Papalitan ba ng AI ang mga programmer ? huling isa, patayin ang code editor.

“Huling lumabas, i-off ang code editor.” Ang pariralang ito ay umiikot sa mga forum ng developer, na nagpapakita ng nakakabalisang katatawanan tungkol sa pag-usbong ng mga AI coding assistant. Habang ang mga modelo ng AI ay nagiging mas may kakayahan sa pagsusulat ng code, maraming programmer ang nagtatanong kung ang mga developer ng tao ay patungo sa parehong kapalaran tulad ng mga operator ng elevator o mga operator ng switchboard – mga trabahong nai-render na lipas na sa pamamagitan ng pag-a-automate ng lahat. code, na nag-iiwan sa mga developer ng tao na walang magawa Ngunit sa likod ng hype at sensationalism, ang katotohanan ay mas nuanced.

Oo, ang AI ay maaari na ngayong bumuo ng code nang mas mabilis kaysa sa sinumang tao, ngunit gaano kahusay ang code na iyon, at kaya bang pangasiwaan ng AI ang buong lifecycle ng pagbuo ng software nang mag-isa? Karamihan sa mga eksperto ay nagsasabi "Hindi ganoon kabilis." Ang mga pinuno ng software engineering tulad ng Microsoft CEO na si Satya Nadella ay binibigyang-diin iyon "Hindi papalitan ng AI ang mga programmer, ngunit ito ay magiging isang mahalagang tool sa kanilang arsenal. Ito ay tungkol sa pagbibigay kapangyarihan sa mga tao na gumawa ng higit pa, hindi mas kaunti." (Papalitan ba ng AI ang mga Programmer? Ang Katotohanan sa Likod ng Hype | ni The PyCoach | Artipisyal na Sulok | Mar, 2025 | Katamtaman) Gayundin, sinabi ng pinuno ng AI ng Google na si Jeff Dean na habang kayang pangasiwaan ng AI ang mga nakagawiang gawain sa coding, "Wala pa rin itong pagkamalikhain at mga kasanayan sa paglutas ng problema" – ang mismong mga katangiang dinadala ng mga developer ng tao sa talahanayan. Maging si Sam Altman, CEO ng OpenAI, ay umamin na ang AI ngayon ay “napakahusay sa mga gawain” ngunit "nakakatakot sa buong trabaho" nang walang pangangasiwa ng tao. Sa madaling salita, mahusay ang AI sa pagtulong sa mga piraso ng trabaho, ngunit hindi kayang ganap na kunin ang trabaho ng isang programmer mula simula hanggang matapos.

Ang puting papel na ito ay tumatagal ng isang tapat, balanseng pagtingin sa tanong "Papalitan ba ng AI ang mga programmer?" Sinusuri namin kung paano naaapektuhan ng AI ang mga tungkulin sa pagbuo ng software ngayon at kung anong mga pagbabago ang naghihintay sa hinaharap. Sa pamamagitan ng mga real-world na halimbawa at kamakailang mga tool (mula sa GitHub Copilot hanggang ChatGPT), tinutuklasan namin kung paano makakapag-adjust, makakaangkop, at mananatiling may kaugnayan ang mga developer habang nagbabago ang AI. Sa halip na isang simpleng sagot na oo-o-hindi, makikita natin na ang hinaharap ay isang pakikipagtulungan sa pagitan ng AI at mga human developer. Ang layunin ay i-highlight praktikal na mga pananaw sa kung ano ang magagawa ng mga developer para umunlad sa edad ng AI – mula sa paggamit ng mga bagong tool hanggang sa pag-aaral ng mga bagong kasanayan at pag-proyekto kung paano maaaring umunlad ang mga karera sa pag-coding sa mga darating na taon.

AI sa Software Development Ngayon

Mabilis na hinabi ng AI ang sarili nito sa modernong daloy ng trabaho sa pagbuo ng software. Malayo sa pagiging science fiction, ang mga tool na nakabatay sa AI ay mayroon na pagsulat at pagsusuri ng code, pag-automate ng mga nakakapagod na gawain, at pagpapahusay sa pagiging produktibo ng developer. Gumagamit ang mga developer ngayon ng AI para bumuo ng mga snippet ng code, mga auto-complete na function, tuklasin ang mga bug, at kahit na gumawa ng mga kaso ng pagsubok (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]) (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]). Sa madaling salita, pinapalitan ng AI ang grunt work at boilerplate, na nagpapahintulot sa mga programmer na tumuon sa mas kumplikadong mga aspeto ng paglikha ng software. Tingnan natin ang ilan sa mga kilalang kakayahan at tool ng AI na nagbabago ng programming ngayon:

• Pagbuo ng Code at Autocompletion: Ang mga modernong AI coding assistant ay maaaring gumawa ng code batay sa natural-language prompt o partial code context. Halimbawa, GitHub Copilot (itinayo sa modelo ng Codex ng OpenAI) ay sumasama sa mga editor upang magmungkahi ng susunod na linya o bloke ng code habang nagta-type ka. Ginagamit nito ang isang malawak na hanay ng pagsasanay ng open-source code upang mag-alok ng mga mungkahi na may kamalayan sa konteksto, kadalasang nakakakumpleto ng mga buong function mula lamang sa isang komento o pangalan ng function. Katulad nito, ChatGPT Ang (GPT-4) ay maaaring bumuo ng code para sa isang naibigay na gawain kapag inilarawan mo kung ano ang kailangan mo sa simpleng Ingles.Ang mga tool na ito ay maaaring mag-draft ng boilerplate code sa ilang segundo, mula sa mga simpleng function ng helper hanggang sa mga nakagawiang operasyon ng CRUD.

• Pag-detect ng Bug at Pagsubok: Tumutulong din ang AI na mahuli ang mga error at mapabuti ang kalidad ng code. Maaaring i-flag ng AI-powered static analysis tool at linter ang mga potensyal na bug o kahinaan sa seguridad sa pamamagitan ng pag-aaral mula sa mga nakaraang pattern ng bug. Ang ilang AI tool ay awtomatikong bumubuo ng mga unit test o nagmumungkahi ng mga test case sa pamamagitan ng pagsusuri sa mga code path. Nangangahulugan ito na ang isang developer ay makakakuha ng agarang feedback sa mga edge na kaso na maaaring napalampas nila. Sa pamamagitan ng paghahanap ng mga bug nang maaga at pagmumungkahi ng mga pag-aayos, kumikilos ang AI bilang isang walang sawang QA assistant na nagtatrabaho sa tabi ng developer.

• Pag-optimize ng Code at Refactoring: Ang isa pang paggamit ng AI ay nagmumungkahi ng mga pagpapabuti sa umiiral na code. Dahil sa isang snippet, maaaring magrekomenda ang isang AI ng mas mahusay na algorithm o mas malinis na pagpapatupad sa pamamagitan ng pagkilala sa mga pattern sa code. Halimbawa, maaari itong magmungkahi ng mas idiomatic na paggamit ng library o i-flag ang redundant code na maaaring i-refactor. Nakakatulong ito sa pagbabawas ng teknikal na utang at pagpapabuti ng pagganap. Maaaring baguhin ng mga tool sa refactoring na nakabatay sa AI ang code upang sumunod sa pinakamahuhusay na kagawian o i-update ang code sa mga bagong bersyon ng API, na nakakatipid ng oras ng mga developer sa manu-manong paglilinis.

• DevOps at Automation: Higit pa sa pagsulat ng code, nag-aambag ang AI sa pagbuo at mga proseso ng pag-deploy. Gumagamit ang mga tool ng Intelligent CI/CD ng machine learning para mahulaan kung aling mga pagsubok ang malamang na mabibigo o upang bigyang-priyoridad ang ilang partikular na mga build job, na ginagawang mas mabilis at mas mahusay ang tuluy-tuloy na integration pipeline. Maaaring suriin ng AI ang mga log ng produksyon at sukatan ng pagganap upang matukoy ang mga isyu o magmungkahi ng mga pag-optimize sa imprastraktura. Sa katunayan, ang AI ay tumutulong hindi lamang sa coding, ngunit sa kabuuan ng software development lifecycle - mula sa pagpaplano hanggang sa pagpapanatili.

