Peningkatan penjanaan kod berkuasa AI sedang mencipta masalah yang tidak pernah berlaku sebelum ini dalam pembangunan perisian: projek dengan faktor bas sifar. Ini bermakna tiada seorang pun dalam pasukan pembangunan memahami bagaimana bahagian kritikal perisian mereka sebenarnya berfungsi.
Faktor bas secara tradisinya mengukur berapa ramai ahli pasukan boleh dilanggar bas sebelum projek kehilangan semua pengetahuan institusi. Selama beberapa dekad, senario terburuk ialah faktor bas satu - di mana hanya seorang sahaja memahami sistem tertentu. Tetapi kemunculan pengkodan vibe dengan model bahasa besar telah memperkenalkan sesuatu yang jauh lebih berbahaya.
Definisi Faktor Bas:
- Faktor Bas Tradisional 1: Hanya seorang sahaja yang memahami sistem (risiko tinggi)
- Faktor Bas Sifar: Tiada sesiapa yang memahami sistem (risiko yang tidak pernah berlaku sebelum ini)
- Faktor Bas Ideal: Beberapa ahli pasukan (3+) memahami setiap komponen sistem
Peningkatan Pengkodan Vibe dan Kehilangan Pengetahuan
Sejak keluaran awam ChatGPT pada November 2022, ramai pembangun telah menerima apa yang kini dipanggil pembangunan AI-first. Daripada menulis dan memahami kod sendiri, mereka bergantung pada AI untuk menjana keseluruhan fungsi, ciri, atau bahkan projek lengkap. Pendekatan ini mengutamakan kelajuan berbanding pemahaman, meninggalkan pasukan dengan perisian yang sebenarnya tiada siapa faham.
Komuniti telah mengenal pasti beberapa senario di mana alat pengkodan AI cemerlang, seperti menjana kod boilerplate, mencipta perancah ujian, dan menggunakan perubahan berulang merentas pangkalan kod yang besar. Walau bagaimanapun, penggunaan yang sah ini dibayangi oleh pembangun yang menjana sejumlah besar kod yang tidak disemak tanpa memahami cara kerjanya.
Kes Penggunaan Pengkodan AI yang Berkesan (Menurut Komuniti):
- Menjana kod boilerplate dan perancah projek
- Mencipta data ujian dan asas ujian unit
- Melaksanakan perubahan berulang merentasi pangkalan kod yang besar
- Membina prototaip pantas dan bukti konsep
- Menjana dokumentasi daripada kod sedia ada
- Mencipta skrip utiliti dan alatan sekali guna
Mimpi Ngeri Penyelenggaraan
Masalah sebenar muncul apabila sistem yang dijana AI ini memerlukan penyahpepijatan, tampung keselamatan, atau ciri baharu. Tidak seperti kod yang ditulis manusia di mana pembangun boleh mengesan alasan di sebalik keputusan, kod yang dijana AI tidak mempunyai pengetahuan institusi yang biasanya mengiringi pembangunan perisian. Model AI asal tidak mempunyai ingatan tentang proses penjanaan kod, dan gesaan yang digunakan untuk mencipta perisian sering hilang atau tidak mencukupi untuk rujukan masa depan.
Jika anda menggunakan llm untuk mengeluarkan kawasan besar kod yang tidak disemak, anda melakukannya dengan salah dan projek anda memang akan menjadi tidak dapat diselenggara sebaik sahaja ia mengambil laluan yang salah dari segi seni bina, atau anda mendapat pepijat dengan punca yang kompleks atau apa sahaja.
Ini mencipta senario yang amat membimbangkan bagi pengguna yang memuat naik dokumen peribadi, maklumat kad kredit, dan data peribadi ke aplikasi yang tiada siapa di Bumi benar-benar faham.
Penolakan Industri dan Penyelesaian Praktikal
Komuniti pembangunan tidak sepenuhnya yakin dengan penjanaan kod AI tanpa had. Ramai pembangun berpengalaman menyokong pendekatan yang lebih terukur, menggunakan alat AI untuk tugas khusus seperti menjana dokumentasi, mencipta perancah projek awal, atau mengendalikan transformasi berulang. Pembangun ini menekankan bahawa AI sepatutnya menambah pemahaman manusia dan bukannya menggantikannya sepenuhnya.
Sesetengah pasukan mendapati kejayaan dengan pendekatan hibrid yang merangkumi semakan kod menyeluruh, penjanaan dokumentasi komprehensif, dan mengekalkan pengawasan manusia sepanjang proses pembangunan. Wawasan utama ialah alat AI berfungsi terbaik apabila pembangun sudah memiliki kemahiran untuk menilai dan memahami kod yang dijana.
Strategi Mitigasi Risiko:
- Semakan kod menyeluruh bagi semua kod yang dijana AI
- Dokumentasi komprehensif sistem yang dijana AI
- Mengekalkan pemahaman manusia terhadap seni bina sistem
- Menggunakan AI untuk tugasan terkandung dan bersaiz kecil berbanding keseluruhan ciri
- Memelihara pengetahuan institusi melalui perkongsian pengetahuan pasukan
- Menganggap AI sebagai alat produktiviti berbanding pengganti untuk pemahaman
Implikasi Yang Lebih Luas
Trend ini melangkaui projek individu untuk mempengaruhi keseluruhan industri perisian. Program sains komputer melaporkan penurunan pendaftaran kerana pelajar bimbang tentang AI menggantikan kerjaya pengaturcaraan. Ini mencipta gelung maklum balas berbahaya di mana lebih sedikit orang membangunkan kepakaran yang diperlukan untuk menyelenggara sistem kritikal.
Keadaan ini menyerupai cabaran automasi lain di mana manusia bergelut untuk mengekalkan kemahiran sambil sebahagiannya mewakilkan tugas kepada mesin. Sama seperti juruterbang boleh kehilangan kemahiran terbang apabila terlalu bergantung pada autopilot, pembangun berisiko kehilangan kebolehan mengkod apabila bergantung secara berlebihan pada penjanaan AI.
Kesimpulan
Walaupun alat pengkodan AI menawarkan faedah produktiviti tulen apabila digunakan dengan sewajarnya, dorongan ke arah pembangunan AI-first mengancam untuk mencipta generasi perisian yang tidak dapat diselenggara. Penyelesaiannya bukan untuk meninggalkan alat ini sepenuhnya, tetapi untuk menggunakannya dengan bijak sambil mengekalkan pemahaman manusia dan pengetahuan institusi.
Industri perlu mewujudkan amalan yang lebih baik mengenai pembangunan berbantu AI, memastikan keuntungan produktiviti tidak datang dengan mengorbankan kebolehselenggaraan dan keselamatan jangka panjang. Jika tidak, kita berisiko mencipta infrastruktur digital yang tiada siapa benar-benar faham atau boleh diselenggara dengan boleh dipercayai.
Rujukan: Al First and the Bus Factor of 0