𝗪𝗵𝘆 𝘀𝗵𝗶𝗽𝗽𝗶𝗻𝗴 𝗳𝗮𝘀𝘁 𝘄𝗶𝘁𝗵 𝗔𝗜 𝗶𝘀 𝗮 𝘁𝗿𝗮𝗽

AIతో ఒక ఫీచర్‌ను 20 నిమిషాల్లో షిప్ చేయడం అనేది విజయం కాదు. అది మీ పనిలోని తక్కువ శ్రమతో కూడిన భాగాన్ని మీరు వేగవంతం చేశారని అర్థం. మీరు ఎక్కువ శ్రమతో కూడిన ముఖ్యమైన పనిని వదిలేశారు.

కోడ్ రాయడం అనేది ఇంజనీరింగ్‌లో ఎప్పుడూ కష్టమైన భాగం కాదు. అసలైన సవాలు ఈ పనుల్లో ఉంది:

  • అవసరాలను (requirements) నిర్వచించడం
  • స్కోప్‌ను తగ్గించడం (Cutting scope)
  • పరిమితులను (constraints) నిర్ణయించడం
  • మార్పు సరైనదని నిరూపించడం

మీరు ఈ దశలను వదిలేసినప్పుడు, AI తప్పుడు విషయాన్ని మరింత వేగంగా షిప్ చేయడానికి మీకు సహాయపడుతుంది. ఇది పని పూర్తయినట్లు కనిపించడం మరియు నిజంగా పూర్తవ్వడం మధ్య ఒక వ్యత్యాసాన్ని (gap) సృష్టిస్తుంది. AI స్వచ్ఛమైన కోడ్‌ను అందిస్తుంది, కానీ ఆ కోడ్ మీ సిస్టమ్‌కు సరిపోతుందో లేదో అది చెప్పదు. దాని దీర్ఘకాలిక ఖర్చు (cost) గురించి కూడా అది చెప్పదు.

AI మీ ప్రస్తుత అలవాట్లను మరింత పెంచుతుంది. మంచి నిర్ణయ సామర్థ్యం (judgment) వేగవంతం అవుతుంది. చెడు నిర్ణయ సామర్థ్యం కూడా వేగవంతం అవుతుంది.

ప్రస్తుత వర్క్‌ఫ్లోలు ఈ ప్రమాదాన్ని చూపుతున్నాయి:

  • AI నమ్మకంగా మాట్లాడినందున ప్రజలు ప్రొడక్షన్ డేటాబేస్‌లను తుడిచివేస్తున్నారు (wipe).
  • మీరు ఎక్కువ కోడ్‌ను అంగీకరించే కొద్దీ రివ్యూ భారం పెరుగుతుంది.
  • చాలా బగ్స్ అస్పష్టమైన అవసరాల (requirements) వల్ల వస్తాయి, కోడ్ సరిగ్గా జనరేట్ కాకపోవడం వల్ల కాదు.

ఇవి కొత్త ముసుగుల్లో ఉన్న పాత ఇంజనీరింగ్ సమస్యలే. ప్రాంప్టింగ్ (Prompting) అనేది మీరు ఒక వారాంతంలో నేర్చుకోగల నైపుణ్యం. అసలైన నైపుణ్యం ఒక క్రమ పద్ధతి ద్వారా పనిని రూపొందించడం:

  1. అవసరాలు (Requirements)
  2. వ్యత్యాసాల గుర్తింపు (Gap identification)
  3. ప్రణాళిక (Planning)
  4. చిన్న మార్పులు (Small changes)
  5. సమీక్ష (Review)
  6. ధృవీకరణ (Verification)

పని సరైనదని నిరూపించే టెస్ట్ (test) పైనే మీ మొదటి ప్రాంప్ట్ దృష్టి సారించాలి. దానిని మీ చివరి దశగా మార్చకండి.

Git లేదా CI/CD వంటి సాధనాలు (tools) మీరు వాటి చుట్టూ మీ వర్క్‌ఫ్లోను పునర్నిర్మించినప్పుడు మాత్రమే పనిచేస్తాయి. వర్క్‌ఫ్లో కంటే సాధనం యొక్క ప్రాముఖ్యత తక్కువ.

గెలిచే ఇంజనీర్లు AIని ఎక్కువగా ఉపయోగించే వారు కాదు. కోడ్‌ను వేగవంతం చేసే ముందు సమస్యను లోతుగా అర్థం చేసుకునే వారే విజేతలు. చాలా మంది AIని ఉపయోగిస్తారు, కానీ కొద్దిమంది మాత్రమే దానితో ఇంజనీరింగ్ చేస్తారు.

ఈ వెరిఫికేషన్ గ్యాప్‌లను (verification gaps) ఎదుర్కోవడానికి మీరు మీ వర్క్‌ఫ్లోను ఎలా సర్దుబాటు చేస్తారు?

Source: https://dev.to/yerkerakhimov/why-shipping-fast-with-ai-is-a-trap-3f9l

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