𝗔𝗜 𝗪𝗿𝗶𝘁𝗲𝘀 𝗖𝗼𝗱𝗲. 𝗜𝘁 𝗖𝗮𝗻'𝘁 𝗗𝗲𝗳𝗶𝗻𝗲 "𝗗𝗼𝗻𝗲."

நான் ஒரு AI ஸ்லைடு டெக் ஜெனரேட்டரை (slide deck generator) உருவாக்கினேன். நீங்கள் ஒரு தலைப்பைக் கொடுத்தால், அது ஒரு பிரசன்டேஷனைத் தரும்.

அந்த AI டெமோ உடனடியாகச் செயல்பட்டது. அது ஒரு அவுட்லைனை (outline) எழுதியது. ஸ்லைடுகளை உருவாக்கியது. ஒரு கோப்பை ஏற்றுமதி செய்தது. என் திரையில் பார்த்தபோது, அது முடிந்துவிட்டது போலத் தெரிந்தது.

ஆனால் அது முடியவில்லை.

ஒரு பயனர் ஒரு முறை ஒரு டெக்கை உருவாக்க முடியும் என்பதை அந்த AI நிரூபித்தது. ஆனால் ஒரு உண்மையான தயாரிப்பு (product) என்பது வேறுபட்டது. அது ஒரே நேரத்தில் 100 பயனர்களைக் கையாள வேண்டும். அவர்களுக்குச் சரியாகப் பணம் வசூலிக்க வேண்டும் (billing). ஒரு படி தோல்வியடையும் போது, அது மீண்டும் இயங்கத் தயாராக இருக்க வேண்டும். அது உண்மையில் PowerPoint-இல் திறக்கக்கூடிய ஒரு கோப்பை ஏற்றுமதி செய்ய வேண்டும்.

நான் சொல்லாததால், AI இந்த விஷயங்களைச் சேர்க்கவில்லை.

நீங்கள் AI மூலம் ஒன்றை உருவாக்கும்போது, ஒரு வசதியை (feature) விவரிப்பது கடினமான காரியம் அல்ல. "முடிந்தது" என்பதன் அர்த்தம் என்ன என்பதை வரையறுப்பதே கடினமான காரியம்.

அடித்தளத்திற்காக நான் Velobase Harness-ஐப் பயன்படுத்தினேன். அது auth, payments, credits மற்றும் databases ஆகியவற்றைத் கையாண்டது. இது PPT உருவாக்கத்தில் மட்டும் AI கவனம் செலுத்த எனக்கு உதவியது.

அங்கேயேதான் "முடிந்தது போலத் தெரிவது" மற்றும் "உண்மையிலேயே முடிந்தது" ஆகியவற்றுக்கு இடையே உள்ள வித்தியாசம் தெரிந்தது. நான் நான்கு முக்கிய இடைவெளிகளைக் கண்டறிந்தேன்:

  • Concurrency (ஒரே நேரத்தில் பல வேலைகள்): ஒரு முறை வெற்றிகரமாக இயங்கினால் ஒரு வசதி முடிந்துவிட்டது என்று AI நினைக்கிறது. ஒரு உண்மையான அமைப்பு பணிகளைத் தனித்தனி வரிசைகளாகப் (queues) பிரிக்க வேண்டும். பணியாளர்கள் (workers) எளிதாகச் செயல்பட, ஒவ்வொரு ஸ்லைடையும் ஒரு தனி வேலையாக உருவாக்க வேண்டும்.

  • Billing (பணம் வசூலித்தல்): AI ஒருமுறை கிரெடிட்களைக் கழித்துவிட்டு நின்றுவிடும். ஒரு உண்மையான தயாரிப்பிற்கு ஒரு state machine தேவை. நீங்கள் கிரெடிட்களை முன்பதிவு செய்ய வேண்டும், உண்மையான பயன்பாட்டின் அடிப்படையில் கணக்கிட வேண்டும், மற்றும் தோல்வியடையும் போது பணத்தைத் திரும்ப அளிக்க வேண்டும்.