• Mga Likas na Interface ng Wika at Dokumentasyon: Nakikita rin namin ang AI na nagpapagana ng mas natural na pakikipag-ugnayan sa mga tool sa pag-unlad. Maaaring literal ang mga developer magtanong isang AI upang magsagawa ng mga gawain ("bumuo ng isang function na gumagawa ng X" o "ipaliwanag ang code na ito") at makakuha ng mga resulta. Ang AI chatbots (tulad ng ChatGPT o mga dalubhasang dev assistant) ay maaaring sumagot sa mga tanong sa programming, tumulong sa dokumentasyon, at kahit na magsulat ng dokumentasyon ng proyekto o gumawa ng mga mensahe batay sa mga pagbabago sa code. Tinutulay nito ang agwat sa pagitan ng layunin at code ng tao, na ginagawang mas naa-access ang pag-unlad sa mga taong makapaglalarawan kung ano ang gusto nila.

• 

Mga developer na gumagamit ng mga tool sa AI: Isinasaad ng isang survey noong 2023 na napakaraming 92% ng mga developer ang gumamit ng mga tool sa AI coding sa ilang kapasidad - alinman sa trabaho, sa kanilang mga personal na proyekto, o pareho. Maliit lang na 8% ang naiulat na hindi gumagamit ng anumang tulong sa AI sa coding. Ipinapakita ng chart na ito na dalawang-katlo ng mga developer ang parehong gumagamit ng mga tool sa AI sa loob at labas ng trabaho, habang ang isang quarter ay ginagamit lamang ang mga ito sa trabaho at isang maliit na minorya lamang sa labas ng trabaho. Malinaw ang takeaway: Ang AI-assisted coding ay mabilis na naging mainstream sa mga developer (Ang survey ay nagpapakita ng epekto ng AI sa karanasan ng developer - Ang GitHub Blog).

Ang paglaganap na ito ng mga tool ng AI sa pag-unlad ay humantong sa nadagdagan ang kahusayan at nabawasan ang pagkapagod sa coding. Ang mga produkto ay ginagawa nang mas mabilis habang ang AI ay tumutulong sa pagbuo ng boilerplate code at pangasiwaan ang mga paulit-ulit na gawain (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]) (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap). Ang mga tool tulad ng Copilot ay maaari pang magmungkahi ng buong algorithm o solusyon na iyon "maaaring hindi agad halata sa mga taong nag-develop," salamat sa pag-aaral mula sa malawak na mga dataset ng code. Maraming mga halimbawa sa totoong mundo: maaaring hilingin ng isang engineer sa ChatGPT na magpatupad ng function ng pag-uuri o maghanap ng bug sa kanilang code, at gagawa ang AI ng draft na solusyon sa ilang segundo.Gusto ng mga kumpanya Amazon at Microsoft nag-deploy ng mga AI pair programmer (Amazon's CodeWhisperer at Microsoft's Copilot) sa kanilang mga developer team, na nag-uulat ng mas mabilis na pagkumpleto ng mga gawain at mas kaunting oras na ginugol sa boilerplate. Sa katunayan, 70% ng mga developer na na-survey sa 2023 Stack Overflow survey ay nagsabing gumagamit na sila o nagpaplanong gumamit ng mga tool ng AI sa kanilang proseso ng pag-unlad (70% ng mga developer ang gumagamit ng AI coding tool, 3% ang lubos na nagtitiwala sa kanilang katumpakan - ShiftMag). Ang pinakasikat na mga katulong ay ang ChatGPT (ginagamit ng ~83% ng mga respondent) at GitHub Copilot (~56%), na nagpapahiwatig na ang pangkalahatang pakikipag-usap na AI at IDE-integrated na mga katulong ay parehong pangunahing manlalaro. Pangunahing bumaling ang mga developer sa mga tool na ito para pataasin ang produktibidad (na binanggit ng ~33% ng mga respondent) at pabilisin ang pag-aaral (25%), habang humigit-kumulang 25% ang gumagamit ng mga ito para maging mas mahusay sa pamamagitan ng pag-automate ng paulit-ulit na gawain.

Mahalagang tandaan na ang tungkulin ng AI sa programming ay hindi ganap na bago – ang mga elemento nito ay umiikot na sa loob ng maraming taon (isaalang-alang ang autocompletion ng code sa mga IDE o automated testing frameworks). Ngunit ang nakalipas na dalawang taon ay isang tipping point. Ang paglitaw ng makapangyarihang malalaking modelo ng wika (tulad ng OpenAI's GPT series at DeepMind's AlphaCode) ay kapansin-pansing pinalawak kung ano ang posible. Halimbawa, ang DeepMind's AlphaCode ginawang headline ang system sa pamamagitan ng pagtatanghal sa a mapagkumpitensyang antas ng patimpalak sa programming, pagkamit ng tungkol sa a nangungunang-54% na ranggo sa mga hamon sa coding - mahalagang tumutugma sa kasanayan ng isang karaniwang kakumpitensya ng tao (Ang AlphaCode ng DeepMind ay tumutugma sa karaniwang husay ng programmer). Ito ang unang pagkakataon na gumanap ang isang AI system mapagkumpitensya sa mga patimpalak sa programming. Gayunpaman, sinasabi nito na kahit ang AlphaCode, kasama ang lahat ng husay nito, ay malayo pa rin sa pagkatalo sa pinakamahusay na mga human coder. Sa mga paligsahan na iyon, malulutas ng AlphaCode ang humigit-kumulang 30% ng mga problema sa loob ng pinapayagang mga pagtatangka, samantalang ang mga nangungunang programmer ng tao ay malulutas ang >90% ng mga problema sa isang pagsubok. Itinatampok ng agwat na ito na habang kayang pangasiwaan ng AI ang mga mahusay na tinukoy na algorithmic na gawain hanggang sa isang punto, ang Ang pinakamahirap na problema na nangangailangan ng malalim na pangangatwiran at katalinuhan ay nananatiling kuta ng tao.

Sa buod, matatag na itinanim ng AI ang sarili nito sa pang-araw-araw na toolkit ng mga developer. Mula sa pagtulong sa pagsusulat ng code hanggang sa pag-optimize ng deployment, nakakaantig ito sa bawat bahagi ng proseso ng pag-develop. Ang relasyon ngayon ay higit sa lahat ay symbiotic: AI ay gumaganap bilang isang copilot (naaangkop na pinangalanan) na tumutulong sa mga developer na mag-code nang mas mabilis at may kaunting pagkabigo, sa halip na isang independiyenteng autopilot na maaaring lumipad nang solo. Sa susunod na seksyon, susuriin natin kung paano binabago ng pagsasama ng AI tool ang papel ng mga developer at ang likas na katangian ng kanilang trabaho, para sa mabuti o para sa mas masahol pa.

Paano Binabago ng AI ang Mga Tungkulin at Produktibidad ng Developer

Sa pangangasiwa ng AI sa higit pa sa karaniwang gawain, ang papel ng developer ng software ay talagang nagsisimula nang umunlad. Sa halip na gumugol ng mga oras sa pagsulat ng boilerplate code o pag-debug ng mga makamundong error, maaaring i-offload ng mga developer ang mga gawaing iyon sa kanilang mga AI assistant. Ito ay paglilipat ng pokus ng developer patungo sa mas mataas na antas ng paglutas ng problema, arkitektura, at mga malikhaing aspeto ng software engineering. Sa esensya, ang AI ay pagpapalaki mga developer, na nagpapahintulot sa kanila na maging mas produktibo at potensyal na mas makabago. Ngunit isinasalin ba ito sa mas kaunting mga trabaho sa programming, o isang ibang uri ng trabaho? Tuklasin natin ang epekto sa pagiging produktibo at mga tungkulin:

