Apabila kecerdasan buatan mengubah pembangunan perisian, satu trend membimbangkan muncul dalam industri teknologi. Syarikat semakin mewajibkan penggunaan alat pengekodan AI, menjejaki penglibatan pekerja dengan sistem ini, dan mencipta apa yang digambarkan pembangun sebagai krisis kerja sambil leka - di mana kod kelihatan berfungsi pada permukaan tetapi mengandungi kecacatan tersembunyi yang membebankan penyelenggara pada masa depan.
Kebangkitan Pemantauan AI Wajib
Syarikat teknologi beralih daripada menggalakkan pembantu pengekodan AI kepada mewajibkan penggunaannya, dengan metrik prestasi pekerja kini termasuk penjejakan penglibatan LLM. Pembangun melaporkan menghadapi tekanan untuk menunjukkan penggunaan alat AI tanpa mengira sama ada ia meningkatkan aliran kerja atau kualiti kod mereka. Peralihan ini mewakili perubahan asas dalam cara produktiviti pengaturcaraan diukur, mengutamakan penggunaan alat berbanding metrik tradisional seperti kiraan pepijat, semakan kod, dan kestabilan sistem.
Jika mereka begitu yakin dengan keberkesanan LLM, mengapa tidak biarkan secara sukarela, mengapa paksa pada orang? Hasilnya akan kelihatan dalam hasil produk yang dihantar untuk semua lihat.
Penguatkuasaan ini nampaknya didorong oleh pelaburan korporat dalam infrastruktur AI yang memerlukan justifikasi. Dengan syarikat membelanjakan sumber yang besar untuk langganan dan integrasi LLM, pengurusan berusaha menunjukkan pulangan pelaburan melalui metrik penerimaan meluas berbanding menunggu peningkatan produktiviti organik.
Syarikat yang Dilaporkan Menjejaki Penggunaan AI: Microsoft, Oracle, Amazon, AWS
Kos Tersembunyi Kod Dijana AI
Walaupun alat pengekodan AI boleh mempercepatkan pembangunan awal, perbincangan komuniti mendedahkan kos hiliran yang besar. Pembangun menggambarkan menghadapi kod yang kelihatan betul pada pandangan pertama dan lulus ujian asas tetapi mengandungi kelemahan seni bina halus. Isu-isu ini sering timbul berbulan-bulan kemudian apabila pembangun lain cuba membina asas tersebut, menemui bahawa bahagian penting memerlukan penulisan semula.
Masalah ini bertambah buruk apabila berbilang pembangun menggunakan alat AI secara berurutan. Seorang pembangun menyatakan bahawa kod dijana AI untuk membetulkan pepijat dalam kod dijana AI sebelumnya mencipta kitaran reput kod yang mempercepatkan pengumpulan hutang teknikal. Beban penyelenggaraan beralih daripada pengekod asal kepada rakan sekerja yang mesti menyelesaikan penyelesaian dijana AI yang semakin kompleks.
Ramai pembangun melaporkan pengalaman peribadi dengan kod dijana AI yang kelihatan berfungsi pada mulanya tetapi terbukti sukar diubah atau dikembangkan. Seorang pembangun web menggambarkan mencipta menu tersuai dengan bantuan AI, hanya untuk menemui minggu kemudian bahawa pelaksanaan menggunakan pendekatan luar biasa yang membuatkan pengubahsuaian mudah mustahil. Pembangun akhirnya terpaksa mempelajari CSS dengan betul dan menulis semula komponen menggunakan teknik standard.
Isu Biasa Pengekodan AI yang Dilaporkan:
- Kod yang kelihatan betul tetapi mengandungi kelemahan seni bina yang tersembunyi
- Kesukaran mengubah suai atau memperluaskan pelaksanaan yang dijana oleh AI
- Pendekatan pengekodan luar biasa yang menyimpang daripada amalan standard
- Pengumpulan hutang teknikal yang dipercepatkan
- Beban penyelenggaraan beralih kepada ahli pasukan lain
Dilema Pengaturcara: Kreativiti vs. Kelulusan
Ketegangan asas terletak pada transformasi pengaturcaraan daripada kraf kreatif kepada proses kelulusan. Pembangun menyatakan kebimbangan bahawa penggunaan AI yang dikuatkuasa mengurangkan mereka kepada cop getah untuk kod dijana mesin sambil mengekalkan tanggungjawab penuh untuk sebarang kecacatan. Ini mencipta apa yang dipanggil seorang pengulas sebagai situasi kentang panas di mana pembangun yang menjana kod AI dengan cepat mendapat manfaat daripada peningkatan produktiviti ketara, sementara mereka yang mewarisi kerja penyelenggaraan menderita daripada halaju menurun.
