ჩაანაცვლებს ხელოვნური ინტელექტი პროგრამისტებს?

ბოლო პერიოდში ტექნოლოგიურ სამყაროში ერთ-ერთი ყველაზე ცხელი და განხილვადი თემა ხელოვნური ინტელექტის (AI) მიერ ადამიანური რესურსის პოტენციური ჩანაცვლებაა. ინდუსტრიის ლიდერებისგან სულ უფრო ხშირად ვისმენთ საკმაოდ თამამ, ზოგჯერ კი რადიკალურ განცხადებებს. მაგალითად, Microsoft-ის AI მიმართულების ხელმძღვანელმა ცოტა ხნის წინ აღნიშნა, რომ სულ რაღაც 18 თვეში AI თეთრსაყელოიანთა (ოფისის თანამშრომლების) ყველა სამუშაოს ავტომატიზებულს გახდის. Google-ის ყოფილი აღმასრულებელი დირექტორი, ერიკ შმიდტი, აქტიურად საუბრობს იმაზე, რომ AI-ს უდიდესი გავლენა ექნება სამუშაო ადგილებზე და ადამიანებს რადიკალური ადაპტაცია მოუწევთ.

მსგავს ნარატივს ავითარებენ სხვა ლიდერებიც. ისმის პროგნოზები, რომ პროგრამირება სრულად ავტომატიზებული გახდება, ტრადიციული ოფისის საქმეები გაქრება და მეტიც — სემ ალტმანის თქმით, ტექნოლოგია აღმასრულებელი დირექტორის (CEO) ფუნქციების შესრულებასაც კი შეძლებს.

თუმცა, როდესაც ამ თამამ განცხადებებს რეალურ, პრაქტიკულ სამუშაო გარემოს ვადარებთ, სრულიად განსხვავებულ სურათს ვიღებთ. მოდით, ლოგიკურად დავშალოთ ეს საკითხი და სიღრმისეულად გავაანალიზოთ, თუ რა ხდება სინამდვილეში, როგორ იცვლება სამუშაო პროცესი და რა იმალება ამ ხმამაღალი განცხადებების მიღმა.

AI-სთან მუშაობის ორი ძირითადი პარადიგმა

დღესდღეობით, პროგრამებისა თუ აპლიკაციების შექმნისას ხელოვნური ინტელექტის მოდელების (მაგალითად, Claude, ChatGPT, გენერაციული კოდირების ინსტრუმენტები) გამოყენება ორ ძირითად მიდგომად იყოფა:

• Vibe Coding (ე.წ. "ვაიბ კოდინგი"): ეს არის მიდგომა, როდესაც მომხმარებელი უბრალოდ აძლევს ინსტრუქციებს ხელოვნურ ინტელექტს და საერთოდ არ ამოწმებს კოდს. ტექნოლოგიას ეძლევა სრული თავისუფლება, მართოს პროგრამის ლოგიკა და არქიტექტურა. მთავარი მიზანია, რომ პროდუქტმა იმუშაოს და ვიზუალურად სასურველი შედეგი დადოს.
• ტრადიციული კოლაბორაციული მუშაობა: ამ დროს AI გამოიყენება როგორც ასისტენტი. ის აგენერირებს კოდს, თუმცა ადამიანი, ინჟინერი, მას დეტალურად ამოწმებს, აანალიზებს და რწმუნდება, რომ სისტემის არქიტექტურა, ლოგიკა და უსაფრთხოება სრულად კონტროლდება.

სად ჩნდება პრობლემა? "ვაიბ კოდინგი" შესანიშნავად მუშაობს მარტივ, ზედაპირულ პროექტებზე, სადაც მთავარი სისწრაფეა. თუმცა, როდესაც საქმე ეხება საწარმოო (production) დონის, კომპლექსურ აპლიკაციებს, ეს მიდგომა სერიოზულ, ხშირად გადაულახავ ბარიერებს აწყდება.

რთულ სისტემებში შეუძლებელია უბრალოდ ჩართო აპლიკაცია და ვიზუალურად შეამოწმო, მუშაობს თუ არა ყველაფერი. ასეთი სისტემები დამოკიდებულია გარე სერვისებზე, მონაცემთა ბაზებზე, სპეციფიკურ გარემოებებზე. ხშირად საჭიროა გარკვეული მონაცემების ხელოვნურად გენერირება ან ლოგიკის დროებით შეცვლა მხოლოდ იმისთვის, რომ კოდის კონკრეტული ნაწილი გაიტესტოს. წარმოიდგინეთ პროექტი, რომელზეც ერთდროულად რამდენიმე ადამიანი მუშაობს. კოდის უშუალოდ ნახვისა და წაკითხვის გარეშე, აბსოლუტურად შეუძლებელი ხდება იმის გაკონტროლება, რა დაემატა, რა წაიშალა ან რა შეიცვალა.

საბოლოო ჯამში, კოდი არ არის უბრალოდ წინააღმდეგობა, რომელიც უნდა გადავლახოთ სასურველი პროდუქტის მისაღებად. თავად კოდი არის საბოლოო პროდუქტი.

