Apabila kecerdasan buatan mengubah cara perisian ditulis, para pembangun sedang menghadapi akibat yang tidak dijangka: banjir kod berkualiti rendah yang membebankan pengulas kod dan mengancam kraf pengaturcaraan itu sendiri. Apa yang bermula sebagai alat untuk meningkatkan produktiviti telah menjadi sumber ketegangan dalam pasukan pembangunan di seluruh dunia.
Kebangkitan Sampah AI
Di seluruh industri teknologi, para pembangun melaporkan peningkatan mendadak dalam apa yang ramai panggil sebagai sampah AI - kod yang dihasilkan oleh model bahasa besar yang kelihatan betul secara luaran tetapi mengandungi kecacatan asas. Masalahnya bukan hanya teknikal; ia adalah budaya. Pembangun yang bergantung sepenuhnya pada alat AI menghasilkan sejumlah besar kod tanpa memahami sepenuhnya apa yang mereka serahkan untuk semakan.
Seorang pembangun menggambarkan kekecewaan yang dirasai ramai: Rakan sekerja yang menyemak kod dengan pantas hilang akal apabila mereka sedar yang mereka kini menjadi lapisan kawalan kualiti pertama dan bukannya salah satu yang terakhir. Para pengulas mendapati diri mereka menangkap segala-galanya daripada fungsi tidak digunakan dan rujukan perpustakaan khayalan hingga ralat masa jalan yang sepatutnya ditangkap oleh pengarang asal.
Isu Biasa dalam Kod Dijana AI:
- Fungsi tidak digunakan yang tidak pernah dipanggil
- Rujukan kepada perpustakaan yang tidak wujud
- Ralat runtime atau kompilasi yang jelas
- Corak kod yang terlalu bertele-tele dan berulang
- Kekurangan pengendalian ralat yang betul
- Algoritma dan struktur data yang tidak cekap
Jurang Tanggungjawab
Mungkin trend paling membimbangkan ialah kemunculan apa yang sesetengah panggil sebagai budaya whoopsie. Apabila dihadapkan dengan kod bermasalah, sesetengah pembangun mengalihkan tanggungjawab dengan komen seperti whoopsie, Claude yang tulis itu. AI yang bodoh, ha-ha. Sikap ini mewakili perubahan asas dalam cara pengaturcara mendekati kerja mereka. Di mana pembangun dahulu berbangga dengan pemilikan kod mereka, sesetengah kini menganggap output AI sebagai masalah orang lain.
Tindak balas komuniti jelas: Jika seseorang melakukannya sekali, mereka mendapat mesej tegas mengenainya. Jika ia berlaku dua kali, ia ditolak dan dihantar kepada pengurus mereka. Ramai pembangun berpengalaman berhujah bahawa tanpa mengira bagaimana kod dihasilkan, orang yang menyerahkannya tetap bertanggungjawab terhadap kualitinya. Penyelesaiannya, menurut seorang pengulas, adalah mudah: Penyelesaiannya hanyalah menolak komit dengan mesej 'bersihkan ini' sebaik sahaja anda nampak beberapa karut. Kepercayaan perlu diperoleh!
Metrik Produktiviti Melawan Kualiti
Dorongan ke arah pengaturcaraan berbantu AI tidak berlaku dalam vakum. Pasukan pengurusan yang ingin menunjukkan peningkatan produktiviti sering mengukur perkara yang salah. Seperti yang diperhatikan seorang pemerhati, Orang yang membuang sampah LLM ke GitHub mempunyai metrik yang hebat apabila kepimpinan melihat penggunaan kursor, baris kod, nombor PR, manakala orang yang melambatkan untuk benar-benar membaca apa yang orang lain serahkan kini begitu tenggelam dalam sampah sehingga mereka mempunyai kurang masa untuk menghasilkan sendiri.
Ini mewujudkan struktur insentif songsang di mana kuantiti mengatasi kualiti. Pembangun yang menghasilkan beribu-ribu baris kod berbantu AI kelihatan lebih produktif daripada mereka yang dengan teliti mencipta penyelesaian yang lebih kecil dan lebih cekap. Seorang pembangun menunjukkan perbezaan utama: Yang ditulis LLM hampir keseluruhannya tambahan, manakala jurutera kanan yang baik sering mengeluarkan seberapa banyak kod yang mereka tambah. Ini menggema kisah terkenal dari hari-hari awal Apple tentang baris kod negatif sebagai ukuran produktiviti.