Pagpapalakas ng Produktibo: Sa karamihan ng mga account at maagang pag-aaral, ang mga tool sa AI coding ay lubos na nagpapalakas ng produktibidad ng developer. Nalaman ng pananaliksik ng GitHub na ang mga developer na gumagamit ng Copilot ay nakumpleto ang mga gawain nang mas mabilis kaysa sa mga walang tulong sa AI.Sa isang eksperimento, nalutas ng mga developer ang isang coding task na 55% mas mabilis sa average sa tulong ng Copilot – tumatagal ng humigit-kumulang 1 oras 11 minuto sa halip na 2 oras 41 minuto nang wala ito (Pananaliksik: pagsukat ng epekto ng GitHub Copilot sa pagiging produktibo at kaligayahan ng developer - Ang GitHub Blog). Iyon ay isang kapansin-pansing pakinabang sa bilis. Ito ay hindi lamang bilis; iniulat ng mga developer na ang tulong sa AI ay nakakatulong na mabawasan ang pagkabigo at "mga pagkagambala sa daloy". Sa mga survey, 88% ng mga developer ang paggamit ng Copilot ay nagsabing ginawa silang mas produktibo at pinahintulutan silang tumuon sa mas kasiya-siyang gawain (Ilang porsyento ng mga developer ang nagsabi na ang github copilot ay gumagawa ng ...). Ang mga tool na ito ay tumutulong sa mga programmer na manatili "sa zone" sa pamamagitan ng paghawak ng mga nakakapagod na piraso, na kung saan ay nagtitipid ng mental na enerhiya para sa mas mahihirap na problema. Bilang resulta, nararamdaman ng maraming developer na naging mas kasiya-siya ang coding – mas kaunting pag-ungol at higit na pagkamalikhain.

Pagbabago sa Pang-araw-araw na Trabaho: Ang pang-araw-araw na daloy ng trabaho ng isang programmer ay nagbabago kasabay ng mga nadagdag na produktibidad na ito. Marami sa "abala sa trabaho" - pagsusulat ng boilerplate, pag-uulit ng mga karaniwang pattern, paghahanap ng syntax - ay maaaring i-offload sa AI. Halimbawa, sa halip na manu-manong isulat ang isang klase ng data na may mga getter at setter, maaaring i-prompt lang ng developer ang AI na buuin ito. Sa halip na magsuklay sa dokumentasyon upang mahanap ang tamang tawag sa API, maaaring tanungin ng developer ang AI sa natural na wika. Ibig sabihin nito ang mga developer ay gumugugol ng medyo kaunting oras sa rote coding at mas maraming oras sa mga gawain na nangangailangan ng paghatol ng tao. Habang kinukuha ng AI ang pagsusulat ng madaling 80% ng code, lumilipat ang trabaho ng developer patungo sa pangangasiwa sa output ng AI (pagsusuri sa mga suhestiyon ng code, pagsubok sa kanila) at pagharap sa nakakalito na 20% ng mga problema na hindi maisip ng AI. Sa pagsasagawa, maaaring simulan ng isang developer ang kanilang araw na subukan ang mga kahilingan sa pull na binuo ng AI o suriin ang isang batch ng mga pag-aayos na iminungkahi ng AI, sa halip na isulat ang lahat ng mga pagbabagong iyon mula sa simula.

Pakikipagtulungan at Team Dynamics: Kapansin-pansin, naiimpluwensyahan din ng AI ang dynamics ng koponan. Gamit ang mga nakagawiang gawain na awtomatiko, ang mga koponan ay maaaring makamit ang higit pa sa mas kaunting mga junior developer na nakatalaga sa pag-ungol sa trabaho. Ang ilang mga kumpanya ay nag-uulat na ang kanilang mga senior engineer ay maaaring maging mas self-sufficient - maaari silang mag-prototype ng mga feature nang mabilis sa tulong ng AI, nang hindi nangangailangan ng junior na gumawa ng mga paunang draft. Gayunpaman, ito ay nagtataas ng isang bagong hamon: mentoring at pagbabahagi ng kaalaman. Sa halip na matuto ang mga junior sa pamamagitan ng paggawa ng mga simpleng gawain, maaaring kailanganin nilang matutunan kung paano epektibo pamahalaan Mga output ng AI. Ang pakikipagtulungan ng koponan ay maaaring lumipat sa mga aktibidad tulad ng sama-samang pagpino sa mga senyas ng AI o pagsusuri sa code na binuo ng AI para sa mga pitfalls. Sa positibong panig, kapag ang lahat sa team ay may AI assistant, maaari nitong i-level ang playing field at magbigay ng mas maraming oras para sa mga talakayan sa disenyo, creative brainstorming, at pagharap sa mga kumplikadong kinakailangan ng user na kasalukuyang hindi nauunawaan ng AI na out-of-the-box. Sa katunayan, higit sa apat sa limang developer ang naniniwala na ang mga tool sa AI coding pahusayin ang pakikipagtulungan ng pangkat o kahit papaano ay palayain sila upang higit na mag-collaborate sa disenyo at paglutas ng problema, ayon sa mga natuklasan sa survey noong 2023 ng GitHub (Ang survey ay nagpapakita ng epekto ng AI sa karanasan ng developer - Ang GitHub Blog).

Epekto sa Mga Tungkulin sa Trabaho: Ang isang pangunahing tanong ay kung babawasan ng AI ang demand para sa mga programmer (dahil ang bawat programmer ay mas produktibo na ngayon), o kung babaguhin lang nito ang mga kasanayang hinihingi. Ang makasaysayang precedent sa iba pang automation (tulad ng pagtaas ng mga devops tool, o mas mataas na antas ng mga programming language) ay nagmumungkahi na ang mga trabaho ng developer ay hindi gaanong inaalis kundi ang mga ito. nakataas. Sa katunayan, hinuhulaan ng mga analyst ng industriya Ang mga tungkulin sa software engineering ay patuloy na lalago, ngunit ang likas na katangian ng mga tungkuling iyon ay magbabago.Ang isang kamakailang ulat ng Gartner ay nagtataya na sa 2027, 50% ng mga organisasyon ng software engineering ay magpapatibay ng AI-augmented na "software engineering intelligence" na mga platform upang palakasin ang pagiging produktibo, mula sa 5% lang noong 2024 (May Kinabukasan ba ang mga Software Engineer? Ang Epekto ng AI [2024]). Ito ay nagpapahiwatig na ang mga kumpanya ay malawak na isasama ang AI, ngunit ito ay nagpapahiwatig na ang mga developer ay gagana kasama ang mga matatalinong platform na iyon. Katulad nito, pinoproyekto iyon ng consulting firm na McKinsey habang maaaring i-automate ng AI ang maraming gawain, humigit-kumulang 80% ng mga trabaho sa programming ay mangangailangan pa rin ng isang tao sa loop at mananatiling "human-centric". Sa madaling salita, kakailanganin pa rin namin ang mga tao para sa karamihan ng mga posisyon ng developer, ngunit maaaring magbago ang mga paglalarawan ng trabaho.

Ang isang posibleng pagbabago ay ang paglitaw ng mga tungkulin tulad "AI Software Engineer" o "Maagap na Inhinyero" – mga developer na dalubhasa sa pagbuo o pag-orkestra ng mga bahagi ng AI. Nakikita na namin ang pangangailangan para sa mga developer na may mataas na kahusayan sa AI/ML. Ayon sa pagsusuri ng Indeed, ang tatlong pinaka-in-demand na mga trabahong nauugnay sa AI ay data scientist, software engineer, at machine learning engineer, at pangangailangan para sa mga tungkuling ito higit sa doble sa nakalipas na tatlong taon (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]). Ang mga tradisyunal na inhinyero ng software ay lalong inaasahang mauunawaan ang mga pangunahing kaalaman sa pag-aaral ng makina o isama ang mga serbisyo ng AI sa mga application. Malayo sa paggawa ng mga developer na paulit-ulit, "Maaaring iangat ng AI ang propesyon, na nagbibigay-daan sa mga developer na tumuon sa mas mataas na antas ng mga gawain at pagbabago." (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap) Maraming nakagawiang gawain sa coding ang maaaring pangasiwaan ng AI, ngunit ang mga developer ay magiging mas abala sa disenyo ng system, pagsasama ng mga module, pagtiyak ng kalidad, at pagtugon sa mga problema sa nobela. Ang isang senior engineer mula sa isang AI-forward na kumpanya ay buod ito nang maayos: Hindi pinapalitan ng AI ang aming mga developer; ito nagpapalakas sila. Ang nag-iisang developer na armado ng makapangyarihang mga tool sa AI ay maaaring gumawa ng gawain ng ilan, ngunit ang developer na iyon ay nagsasagawa na ngayon ng trabaho na mas kumplikado at may epekto.

