నేను మునుపటి కంటే తక్కువ సమయం కోడ్ రాయడానికి ఉపయోగిస్తున్నాను
నేను మునుపటి కంటే ఎక్కువ సాఫ్ట్వేర్ను రూపొందిస్తున్నాను.
AI నా ఇంజనీరింగ్ పనిని తగ్గించలేదు. అది ఇంజనీరింగ్ యొక్క రూపాన్ని మార్చేసింది.
ఐదేళ్ల క్రితం, నేను కోడ్ లైన్ల సంఖ్య లేదా మెర్జ్ చేసిన pull requests ఆధారంగా ఉత్పాదకతను కొలిచేవాడిని. ఎక్కువ కోడ్ రాయడం అంటే ఎక్కువ విలువను సృష్టించడం అని నేను అనుకున్నాను. నేను పొరబడ్డాను. అది కొలవడానికి అత్యంత సులభమైన మార్గం మాత్రమే.
ఈరోజు, నా పని దినచర్య భిన్నంగా ఉంది. నేను కోడ్ టైప్ చేయడానికి తక్కువ సమయం కేటాయిస్తున్నాను. నేను ఎక్కువ సమయం వీటి కోసం ఉపయోగిస్తున్నాను:
• AI-generated కోడ్ను సమీక్షించడం (Reviewing) • సిస్టమ్ ఆర్కిటెక్చర్లను డిజైన్ చేయడం • బిజినెస్ రూల్స్ను నిర్వచించడం • డేటాను మోడలింగ్ చేయడం • ఊహలను (assumptions) ధృవీకరించడం • ఎవాల్యుయేషన్ పైప్లైన్లను (evaluation pipelines) సృష్టించడం
సాఫ్ట్వేర్లో అడ్డంకి (bottleneck) ఎప్పుడూ టైపింగ్ వేగం కాదు. అసలైన అడ్డంకి అవగాహన (understanding).
మీరు వినియోగదారులు, వ్యాపారాలు, వ్యవస్థలు మరియు ట్రేడ్-ఆఫ్స్ (trade-offs) గురించి అర్థం చేసుకోవాలి. సాఫ్ట్వేర్ విజయవంతం అవుతుందో లేదో ఈ నిర్ణయాలే నిర్ణయిస్తాయి.
కోడ్ అనేది ఒక అవుట్పుట్. ఇంజనీరింగ్ అనేది నిర్ణయాలు తీసుకునే ప్రక్రియ.
AI ఇంప్లిమెంటేషన్లో (implementation) అద్భుతంగా పనిచేస్తుంది. కానీ ఇది ఈ ప్రశ్నలకు సమాధానం చెప్పలేదు:
• ఈ సర్వీస్ ఈ డేటాను కలిగి ఉండాలా? • వాలిడేషన్ ఎక్కడ జరగాలి? • వైఫల్యాల నుండి మనం ఎలా కోలుకోవాలి? • ఆటోమేటెడ్ నిర్ణయాలను మనం ఎలా ఆడిట్ చేయాలి?
AI పనిలో ఉన్న ఇబ్బందులను (friction) తొలగిస్తోంది, ఇంజనీర్లను కాదు. ఇది సీరియలైజర్లు (serializers) లేదా మైగ్రేషన్స్ (migrations) రాయడం వంటి పునరావృత పనులను తొలగిస్తుంది. ఇది పరిష్కారాలను సింటాక్స్లోకి (syntax) అనువదించే బదులు, సమస్యలను పరిష్కరించడానికి మీకు వీలు కల్పిస్తుంది.
నేను ఇటీవల ఒక Transaction Intelligence Systemను రూపొందించాను. AI మోడల్ కష్టమైన భాగం అని నేను అనుకున్నాను. కానీ నేను పొరబడ్డాను.
కష్టమైన పని ఏమిటంటే:
• డేటా స్ట్రక్చర్లను డిజైన్ చేయడం • సింథటిక్ డేటాసెట్లను (synthetic datasets) సృష్టించడం • బిజినెస్ టాక్సోనమీలను (business taxonomies) నిర్వచించడం • ఎంటిటీ రిజల్యూషన్ పైప్లైన్లను (entity resolution pipelines) నిర్మించడం
AI కోడింగ్ను వేగవంతం చేసింది, కానీ వ్యాపారాన్ని అర్థం చేసుకోవాల్సిన అవసరాన్ని తగ్గించలేదు.
సాఫ్ట్వేర్ను రూపొందించడం ఇప్పుడు చౌకగా మారింది. కానీ సంక్లిష్టతను (complexity) అర్థం చేసుకోవడం ఇప్పటికీ ఖరీదైనదే.
వ్రాయబడని అంశాలను అర్థం చేసుకోవడమే అసలైన సవాలు. మీరు దాగి ఉన్న బిజినెస్ రూల్స్, నియంత్రణ పరిమితులు (regulatory constraints) మరియు భద్రతా అవసరాలను కనుగొనాలి. ఇవి సంభాషణలు మరియు అనుభవంలో ఉంటాయి, డాక్యుమెంటేషన్లో ఉండవు. ప్రాతినిధ్యం లేని జ్ఞానాన్ని ఏ మోడల్ కూడా ఊహించలేదు.
AI మంచి ఆర్కిటెక్చర్కు మద్దతు ఇస్తుంది. అది దానికి ప్రత్యామ్నాయం కాదు.
మీ సిస్టమ్లో స్పష్టమైన యాజమాన్యం (ownership) మరియు మాడ్యులర్ సర్వీస్లు ఉంటే, AI ఉత్పాదకతను పెంచుతుంది. మీ పునాదులు బలహీనంగా ఉంటే, AI కేవలం సంక్లిష్టతను మరింత వేగంగా సృష్టిస్తుంది.
నేను ఇంజనీరింగ్ను ఆపలేదు. నేను మరింత ఉన్నత స్థాయిలో ఇంజనీరింగ్ చేయడం ప్రారంభించాను.
టైపింగ్ కోసం తక్కువ సమయం. డిజైనింగ్ కోసం ఎక్కువ సమయం. సింటాక్స్ డీబగ్గింగ్ కోసం తక్కువ సమయం. ఊహలను ధృవీకరించడానికి ఎక్కువ సమయం.
వృత్తి ఈ దిశగా సాగుతోంది.
Source: https://dev.to/uigerhana/i-spend-less-time-writing-code-than-ever-before-395b
Optional learning community: https://t.me/GyaanSetuAi