80/20 წესი და ილუზიური 100%

ხელოვნური ინტელექტი მართლაც რევოლუციური ინსტრუმენტია. მას შეუძლია ნებისმიერი ამოცანის 80% ან თუნდაც 90% წარმოუდგენელი სისწრაფით შეასრულოს. თუმცა, სწორედ აქ იმალება მთავარი მახე: დარჩენილი 10-20% რეალურად პროექტის ყველაზე რთული და კრიტიკული ნაწილია.

თუ პროცესი თავიდანვე არასწორად წარიმართა (მაგალითად, სრულად მიენდეთ "ვაიბ კოდინგს"), იმ 80%-ით მომუშავე აპლიკაციის არქიტექტურა შეიძლება იმდენად ქაოსური და არაშენარჩუნებადი (unmaintainable) აღმოჩნდეს, რომ მისი 100%-მდე მიყვანა პრაქტიკულად შეუძლებელი გახდეს. ასეთ დროს, პროექტი ფაქტობრივად ნულოვან ნიშნულზე ბრუნდება, რადგან მისი გადარჩენა უფრო რთულია, ვიდრე თავიდან დაწერა.

რატომ კეთდება რადიკალური განცხადებები? (6 მთავარი მიზეზი)

თუ პრაქტიკაში AI ვერ ანაცვლებს ინჟინრებს და კოლაბორაციულ მიდგომას მოითხოვს, რატომ ვისმენთ მუდმივად აპოკალიფსურ პროგნოზებს ინდუსტრიის ლიდერებისგან? ამ აგრესიული ნარატივის უკან, შესაძლოა, რამდენიმე ძალიან ლოგიკური და პრაგმატული მიზეზი იყოს:

1. გულწრფელი რწმენა ადაპტაციის აუცილებლობაში: მიუხედავად გაზვიადებისა, ლიდერების ნაწილს ნამდვილად სჯერა, რომ AI ტრანსფორმაციული ძალაა. გზავნილი, რომ "უნდა მოვერგოთ ახალ რეალობას", თავისთავად სწორია. სამუშაო პროცესები იცვლება და ის, ვინც უარს იტყვის ახალი ინსტრუმენტების ათვისებაზე, მართლაც ჩამორჩება.
2. ტექნოლოგიის დანერგვის ხელოვნური დაჩქარება: ის ადამიანები და კომპანიები, რომლებიც ამ თამამ განცხადებებს ავრცელებენ, თავად არიან ამავე ტექნოლოგიების შემქმნელები და გამყიდველები. ბუნებრივია, მათი პირდაპირი ინტერესია, რაც შეიძლება დააჩქარონ AI ინსტრუმენტების გლობალური და მასიური გაყიდვები. როდესაც ადამიანებს ეუბნებიან, რომ "მომავლისთვის მზადყოფნა" სასიცოცხლოდ მნიშვნელოვანია, ეს ამ პროდუქტების გაყიდვის საუკეთესო სტიმულია.
3. მიმზიდველობა კორპორატიული სექტორისთვის (B2B გაყიდვები): AI კომპანიებს სურთ თავიანთი სერვისები მიჰყიდონ არა მხოლოდ ცალკეულ თანამშრომლებს, არამედ გიგანტურ კორპორაციებს (ამით ბევრად მეტ ფულსაც შოულობენ). თუ კომპანიის მენეჯმენტი ხედავს პერსპექტივას, რომ ტექნოლოგიის დანერგვით შეძლებს ათასობით თანამშრომლის გათავისუფლებას და ხარჯების დრამატულად შემცირებას, ის მზად იქნება მილიონები გადაიხადოს AI ინფრასტრუქტურაში. შესაბამისად, ნარატივი "AI ჩაანაცვლებს თანამშრომლებს" უდიდესი კომერციული სატყუარა შეიძლება იყოს.
4. მასობრივი შემცირებების გამართლება: ბოლო წლებში ტექ-სექტორში უმუშევრობის უზარმაზარი ტალღა ვნახეთ. კომპანიები ამას ხშირად ხელოვნური ინტელექტის განვითარებას აბრალებენ, თუმცა რეალობა ბევრად ბანალურია. პანდემიის დროს, ტექ-გიგანტებმა არაგონივრულად დიდი რაოდენობით ხალხი დაასაქმეს. როდესაც ბაზარი დასტაბილურდა, მათ გააცნობიერეს, რომ შტატები ზედმეტად გაბერილი იყო. ახლა კი, ხელოვნური ინტელექტი იდეალური განტევების ვაცია, რათა მენეჯმენტმა შეცდომები გადაფაროს და შემცირებები ტექნოლოგიურ პროგრესს მიაწეროს.
5. ინვესტორებზე შთაბეჭდილების მოხდენა და კაპიტალიზაცია: ყველაზე დიდი AI კომპანიები (როგორიცაა მაგალითად Anthropic, OpenAI და ა.შ.) მუდმივად იბრძვიან ინვესტიციებისთვის, ზოგიერთი კი საჯარო ბირჟაზე (IPO) გასვლას გეგმავს. ინვესტორების ყურადღებისა და მილიარდიანი შეფასებების მისაღებად, აუცილებელია შექმნან სურათი, რომ სწორედ ისინი ყიდიან მომავალს. მესიჯი: "ჩვენ გვაქვს ტექნოლოგია, რომელიც შეცვლის სამყაროს და გააკეთებს ყველაფერს", პირდაპირ აისახება მათ ფინანსურ ღირებულებაზე.
6. რეგულაციების მართვა და ნარატიული უპირატესობა: როდესაც მუდმივად საუბრობ იმაზე, თუ რამდენად "საშიში" და "ყოვლისშემძლეა" შენი პროდუქტი, ამით ფსიქოლოგიურ გავლენას ახდენ მარეგულირებელ ორგანოებზე. კომპანიები ცდილობენ დააშინონ მთავრობები, რათა მათ შემოიღონ მკაცრი რეგულაციები. ეს, ერთი შეხედვით, უცნაურია, თუმცა მიზანი მარტივია: მკაცრი რეგულაციები გაანადგურებს პატარა, დამწყებ კომპანიებს და ბაზარზე მხოლოდ ის გიგანტები დარჩებიან, რომლებსაც უკვე აქვთ მილიარდობით დოლარის რესურსი. გარდა ამისა, ყველაზე აგრესიული მესიჯების მქონე კომპანია მუდმივად მედიის ყურადღების ცენტრშია, რაც იზიდავს საუკეთესო კადრებსა და კლიენტებს.