Halimbawa ng Tunay na Daigdig: Isaalang-alang ang isang senaryo mula sa isang software firm na isinama ang GitHub Copilot para sa lahat ng mga developer nito. Ang agarang epekto ay isang kapansin-pansing pagbawas sa oras na ginugol sa pagsulat ng mga pagsubok sa yunit at boilerplate code. Nalaman ng isang junior developer na gamit ang Copilot makakabuo siya ng 80% ng code ng isang bagong feature nang mabilis, pagkatapos ay gugulin ang kanyang oras sa pagko-customize ng natitirang 20% ​​at pagsusulat ng mga pagsubok sa pagsasama. Ang kanyang pagiging produktibo sa mga tuntunin ng output ng code ay halos dumoble, ngunit mas kawili-wili, ang likas na katangian ng kanyang kontribusyon ay nagbago - siya ay naging higit na isang tagasuri ng code at taga-disenyo ng pagsubok para sa AI-written code. Napansin din ng team na nagsimulang mahuli ang mga review ng code Mga pagkakamali ng AI kaysa sa mga typo ng tao. Halimbawa, paminsan-minsan ay nagmungkahi si Copilot ng isang hindi secure na pagpapatupad ng pag-encrypt; kailangang makita at itama ng mga human developer ang mga iyon. Ang ganitong uri ng halimbawa ay nagpapakita na habang tumaas ang output, ang pangangasiwa at kadalubhasaan ng tao ay naging mas kritikal sa daloy ng trabaho.

Sa kabuuan, hindi maikakailang binabago ng AI kung paano gumagana ang mga developer: ginagawa silang mas mabilis at pinapayagan silang harapin ang higit pang mga ambisyosong problema, ngunit hinihiling din sa kanila na upskill (kapwa sa paggamit ng AI at sa mas mataas na antas ng pag-iisip). Ito ay hindi gaanong kuwento ng "AI pagkuha ng mga trabaho" at higit pa sa isang kuwento ng "AI pagbabago ng mga trabaho." Ang mga developer na natututong gumamit ng mga tool na ito nang epektibo ay maaaring magparami ng kanilang epekto - ang cliché na madalas nating marinig ay, “Hindi papalitan ng AI ang mga developer, ngunit maaaring palitan ng mga developer na gumagamit ng AI ang mga hindi.” Ang mga susunod na seksyon ay tuklasin kung bakit mahalaga pa rin ang mga developer ng tao (kung ano ang AI hindi pwede mahusay), at kung paano maiangkop ng mga developer ang kanilang mga kasanayan upang umunlad kasama ng AI.

Ang Mga Limitasyon ng AI (Bakit Nananatiling Mahalaga ang Tao)

Sa kabila ng mga kahanga-hangang kakayahan nito, malinaw ang AI ngayon mga limitasyon na pumipigil dito na gawing lipas na ang mga programmer ng tao. Ang pag-unawa sa mga limitasyong ito ay susi upang makita kung bakit kailangan pa rin ng mga programmer sa proseso ng pagbuo. Ang AI ay isang makapangyarihang tool, ngunit hindi ito isang magic bullet na maaaring palitan ang pagkamalikhain, kritikal na pag-iisip, at pag-unawa sa konteksto ng isang developer ng tao. Narito ang ilan sa mga pangunahing pagkukulang ng AI sa programming at ang kaukulang lakas ng mga human developer:

• Kakulangan ng Tunay na Pag-unawa at Pagkamalikhain: Ang mga kasalukuyang modelo ng AI ay hindi talaga maintindihan code o mga problema sa paraan ng mga tao; nakikilala nila ang mga pattern at nire-regurgitate nila ang malamang na mga output batay sa data ng pagsasanay. Nangangahulugan ito na ang AI ay maaaring makipagpunyagi sa mga gawain na nangangailangan ng orihinal, malikhaing solusyon o malalim na pag-unawa sa mga bagong domain ng problema. Ang isang AI ay maaaring makabuo ng code upang matugunan ang isang detalye na nakita nito dati, ngunit hilingin dito na magdisenyo ng isang bagong algorithm para sa isang hindi pa nagagawang problema o upang bigyang-kahulugan ang isang hindi tiyak na kinakailangan, at malamang na ito ay magulo. Tulad ng sinabi ng isang tagamasid, AI ngayon "kulang ang malikhain at kritikal na mga kakayahan sa pag-iisip na dinadala ng mga developer ng tao sa talahanayan." (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap) Ang mga tao ay mahusay sa pag-iisip sa labas ng kahon – pinagsasama ang kaalaman sa domain, intuwisyon, at pagkamalikhain upang magdisenyo ng mga arkitektura ng software o malutas ang mga kumplikadong isyu. AI, sa kabilang banda, ay napipilitan sa mga pattern na natutunan nito; kung ang isang problema ay hindi tumutugma sa mga pattern na iyon, ang AI ay maaaring gumawa ng hindi tama o walang katuturang code (kadalasan ay may kumpiyansa!). Inobasyon sa software – nagkakaroon ng mga bagong feature, bagong karanasan ng user, o nobelang teknikal na diskarte – ay nananatiling isang aktibidad na hinimok ng tao.

• Konteksto at Big-Picture Understanding: Ang pagbuo ng software ay hindi lamang pagsulat ng mga linya ng code. Ito ay nagsasangkot ng pag-unawa sa bakit sa likod ng code – ang mga kinakailangan sa negosyo, pangangailangan ng user, at ang konteksto kung saan gumagana ang software. Ang AI ay may napakakitid na window ng konteksto (karaniwang limitado sa input na ibinibigay nito sa isang pagkakataon). Hindi nito tunay na nauunawaan ang pangkalahatang layunin ng isang system o kung paano nakikipag-ugnayan ang isang module sa isa pang higit sa kung ano ang tahasang nasa code. Bilang resulta, maaaring makabuo ang AI ng code na teknikal na gumagana para sa isang maliit na gawain ngunit hindi angkop sa mas malaking arkitektura ng system o lumalabag sa ilang tahasang kinakailangan. Kailangan ng mga taong developer upang matiyak na ang software ay naaayon sa mga layunin ng negosyo at mga inaasahan ng user. Mga kumplikadong disenyo ng system – pag-unawa sa kung paano ang isang pagbabago sa isang bahagi ay maaaring magkagulo sa iba, kung paano balansehin ang mga trade-off (tulad ng pagganap kumpara sa pagiging madaling mabasa), at kung paano magplano ng pangmatagalang ebolusyon ng isang codebase - ay isang bagay na hindi magagawa ng AI ngayon. Sa malalaking proyekto na may libu-libong bahagi, "nakikita ng AI ang mga puno ngunit hindi ang kagubatan." Gaya ng nabanggit sa isang pagsusuri, "Nakikipagpunyagi ang AI sa pag-unawa sa buong konteksto at pagiging kumplikado ng mga malalaking proyekto ng software," kabilang ang mga kinakailangan sa negosyo at mga pagsasaalang-alang sa karanasan ng gumagamit (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap). Ang mga tao ay nagpapanatili ng malaking larawang pangitain.

