. Tatizo si kasi ya mashine tena. Ni uwezo wa binadamu wa kuelewa, kuhukumu, na kuelekeza.
Ikiwa utapuuza uhamiaji huu wa kikwazo, utakuwa kikwazo ambacho kifaa kinachofuata kimeundwa kukiondoa.
Marekebisho Matatu, Kazi Moja
Kushinda mawimbi yote mawili kulihitaji kujenga upya jukumu lake mara tatu tofauti.
Kwanza, alihamia kutoka kuandika kodi hadi kusoma kodi. Hiyo ilimaanisha kujifunza kusoma kwa haraka kwa mashaka, akitafuta makosa madogo katika boilerplate iliyotengenezwa na modeli iliyofunzwa kwenye open-source repos na mijadala ya majukwaa (forum threads). Ilimaanisha kukuza uwezo wa kuhisi wakati pendekezo linaonekana sahihi lakini lina makosa madogo, ujuzi ambao ni tofauti kabisa na kuandika kodi kuanzia mwanzo.
Kisha, alihamia kutoka kusoma kodi hadi kujenga workflows. Hapa ndipo watengenezaji wengi wanapofika sasa hivi. Haufanyi kazi ya kurekebisha functions; unaunda mazingira ambapo functions zinarekebishwa. Unaandika prompts, unatengeneza maelekezo ya mfumo, unaweka guardrails, na kusanidi CI gates. Unajenga mifumo ya kuunganisha (plumbing) inayounganisha agent na compiler, linter, na test suite. Matokeo yako ni sintaksi (syntax) kidogo na uongozaji (orchestration) zaidi.
Hatimaye, alihamia kutoka kujenga workflows hadi kuamua nini cha kujenga. Hapa ndipo kuna changamoto kubwa zaidi. Unachagua usanifu (architecture) kabla ya faili la kwanza kutengenezwa. Unafafanua mipaka, interfaces, na mantiki ya biashara (business logic) ambayo AI itajaza. Umekuwa mfikiriaji wa bidhaa (product thinker) ambaye anazungumza kwa lugha ya mifumo.
Kama angebaki katika hatua ya kwanza, angekuwa amechukuliwa nafasi yake kabisa. Sababu pekee anavyoendelea kupata mshahara ni kwamba alipanda hadi hatua ya tatu.
Lakini kupanda huku ni