  • Self-review (சுய-மதிப்பாய்வு): பேக்எண்ட் (backend) ஒரு பணியை அமைதியாக மீண்டும் முயன்றால், பயனர் ஒரு சுழலும் ஐகானை (spinning icon) மட்டுமே பார்ப்பார். நீங்கள் அதன் நிலையை (status) காட்ட வேண்டும். சிஸ்டம் வேலை செய்கிறது என்பதைப் பயனர் அறிய, "சரிபார்க்கப்படுகிறது" (checking) அல்லது "மீண்டும் வரையப்படுகிறது" (redrawing) என்று காட்ட வேண்டும்.

  • Export (ஏற்றுமதி): ஒரு ஸ்லைடு பிரவுசரில் பார்க்க அழகாக இருக்கலாம், ஆனால் PPTX கோப்பில் சிதைந்து போகலாம். கோப்பை உருவாக்குவது மட்டுமே தேவையில்லை; அந்த கோப்பு இணையப் முன்னோட்டத்திற்கு (web preview) இணையாக இருக்க வேண்டும் என்பதே உண்மையானத் தேவை.

நான் எனது அறிவுறுத்தல்களை மாற்றினேன். AI-க்கு வசதிகளின் பட்டியலை (feature list) வழங்குவதை நிறுத்திவிட்டு, அதற்கு ஏற்ப গ্রহণের அளவுகோல்களை (acceptance criteria) வழங்கத் தொடங்கினேன்.

AI-க்கான எனது புதிய விதிகள்:

  • ஒரு டெமோவை அல்ல, பயன்பாட்டிற்குத் தயாரான (production-ready) SaaS-ஐ உருவாக்கு.
  • 100 பயனர்களை ஒரே நேரத்தில் ஆதரி.
  • திட்டமிடல் மற்றும் ஸ்லைடு உருவாக்கத்திற்குத் தனித்தனி வரிசைகளைப் (queues) பயன்படுத்து.
  • ஒவ்வொரு மாடல் அழைப்பையும் (model call) பில்லிங் சிஸ்டத்துடன் இணைக்கவும்.
  • கிரெடிட் இருப்பைப் பொறுத்து பணிகளை நிறுத்தி வைக்கவும் மற்றும் மீண்டும் தொடங்கவும்.
  • ஒவ்வொரு ஸ்லைடிற்குப் பிறகும் லேஅவுட் சோதனைகளைச் செய்.
  • PPTX ஏற்றுமதி இணையப் முன்னோட்டத்துடன் ஒத்துப்போவதை உறுதி செய்.
  • வெற்றிக்கு மட்டுமல்லாமல், Concurrency மற்றும் தோல்விகளுக்கும் சோதனைகளை (tests) எழுது.

AI வேகமாக குறியீட்டை எழுதுகிறது. ஆனால் ஒரு குறியீடு எப்போது பயன்பாட்டிற்குத் தயாராகும் (shippable) என்பதை அதற்குத் தெரியாது. அது ஒரு உள்ளூர் டெமோவை (local demo) ஒரு முழுமையான அமைப்பாகக் கருதுகிறது.

பொறியியல் எல்லைகள், தோல்விச் சூழல்கள் மற்றும் வணிக விதிகளை வழங்குவதே மனிதனின் பங்காகும்.

Harness SaaS அடித்தளத்தை வழங்குகிறது. AI தர்க்கத்தை நிரப்புகிறது. நீங்கள் மிகத் துல்லியமான உள்ளீட்டை வழங்கினால் போதுமானது.

நீங்கள் AI மூலம் உருவாக்கப்பட்ட ஒரு தயாரிப்பை வெளியிட்டால், "அது வேலை செய்கிறது" என்பதற்கும் "அது வாடிக்கையாளர்களுக்குத் தயாராக உள்ளது" என்பதற்கும் இடையிலான கடினமான இடைவெளி எதுவாக இருந்தது?

ஆதாரம்: https://dev.to/velobasex/ai-can-write-the-code-it-cant-tell-you-when-the-product-is-done-4oh6