• Common Sense at Ambiguity Resolution: Ang mga kinakailangan sa mga tunay na proyekto ay kadalasang malabo o umuunlad. Ang isang tao na developer ay maaaring humingi ng paglilinaw, gumawa ng mga makatwirang pagpapalagay, o itulak ang hindi makatotohanang mga kahilingan.Ang AI ay hindi nagtataglay ng common-sense na pangangatwiran o ang kakayahang magtanong ng mga paglilinaw ng mga tanong (maliban kung tahasang naka-loop sa isang prompt, at kahit na pagkatapos ay wala itong garantiya ng pagkuha nito ng tama). Ito ang dahilan kung bakit minsan ang code na binuo ng AI ay maaaring teknikal na tama ngunit hindi-marka sa pagganap – kulang ito sa paghatol para malaman kung ano talaga ang nilalayon ng user kung hindi malinaw ang mga tagubilin. Sa kabaligtaran, maaaring bigyang-kahulugan ng isang programmer ng tao ang isang kahilingan sa mataas na antas ("gawing mas intuitive ang UI na ito" o "dapat hawakan nang maayos ng app ang mga hindi regular na input") at alamin kung ano ang kailangang gawin sa code. Ang AI ay mangangailangan ng lubos na detalyado, hindi malabo na mga detalye upang tunay na mapalitan ang isang developer, at kahit na ang pagsulat ng naturang spec nang epektibo ay kasing hirap ng pagsulat ng code mismo. Bilang isang artikulo ng Forbes Tech Council na angkop na nabanggit, para aktwal na palitan ng AI ang mga developer, kakailanganin nitong maunawaan ang hindi malinaw na mga tagubilin at umangkop tulad ng isang tao – isang antas ng pangangatwiran na hindi taglay ng kasalukuyang AI (Sergii Kuzin's Post - LinkedIn).

• Pagiging maaasahan at "Mga Hallucinations": Ang mga generative AI models ngayon ay may kilalang depekto: nakakagawa sila ng hindi tama o ganap na gawa-gawang mga output, isang phenomenon na kadalasang tinatawag guni-guni. Sa coding, ito ay maaaring mangahulugan ng isang AI na nagsusulat ng code na mukhang kapani-paniwala ngunit lohikal na mali o hindi secure. Hindi basta-basta mapagkakatiwalaan ng mga developer ang mga mungkahi ng AI. Sa pagsasagawa, ang bawat piraso ng AI-written code nangangailangan ng maingat na pagsusuri at pagsubok ng isang tao. Sinasalamin ito ng data ng survey ng Stack Overflow – sa mga gumagamit ng AI tool, lamang 3% ang lubos na nagtitiwala sa katumpakan ng output ng AI, at sa katunayan isang maliit na porsyento ang aktibong aktibo kawalan ng tiwala ito (70% ng mga developer ang gumagamit ng AI coding tool, 3% ang lubos na nagtitiwala sa kanilang katumpakan - ShiftMag). Itinuturing ng karamihan ng mga developer ang mga suhestiyon ng AI bilang mga kapaki-pakinabang na pahiwatig, hindi ebanghelyo. Ang mababang tiwala na ito ay ginagarantiyahan dahil ang AI ay maaaring gumawa ng mga kakaibang pagkakamali na hindi magagawa ng sinumang may kakayahang tao (tulad ng mga off-by-one na error, paggamit ng mga hindi na ginagamit na function, o paggawa ng mga hindi mahusay na solusyon) dahil hindi ito tunay na dahilan ng problema. Gaya ng sinabi ng isang komento sa forum, "Marami silang (AI) na nagha-hallucinate at gumagawa ng mga kakaibang pagpipilian sa disenyo na hindi gagawin ng isang tao" (Magiging lipas na ba ang mga programmer dahil sa AI? - Payo sa Karera). Ang pangangasiwa ng tao ay mahalaga upang mahuli ang mga pagkakamaling ito. Maaaring mabilis na maibigay sa iyo ng AI ang 90% ng isang feature, ngunit kung ang natitirang 10% ay may banayad na bug, napupunta pa rin ito sa human developer na mag-diagnose at ayusin ito. At kapag may nangyaring mali sa produksyon, ang mga inhinyero ng tao ang dapat mag-debug – hindi pa maaaring panagutin ng AI ang mga pagkakamali nito.

• Pagpapanatili at Pagbabago ng mga Codebase: Ang mga proyekto ng software ay nabubuhay at lumalaki sa paglipas ng mga taon. Nangangailangan sila ng pare-parehong istilo, kalinawan para sa mga maintainer sa hinaharap, at mga update habang nagbabago ang mga kinakailangan. Ang AI ngayon ay walang memorya ng mga nakaraang desisyon (sa labas ng limitadong mga senyas), kaya maaaring hindi nito panatilihing pare-pareho ang code sa isang malaking proyekto maliban kung may gabay. Tinitiyak ng mga human developer ang pagiging mapanatili ng code – pagsulat ng malinaw na dokumentasyon, pagpili ng mga nababasang solusyon kaysa sa matatalino ngunit hindi malinaw, at refactoring code kung kinakailangan kapag umuunlad ang arkitektura. Maaaring tumulong ang AI sa mga gawaing ito (tulad ng pagmumungkahi ng mga refactoring), ngunit pagpapasya ano sa refactor o alin Ang mga bahagi ng sistema ay kailangang muling idisenyo ay isang tawag sa paghatol ng tao. Higit pa rito, kapag nagsasama ng mga bahagi, ang pag-unawa sa epekto ng isang bagong feature sa mga kasalukuyang module (pagtitiyak ng pabalik na pagkakatugma, atbp.) ay isang bagay na pinangangasiwaan ng mga tao. Ang code na binuo ng AI ay dapat isama at itugma ng mga tao.Bilang isang eksperimento, sinubukan ng ilang developer na hayaan ang ChatGPT na bumuo ng buong maliliit na app; ang resulta ay madalas na gumagana sa simula ngunit nagiging napakahirap na panatilihin o palawigin dahil ang AI ay hindi patuloy na nag-aaplay ng isang maalalahanin na arkitektura - ito ay gumagawa ng mga lokal na desisyon na maiiwasan ng isang arkitekto ng tao.

• Mga Pagsasaalang-alang sa Etikal at Seguridad: Habang nagsusulat ang AI ng higit pang code, naglalabas din ito ng mga tanong tungkol sa bias, seguridad, at etika. Maaaring hindi sinasadyang ipakilala ng AI ang mga kahinaan sa seguridad (halimbawa, hindi wastong pag-sanitize ng mga input, o paggamit ng hindi secure na mga kasanayan sa cryptographic) na mahuhuli ng isang batikang developer ng tao. Gayundin, ang AI ay walang likas na kahulugan ng etika o pagmamalasakit para sa pagiging patas – maaari itong, halimbawa, magsanay sa biased na data at magmungkahi ng mga algorithm na hindi sinasadyang nandidiskrimina (sa isang feature na hinimok ng AI tulad ng loan approval code o hiring algorithm). Kailangan ng mga human developer para i-audit ang mga output ng AI para sa mga isyung ito, tiyakin ang pagsunod sa mga regulasyon, at bigyan ng etikal na pagsasaalang-alang ang software. Ang aspetong panlipunan ng software – pag-unawa sa tiwala ng user, mga alalahanin sa privacy, at paggawa ng mga pagpipilian sa disenyo na naaayon sa mga halaga ng tao – "Hindi maaaring palampasin. Ang mga aspetong ito ng pag-unlad na nakasentro sa tao ay hindi maaabot ng AI, hindi bababa sa nakikinita na hinaharap." (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap) Dapat magsilbi ang mga developer bilang konsensya at gate ng kalidad para sa mga kontribusyon ng AI.

Sa liwanag ng mga limitasyong ito, ang kasalukuyang pinagkasunduan ay iyon Ang AI ay isang tool, hindi isang kapalit. Tulad ng sinabi ni Satya Nadella, ito ay tungkol sa nagbibigay kapangyarihan mga developer, hindi pinapalitan ang mga ito (Papalitan ba ng AI ang mga Programmer? Ang Katotohanan sa Likod ng Hype | ni The PyCoach | Artipisyal na Sulok | Mar, 2025 | Katamtaman). Ang AI ay maaaring ituring bilang isang junior assistant: ito ay mabilis, walang pagod, at maaaring kumuha ng unang pass sa maraming gawain, ngunit kailangan nito ng patnubay at kadalubhasaan ng senior developer upang makagawa ng isang pinakintab na huling produkto. Sinasabi nito na kahit na ang pinaka-advanced na AI coding system ay na-deploy bilang mga katulong sa real-world na paggamit (Copilot, CodeWhisperer, atbp.) at hindi bilang mga autonomous na coder. Hindi pinapaalis ng mga kumpanya ang kanilang mga programming team at hinahayaan ang isang AI na tumakbo nang ligaw; sa halip, inilalagay nila ang AI sa mga daloy ng trabaho ng mga developer upang matulungan sila.