Metrik Impak Pasukan:
- Masa semakan kod meningkat sebanyak 3-5 kali ganda untuk penyerahan yang dijana oleh AI
- Kiraan baris permintaan tarik biasanya 200-500% lebih tinggi dengan bantuan AI
- Kadar kecacatan dalam kod yang dijana oleh AI: 2-3 kali ganda lebih tinggi dalam penyerahan awal
- Pemindahan pengetahuan antara ahli pasukan menurun dianggarkan sebanyak 40-60%
- Masa orientasi untuk pembangun baharu meningkat disebabkan kerumitan kod
Hubungan Manusia Pudar
Selain kualiti kod, ramai yang bimbang tentang apa yang AI maksudkan untuk dinamik pasukan dan perkongsian pengetahuan. Cara tradisional pembangun belajar antara satu sama lain - pengaturcaraan berpasangan, perbincangan seni bina, dan bimbingan - sedang digantikan oleh interaksi manusia-mesin. Menghubungi LLM daripada orang apabila kita memerlukan pengaturcara berpasangan, seseorang untuk bertukar-tukar penyelesaian, prototaip, melakar seni bina, atau membantu menjawab soalan pakar tentang bahagian kod asas esoterik menjadi perkara biasa.
Peralihan ini mempunyai implikasi mendalam untuk bagaimana pengetahuan tersebar dalam organisasi. Pembangun junior yang mungkin belajar dari rakan kanan melalui semakan kod dan kerjasama kini mendapat maklum balas utama mereka dari sistem AI. Pemahaman mendalam yang datang dari menerangkan konsep kompleks kepada manusia lain sedang hilang.
Mencari Keseimbangan yang Tepat
Tidak semua pembangun menentang revolusi AI. Sesetengah telah menemui cara produktif untuk mengintegrasikan alat ini ke dalam aliran kerja mereka sambil mengekalkan piawaian kualiti. Seorang pembangun berkongsi perjalanan mereka: Saya mempunyai trajektori ini: hanya menggunakan AI untuk perkara kecil, sangat kagum dengannya → memberikan AI tugas yang lebih besar → mod agen penuh → menyedari bahawa saya masih perlu memikirkan semua kod → kembali kepada memberikan AI tugas kecil.
Pendekatan paling berjaya nampaknya menggunakan AI untuk penyelidikan, bukti-konsep, dan kod buang sambil mengekalkan kod gambaran besar dalam tangan manusia. Seperti yang diperhatikan pembangun lain, Saya dapati AI sangat berguna untuk penyelidikan, bukti-konsep dan kod buang 'ini berfungsi, tetapi sama sekali tidak boleh diterima dalam pengeluaran'. Ia kerja yang saya cenderung lakukan juga sebelum saya mula menangani penyelesaian akhir.
Pendekatan Pembangun terhadap Pengekodan AI:
- Penyelidikan & Prototaip: Menggunakan AI untuk kod penerokaan dan bukti konsep
- Bantuan Tugas Kecil: Penggunaan terhad untuk fungsi atau utiliti tertentu
- Mod Agentik Penuh: Membenarkan AI mengendalikan keseluruhan ciri dengan semakan manusia
- Pendekatan Hibrid: Menggabungkan penjanaan AI dengan penambahbaikan manusia yang ketara
- Penentangan: Mengelakkan alat AI sepenuhnya untuk kod pengeluaran
Krisis Identiti Semakin Mendalam
Bagi ramai pengaturcara, ini bukan hanya tentang alat dan produktiviti - ia tentang identiti. Kraf pengaturcaraan, dengan tumpuan mendalam dan kepuasan menyelesaikan masalah, adalah apa yang menarik ramai ke bidang ini. Seperti yang dikeluhkan seorang pembangun, Pada tahap tertentu saya agak membenci hakikat bahawa saya tidak benar-benar dapat melakukan hobi saya untuk kerja lagi. Ia sesuatu yang asasnya berbeza sekarang.
Jurang antara mereka yang melihat pengaturcaraan sebagai cara untuk mencapai matlamat dan mereka yang melihatnya sebagai kraf tidak pernah lebih luas. Sesetengah berhujah bahawa pengekodan adalah cara untuk mencapai matlamat, bukan matlamat itu sendiri, manakala yang lain membantah bahawa menyelesaikan masalah adalah hasil pengaturcaraan, bukan tujuan pengaturcaraan. Perselisihan falsafah ini mencerminkan soalan lebih mendalam tentang apa ertinya menjadi pengaturcara dalam zaman AI.
Transformasi pembangunan perisian melalui AI mencipta ketegangan asas antara produktiviti dan kualiti, antara lelaran pantas dan pemahaman mendalam. Apabila industri mengemudi peralihan ini, pembangun dipaksa untuk mempertimbangkan semula apa ertinya menulis kod yang baik dan menjadi pengaturcara yang bertanggungjawab. Alat mungkin berubah, tetapi keperluan untuk pembangunan perisian yang teliti dan bijaksana tetap penting seperti dahulu.
Rujukan: The Programmer Identity Crisis