ტექ-ბაზრის რეალური ეკონომიკა: რას გვიმალავს მედია?

კიდევ ერთი პოპულარული არგუმენტია: რადგან AI ადამიანს უფრო ეფექტურს ხდის, კომპანიებს უბრალოდ ნაკლები თანამშრომელი დასჭირდებათ.

ლოგიკურად ჟღერს, მაგრამ ბიზნესის სტრუქტურა სხვანაირად მუშაობს. ტექნოლოგიური კომპანიები ჯილდოვდებიან არა სტაგნაციით, არამედ უწყვეტი ზრდით. კომპანიას აქვს არჩევანი: შეინარჩუნოს პროდუქტების იგივე რაოდენობა ნაკლები ხალხით (და დაზოგოს ფული), ან შეინარჩუნოს ხალხის იგივე რაოდენობა და შექმნას ორჯერ მეტი პროდუქტი (რაც მოუტანს მეტ მოგებას და ზრდას). როგორც წესი, კორპორაციები მეორე გზას ირჩევენ, რადგან ინვესტორები მათგან მუდმივ გაფართოებას ითხოვენ.

ამასთან, მედია ქმნის დამახინჯებულ აღქმას. ახალ ამბებში მუდმივად შუქდება, თუ როგორ გაათავისუფლა გიგანტურმა კომპანიამ 10,000 თანამშრომელი, მაგრამ თითქმის არასდროს იწერება იმაზე, თუ როგორ აიყვანა იმავე კომპანიამ მომდევნო წლებში 15,000 ახალი კადრი. სტატისტიკურად, ტექ-ინდუსტრიაში დღეს გაცილებით მეტი ადამიანია დასაქმებული, ვიდრე წლების წინ, თუნდაც "ოქროს ხანად" წოდებულ 2018-2019 წლებში. ინდუსტრია არ ინგრევა, ის უბრალოდ ტრანსფორმირდება.

დასკვნა: უნარების სინთეზი სამომავლო წარმატებისთვის

ხელოვნური ინტელექტი წარმოუდგენლად მძლავრი, სასარგებლო, თუმცა მაინც ინსტრუმენტია. მისი მთავარი ფუნქცია ორმხრივი, კოლაბორაციული მუშაობაა და არა სრული ჩანაცვლება

რაც უფრო კომპლექსური ხდება ტექნოლოგია, მით უფრო ფასობს იმ ადამიანის როლი, ვისაც ესმის ფუნდამენტური პრინციპები — იქნება ეს პროგრამირების ლოგიკა, სისტემების არქიტექტურა თუ ბიზნეს პროცესების მართვა. ის, ვინც მხოლოდ AI-ს ეყრდნობა და უარს ამბობს საბაზისო პროფესიული უნარების (მაგალითად, კოდის წერის) სწავლაზე, ვერასდროს გაუწევს კონკურენციას პროფესიონალს, რომელმაც იცის ორივე: ფუნდამენტური ინჟინერიაც და AI-ს მაქსიმალურად ეფექტური გამოყენებაც. თუ გსურთ ერთდროულად ისწავლოთ პროგრამირებაც (პითონი) და AI ინჟინერია, შეგიძლიათ გაიაროთ ჩემი კურსი: Python პროგრამირება და AI აგენტები: კურსი დამწყებთათვის

მომავალი ეკუთვნის არა ტექნოლოგიას ადამიანის გარეშე, არამედ ადამიანს, რომელიც ტექნოლოგიას საკუთარი შესაძლებლობების გასაფართოებლად იყენებს.