Isang naglalarawang quote ay nagmula kay Sam Altman ng OpenAI, na nabanggit na kahit na bumubuti ang mga ahente ng AI, "Ang mga ahente ng AI na ito ay hindi ganap na papalitan ang mga tao" sa pagbuo ng software (Sinabi ni Sam Altman na malapit nang magsagawa ang mga ahente ng AI ng mga gawain na ginagawa ng mga software engineer: Buong kuwento sa 5 puntos - India Today). Sila ay gagana bilang "mga virtual na katrabaho" na humahawak ng mga mahusay na tinukoy na gawain para sa mga inhinyero ng tao, lalo na ang mga gawaing tipikal ng isang mababang antas ng software engineer na may ilang taong karanasan. Sa madaling salita, maaaring gawin ng AI sa kalaunan ang gawain ng isang junior developer sa ilang lugar, ngunit ang junior developer na iyon ay hindi nagiging walang trabaho – nagiging papel sila ng pangangasiwa sa AI at pagharap sa mga mas mataas na antas na gawain na hindi kayang gawin ng AI. Kahit na tumitingin sa hinaharap, kung saan hinuhulaan ng ilang mananaliksik na pagsapit ng 2040, maisusulat ng AI ang karamihan sa sarili nitong code (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]), ito ay karaniwang sumang-ayon na Kakailanganin pa rin ang mga programmer ng tao upang pangasiwaan, gabayan, at ibigay ang malikhaing spark at kritikal na pag-iisip na kulang sa mga makina.

Ito rin ay nagkakahalaga ng tandaan na Ang software development ay higit pa sa coding. Kabilang dito ang komunikasyon sa mga stakeholder, pag-unawa sa mga kwento ng user, pakikipagtulungan sa mga koponan, at pag-uulit na disenyo - lahat ng mga lugar kung saan ang mga kasanayan ng tao ay kailangang-kailangan.Ang isang AI ay hindi maaaring umupo sa isang pulong sa isang kliyente upang i-hash out kung ano ang talagang gusto nila, at hindi rin ito maaaring makipag-ayos ng mga priyoridad o magbigay ng inspirasyon sa isang koponan na may pananaw para sa isang produkto. Ang elemento ng tao nananatiling sentral.

Sa buod, ang AI ay may mahahalagang kahinaan: walang tunay na pagkamalikhain, limitadong pag-unawa sa konteksto, hilig sa mga pagkakamali, walang pananagutan, at walang pag-unawa sa mas malawak na implikasyon ng mga pagpapasya sa software. Ang mga puwang na ito ay eksakto kung saan kumikinang ang mga developer ng tao. Sa halip na tingnan ang AI bilang isang banta, maaaring mas tumpak na tingnan ito bilang isang malakas na amplifier para sa mga developer ng tao – paghawak sa makamundo upang ang mga tao ay makapag-focus sa malalim. Tatalakayin ng susunod na seksyon kung paano magagamit ng mga developer ang amplification na ito pag-angkop sa kanilang mga kakayahan at tungkulin upang manatiling may kaugnayan at mahalaga sa isang mundo ng pag-unlad na pinalaki ng AI.

Pag-aangkop at Pag-unlad sa Edad ng AI

Para sa mga programmer at developer, ang pagtaas ng AI sa coding ay hindi kailangang maging isang matinding banta – maaari itong maging isang pagkakataon. Ang susi ay sa umangkop at umunlad kasama ng teknolohiya. Ang mga natututong gumamit ng AI ay malamang na mahanap ang kanilang sarili higit pa produktibo at in-demand, habang ang mga hindi pinapansin ito ay maaaring makita na sila ay nahulog sa likod. Sa seksyong ito, tumutuon kami sa mga praktikal na hakbang at diskarte para manatiling may kaugnayan at umunlad ang mga developer habang nagiging bahagi ng pang-araw-araw na pag-unlad ang mga tool ng AI. Ang mindset na dapat gamitin ay isa sa patuloy na pag-aaral at pakikipagtulungan sa AI, sa halip na kumpetisyon. Narito kung paano makakapag-adjust ang mga developer at kung anong mga bagong kasanayan at tungkulin ang dapat nilang isaalang-alang:

1. Yakapin ang AI bilang Tool (Matutong Gamitin ang AI Coding Assistants nang Mabisa): Una sa lahat, dapat maging komportable ang mga developer sa mga magagamit na tool ng AI. Tratuhin ang Copilot, ChatGPT, o iba pang mga coding AI bilang iyong bagong partner sa pares na programming. Ibig sabihin nito pag-aaral kung paano magsulat ng magagandang senyas o komento upang makakuha ng mga kapaki-pakinabang na suhestyon sa code, at pag-alam kung paano mabilis na i-validate o i-debug ang code na binuo ng AI. Tulad ng isang developer na kailangang matutunan ang kanilang IDE o kontrol sa bersyon, ang pag-aaral ng mga quirks ng AI assistant ay nagiging bahagi ng set ng kasanayan. Halimbawa, maaaring magsanay ang isang developer sa pamamagitan ng pagkuha ng isang piraso ng code na isinulat nila at paghiling sa AI na pahusayin ito, pagkatapos ay pag-aralan ang mga pagbabago. O, kapag nagsisimula ng isang gawain, balangkasin ito sa mga komento at tingnan kung ano ang ibinibigay ng AI, pagkatapos ay pinuhin mula doon. Sa paglipas ng panahon, magkakaroon ka ng intuwisyon para sa kung ano ang galing ng AI at kung paano gumawa kasama nito. Isipin ito bilang “AI-assisted development” – isang bagong kasanayan upang idagdag sa iyong toolbox. Sa katunayan, ang mga developer ay nagsasalita na ngayon ng "prompt engineering" bilang isang kasanayan - alam kung paano magtanong sa AI ng mga tamang tanong. Ang mga nakakabisa nito ay makakamit ng mas mahusay na mga resulta mula sa parehong mga tool. Tandaan, “Maaaring palitan ng mga developer na gumagamit ng AI ang mga hindi gumagamit ng AI” – kaya yakapin ang teknolohiya at gawin itong iyong kakampi.

2. Tumutok sa Mas Mataas na Antas na Kasanayan (Paglutas ng Problema, Disenyo ng System, Arkitektura): Dahil kayang pangasiwaan ng AI ang mas mababang antas ng coding, dapat ang mga developer umakyat sa abstraction ladder. Nangangahulugan ito ng paglalagay ng higit na diin sa pag-unawa sa disenyo at arkitektura ng system. Linangin ang mga kasanayan sa pagbagsak ng mga kumplikadong problema, pagdidisenyo ng mga nasusukat na sistema, at paggawa ng mga desisyon sa arkitektura - mga lugar kung saan mahalaga ang pananaw ng tao. Tumutok sa kung bakit at paano ng isang solusyon, hindi lamang kung ano. Halimbawa, sa halip na gugulin ang lahat ng iyong oras sa pag-aayos ng isang function ng pag-uuri (kapag ang AI ay maaaring sumulat ng isa para sa iyo), gumugol ng oras sa pag-unawa kung aling paraan ng pag-uuri ang pinakamainam para sa konteksto ng iyong application at kung paano ito umaangkop sa daloy ng data ng iyong system. Pag-iisip ng disenyo – kung isasaalang-alang ang mga pangangailangan ng user, daloy ng data, at mga interaksyon ng bahagi – ay lubos na pahahalagahan. Maaaring makabuo ng code ang AI, ngunit ang developer ang nagpapasya sa pangkalahatang istruktura ng software at nagsisigurong gumagana ang lahat ng bahagi nang magkakasuwato.Sa pamamagitan ng pagpapatalas ng iyong malaking-larawang pag-iisip, ginagawa mo ang iyong sarili na kailangang-kailangan bilang ang taong gumagabay sa AI (at ang natitirang bahagi ng koponan) sa pagbuo ng tamang bagay. Tulad ng sinabi ng isang ulat sa hinaharap, dapat ang mga developer "Tumuon sa mga lugar kung saan ang pananaw ng tao ay hindi mapapalitan, tulad ng paglutas ng problema, pag-iisip ng disenyo, at pag-unawa sa mga pangangailangan ng gumagamit." (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap)