Komuniti membuat persamaan dengan industri lain di mana metrik cetek memesongkan kualiti. Seorang pengulas teringat pembuatan Jerman memindahkan pengeluaran ke China pada 1990-an, di mana isu kualiti dikendalikan oleh pasukan pembaikan Jerman sementara pengeluaran China kelihatan bersih dalam data perakaunan. Begitu juga, metrik pengekodan AI menangkap kelajuan penjanaan tetapi bukan kos penyelenggaraan, mencipta gambaran produktiviti yang mengelirukan.
Strategi Rintangan dan Penyesuaian
Walaupun terdapat tekanan korporat, ramai pembangun berpengalaman menolak penggunaan alat AI wajib. Sesetengah melumpuhkan pelengkapan AI sebaris sepenuhnya, menggambarkannya sebagai nyamuk berdengung di sekeliling kepala saya yang mengganggu tumpuan dan aliran kreatif. Yang lain menggunakan AI secara terpilih untuk tugas tertentu seperti dokumentasi, penjanaan ujian, atau meneroka teknologi yang tidak dikenali sambil mengekalkan kawalan manual ke atas seni bina teras.
Strategi integrasi AI paling berjaya melibatkan mengendalikan alat ini sebagai pembantu dan bukan pengganti. Pembangun melaporkan hasil lebih baik apabila menggunakan AI untuk tugas kecil dan jelas ditakrifkan berbanding penjanaan kod berskala besar. Menulis komen terperinci sebelum meminta pelengkapan AI, menulis ujian secara manual, dan menyemak dengan teliti semua kod dijana muncul sebagai amalan berkesan untuk mengekalkan kualiti sambil memanfaatkan keupayaan AI.
Pengaturcara berpengalaman menekankan bahawa aset paling berharga mereka kekal pemahaman mendalam tentang pangkalan kod mereka, dipupuk melalui pembangunan hands-on dan refaktor sistematik. Seorang pembangun menyatakan membentuk pangkalan kod mereka dengan teliti untuk muat sepenuhnya dalam kepala mereka, mencipta konteks tersirat yang sistem AI semasa tidak dapat padankan. Keakraban mendalam ini membolehkan penyelesaian masalah pantas dan keputusan seni bina yang melangkaui keupayaan AI.
Strategi Integrasi AI yang Berkesan:
- Gunakan untuk tugas tertentu: dokumentasi, penjanaan ujian, meneroka teknologi yang tidak dikenali
- Tulis komen terperinci sebelum meminta penyiapan AI
- Tulis ujian secara manual berbanding ujian yang dijana oleh AI
- Tugas kecil dan jelas berbanding penjanaan berskala besar
- Kekalkan pengawasan manusia terhadap keputusan seni bina
Masa Depan Pembangunan Perisian
Landskap pengekodan AI semasa mewakili tempoh peralihan di mana keupayaan alat belum lagi sepadan dengan jangkaan korporat. Walaupun AI boleh mengendalikan tugas pengekodan rutin dan mempercepatkan pembangunan dalam konteks tertentu, ia bergelut dengan masalah novel, keputusan seni bina kompleks, dan mengekalkan konsistensi merentas pangkalan kod besar.
Komuniti tetap terbahagi antara mereka yang menerima AI sebagai masa depan tidak dapat dielakkan dan mereka yang menolak apa yang mereka lihat sebagai kemerosotan kraf mereka. Sesetengah pembangun membandingkan situasi dengan anjakan teknologi sejarah seperti penerimaan pengkompil atau persekitaran pembangunan bersepadu, manakala yang lain melihat perbezaan asas dalam cara AI mengubah proses kreatif itu sendiri.
Sehingga UTC+0 2025-10-15T13:22:23Z, konsensus mencadangkan bahawa pembangun yang menggabungkan alat AI dengan kemahiran asas yang kuat akan berkembang maju, sementara mereka yang bergantung sepenuhnya pada kod dijana AI berisiko mencipta sistem tidak mampan. Pendekatan paling berjaya nampaknya menggunakan AI sebagai pembantu berkuasa sambil mengekalkan penyeliaan manusia, perancangan seni bina, dan kawalan kualiti.
Perbualan berterusan menekankan bahawa walaupun alat pengekodan AI menawarkan potensi signifikan, pelaksanaan wajib dan penerimaan berasaskan metrik mereka mungkin menyebabkan lebih banyak masalah daripada yang diselesaikan. Seperti yang dinyatakan seorang pembangun secara ringkas, intipati pengaturcaraan berisiko beralih daripada mencipta kepada hanya meluluskan, berpotensi menanggung industri bukan sahaja satu profesion tetapi satu kraf.
Rujukan: I am a programmer, not a rubber-stamp that approves Copilot generated code