3. Pagandahin ang Iyong Kaalaman sa AI at ML: Upang magtrabaho kasama ng AI, nakakatulong ito maunawaan ang AI. Hindi lahat ng mga developer ay kailangang maging mga mananaliksik sa machine learning, ngunit ang pagkakaroon ng matatag na kaalaman sa kung paano gumagana ang mga modelong ito ay magiging kapaki-pakinabang. Matutunan ang mga pangunahing kaalaman sa machine learning at malalim na pag-aaral – hindi lamang ito makakapagbukas ng mga bagong landas sa karera (dahil ang mga trabahong nauugnay sa AI ay umuusbong (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024])), ngunit makakatulong din ito sa iyong gumamit ng mga tool sa AI nang mas epektibo. Kung alam mo, halimbawa, ang mga limitasyon ng isang malaking modelo ng wika at kung paano ito sinanay, maaari mong hulaan kung kailan ito maaaring mabigo at idisenyo ang iyong mga prompt o pagsubok nang naaayon. Bukod pa rito, maraming produkto ng software ang nagsasama na ngayon ng mga feature ng AI (halimbawa, isang app na may engine ng rekomendasyon o isang chatbot). Ang isang software developer na may ilang kaalaman sa ML ay maaaring mag-ambag sa mga feature na iyon o hindi bababa sa matalinong pakikipagtulungan sa mga data scientist. Ang mga pangunahing lugar na dapat isaalang-alang sa pag-aaral ay kinabibilangan ng: mga pangunahing kaalaman sa agham ng datos, kung paano i-preprocess ang data, pagsasanay kumpara sa hinuha, at ang etika ng AI. Maging pamilyar sa AI frameworks (TensorFlow, PyTorch) at mga serbisyo ng cloud AI; kahit na hindi ka gumagawa ng mga modelo mula sa simula, ang pag-alam kung paano isama ang isang AI API sa isang app ay isang mahalagang kasanayan. Sa madaling salita, ang pagiging “AI literate” ay mabilis na nagiging kasinghalaga ng pagiging marunong bumasa at sumulat sa mga teknolohiya sa web o database. Ang mga developer na maaaring sumabay sa mga mundo ng tradisyonal na software engineering at AI ay nasa pangunahing posisyon upang manguna sa mga proyekto sa hinaharap.

4. Bumuo ng Mas Malalakas na Kasanayan at Kaalaman sa Domain: Habang kinukuha ng AI ang mga mekanikal na gawain, ang mga natatanging kasanayan ng tao ay nagiging mas mahalaga. Komunikasyon, pagtutulungan ng magkakasama, at kadalubhasaan sa domain ay mga lugar na dapat i-double-down. Ang pagbuo ng software ay kadalasang tungkol sa pag-unawa sa domain ng problema – ito man ay pananalapi, pangangalagang pangkalusugan, edukasyon, o anumang iba pang larangan – at pagsasalin nito sa mga solusyon. Ang AI ay hindi magkakaroon ng kontekstong iyon o ng kakayahang makipag-ugnayan sa mga stakeholder, ngunit mayroon ka. Ang pagiging mas marunong sa domain na pinagtatrabahuhan mo ay ginagawa kang ang taong pupuntahan para sa pagtiyak na ang software ay talagang nakakatugon sa mga pangangailangan sa totoong mundo. Katulad nito, tumuon sa iyong mga kasanayan sa pakikipagtulungan: mentorship, pamumuno, at koordinasyon. Kakailanganin pa rin ng mga koponan ang mga senior developer para suriin ang code (kabilang ang AI-written code), para magturo sa mga junior sa pinakamahuhusay na kagawian, at para mag-coordinate ng mga kumplikadong proyekto. Hindi inaalis ng AI ang pangangailangan para sa pakikipag-ugnayan ng tao sa mga proyekto. Sa katunayan, gamit ang AI generating code, maaaring lumipat ang mentorship ng senior developer patungo sa pagtuturo sa mga junior kung paano magtrabaho kasama ang AI at patunayan ang output nito, sa halip na kung paano magsulat ng for-loop. Ang kakayahang gabayan ang iba sa bagong paradigm na ito ay isang mahalagang kasanayan. Gayundin, magsanay kritikal na pag-iisip – magtanong at subukan ang mga output ng AI, at hikayatin ang iba na gawin din ito. Ang paglinang ng isang malusog na pag-aalinlangan at pag-iisip ng pag-verify ay maiiwasan ang bulag na pag-asa sa AI at mabawasan ang mga error. Mahalaga, pagbutihin ang mga kasanayang kulang sa AI: pag-unawa sa mga tao at konteksto, kritikal na pagsusuri, at interdisciplinary na pag-iisip.

5. Panghabambuhay na Pag-aaral at Kakayahang umangkop: Ang bilis ng pagbabago sa AI ay napakabilis. Kung ano ang pakiramdam ng cutting-edge ngayon ay maaaring lipas na sa loob ng ilang taon. Dapat yakapin ng mga developer panghabambuhay na pag-aaral higit kailanman.Maaaring mangahulugan ito ng regular na pagsubok ng mga bagong AI coding assistant, pagkuha ng mga online na kurso o certification sa AI/ML, pagbabasa ng mga research blog para manatiling up to date sa kung ano ang darating, o pakikilahok sa mga komunidad ng developer na nakatuon sa AI. Ang kakayahang umangkop ay susi - maging handa na mag-pivot sa mga bagong tool at daloy ng trabaho habang lumilitaw ang mga ito. Halimbawa, kung may dumating na bagong AI tool na maaaring mag-automate ng disenyo ng UI mula sa mga sketch, dapat na handa ang isang front-end na developer na matutunan at isama iyon, na maaaring ilipat ang kanilang focus sa pagpino sa nabuong UI o pagpapabuti ng mga detalye ng karanasan ng user na hindi nakuha ng automation. Ang mga taong itinuturing ang pag-aaral bilang isang patuloy na bahagi ng kanilang karera (na ginagawa na ng maraming developer) ay magiging mas madaling pagsamahin ang mga pagpapaunlad ng AI. Ang isang diskarte ay ang maglaan ng maliit na bahagi ng iyong linggo sa pag-aaral at pag-eeksperimento - ituring ito bilang pamumuhunan sa sarili mong hinaharap. Nagsisimula na ring magbigay ng pagsasanay ang mga kumpanya para sa kanilang mga developer sa epektibong paggamit ng mga tool sa AI; ang pagsasamantala sa mga ganitong pagkakataon ay mauuna ka. Ang mga developer na umunlad ay ang mga nakikita ang AI bilang isang umuusbong na kasosyo at patuloy na pinipino ang kanilang diskarte sa pakikipagtulungan sa kasosyong iyon.

6. Galugarin ang mga Umuusbong na Tungkulin at Mga Landas sa Karera: Habang ang AI ay nagiging habi sa pag-unlad, ang mga bagong pagkakataon sa karera ay umuusbong. Halimbawa, Maagap na Inhinyero o Espesyalista sa Pagsasama ng AI ay mga tungkuling nakatuon sa paggawa ng mga tamang prompt, daloy ng trabaho, at imprastraktura upang magamit ang AI sa mga produkto. Ang isa pang halimbawa ay AI Ethics Engineer o AI Auditor – mga tungkuling nakatuon sa pagsusuri sa mga output ng AI para sa bias, pagsunod, at kawastuhan. Kung mayroon kang interes sa mga lugar na iyon, ang pagpoposisyon sa iyong sarili na may tamang kaalaman ay maaaring magbukas ng mga bagong landas na ito. Kahit na sa loob ng mga klasikong tungkulin, maaari kang makakita ng mga angkop na lugar tulad ng "AI-assisted frontend developer" kumpara sa "AI-assisted backend developer" kung saan ang bawat isa ay gumagamit ng mga espesyal na tool. Pagmasdan kung paano binubuo ng mga organisasyon ang mga koponan sa paligid ng AI. Ang ilang kumpanya ay may "AI guilds" o mga sentro ng kahusayan upang gabayan ang pag-ampon ng AI sa mga proyekto - ang pagiging aktibo sa mga naturang grupo ay maaaring maglagay sa iyo sa unahan. Bukod dito, isaalang-alang ang pag-aambag sa mismong pagbuo ng mga tool ng AI: halimbawa, pagtatrabaho sa mga open-source na proyekto na nagpapahusay sa tool ng developer (marahil ay pinapahusay ang kakayahan ng AI na ipaliwanag ang code, atbp.). Hindi lamang nito pinalalalim ang iyong pag-unawa sa teknolohiya ngunit inilalagay ka rin sa isang komunidad na nangunguna sa pagbabago. Ang bottom line ay ang pagiging maagap tungkol sa liksi sa karera. Kung naging awtomatiko ang mga bahagi ng iyong kasalukuyang trabaho, maging handa na lumipat sa mga tungkuling nagdidisenyo, nangangasiwa, o nagpapalaki sa mga automated na bahaging iyon.

7. Panatilihin at Ipakita ang Kalidad ng Tao: Sa isang mundo kung saan ang AI ay maaaring makabuo ng average na code para sa karaniwang problema, ang mga developer ng tao ay dapat magsikap na gumawa ng pambihira at nakikiramay mga solusyon na hindi kayang gawin ng AI. Maaaring mangahulugan ito ng pagtuon sa kahusayan ng karanasan ng user, mga pag-optimize ng pagganap para sa mga hindi pangkaraniwang sitwasyon, o simpleng pagsusulat ng code na malinis at mahusay na dokumentado (hindi mahusay ang AI sa pagsulat ng makabuluhang dokumentasyon o naiintindihang mga komento sa code – maaari kang magdagdag ng halaga doon!). Gawin itong isang punto upang isama ang pananaw ng tao sa trabaho: halimbawa, kung ang isang AI ay bubuo ng isang piraso ng code, magdaragdag ka ng mga komento na nagpapaliwanag sa katwiran sa paraang mauunawaan ng ibang tao sa ibang pagkakataon, o ayusin mo ito para mas madaling mabasa. Sa paggawa nito, nagdaragdag ka ng isang layer ng propesyonalismo at kalidad na kulang sa trabahong gawa lamang ng makina. Sa paglipas ng panahon, ang pagbuo ng isang reputasyon para sa mataas na kalidad na software na "gumagana lang" sa totoong mundo ang magpapahiwalay sa iyo. Pahahalagahan ng mga kliyente at employer ang mga developer na magagawa pagsamahin ang kahusayan ng AI sa pagkakayari ng tao.

Isaalang-alang din natin kung paano maaaring umangkop ang mga landas na pang-edukasyon. Ang mga bagong developer na papasok sa larangan ay hindi dapat umiwas sa mga tool ng AI sa kanilang proseso ng pag-aaral.Sa kabaligtaran, ang pag-aaral kasama Ang AI (hal., paggamit ng AI upang tumulong sa takdang-aralin o mga proyekto, pagkatapos ay pag-aralan ang mga resulta) ay maaaring mapabilis ang kanilang pag-unawa. Gayunpaman, ito ay mahalaga din matutunan ang mga pangunahing kaalaman – mga algorithm, istruktura ng data, at pangunahing konsepto ng programming – para magkaroon ka ng matibay na pundasyon at malalaman kung kailan naliligaw ang AI. Habang pinangangasiwaan ng AI ang mga simpleng pagsasanay sa coding, ang mga kurikulum ay maaaring magbigay ng higit na bigat sa mga proyektong nangangailangan ng disenyo at pagsasama. Kung ikaw ay isang bagong dating, tumuon sa pagbuo ng isang portfolio na nagpapakita ng iyong kakayahang lutasin ang mga kumplikadong problema at gamitin ang AI bilang isa sa maraming mga tool.

Upang i-encapsulate ang diskarte sa pagbagay: maging piloto, hindi ang pasahero. Gumamit ng mga tool ng AI, ngunit huwag masyadong umasa sa mga ito o maging kampante. Patuloy na mahasa ang mga natatanging aspeto ng pag-unlad ng tao. Si Grady Booch, isang respetadong software engineering pioneer, ay nagsabing mabuti: "Baguhin ng AI ang ibig sabihin ng pagiging programmer. Hindi nito aalisin ang mga programmer, ngunit kakailanganin nitong bumuo ng mga bagong kasanayan at magtrabaho sa mga bagong paraan." (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]). Sa pamamagitan ng aktibong pagbuo ng mga bagong kasanayan at paraan ng pagtatrabaho, matitiyak ng mga developer na mananatili sila sa driver's seat ng kanilang mga karera.

Upang ibuod ang seksyong ito, narito ang isang mabilis na checklist ng sanggunian para sa mga developer na naghahanap upang mapatunayan sa hinaharap ang kanilang mga karera sa edad ng AI:

Diskarte sa Pag-aangkop	Ano ang gagawin
Matuto ng AI Tools	Magsanay gamit ang Copilot, ChatGPT, atbp. Alamin ang agarang paggawa at pagpapatunay ng resulta.
Tumutok sa Paglutas ng Problema	Pagbutihin ang disenyo ng system at mga kasanayan sa arkitektura. Harapin ang "bakit" at "paano," hindi lamang ang "ano."
Upskill sa AI/ML	Matuto ng mga pangunahing kaalaman sa machine learning at data science. Unawain kung paano gumagana ang mga modelo ng AI at kung paano isama ang mga ito.
Palakasin ang Soft Skills	Pahusayin ang komunikasyon, pagtutulungan ng magkakasama, at kadalubhasaan sa domain. Maging tulay sa pagitan ng tech at real-world na mga pangangailangan.
Panghabambuhay na Pag-aaral	Manatiling mausisa at patuloy na matuto ng mga bagong teknolohiya. Sumali sa mga komunidad, kumuha ng mga kurso, at mag-eksperimento sa mga bagong tool sa AI dev.
Galugarin ang mga Bagong Tungkulin	Pagmasdan ang mga umuusbong na tungkulin (AI auditor, prompt engineer, atbp.) at maging handa na mag-pivot kung interesado ka sa mga iyon.
Panatilihin ang Kalidad at Etika	Palaging suriin ang output ng AI para sa kalidad. Idagdag ang human touch – dokumentasyon, etikal na pagsasaalang-alang, user-centric na pag-tweak.

Sa pamamagitan ng pagsunod sa mga diskarteng ito, maaaring gawing kalamangan ng mga developer ang AI revolution. Ang mga nag-aangkop ay makakahanap ng AI na iyon nagpapaganda kanilang mga kakayahan at nagbibigay-daan sa kanila na makagawa ng mas mahusay na software kaysa dati, sa halip na gawin itong hindi na ginagamit.

Outlook sa Hinaharap: Pakikipagtulungan sa Pagitan ng AI at Mga Developer

Ano ang pinanghahawakan ng hinaharap para sa pagprograma sa isang mundong hinimok ng AI? Batay sa kasalukuyang mga uso, maaari nating asahan ang isang hinaharap kung saan Ang AI at mga developer ng tao ay nagtutulungan nang mas malapit. Ang tungkulin ng programmer ay malamang na patuloy na lumipat patungo sa isang posisyong nangangasiwa at malikhain, na may AI na humahawak ng higit pa sa "mabigat na pag-angat" sa ilalim ng patnubay ng tao. Sa pangwakas na seksyong ito, ipinapalabas namin ang ilang mga sitwasyon sa hinaharap at tinitiyak namin na maaaring manatiling positibo ang pananaw para sa mga developer – basta't patuloy kaming mag-aangkop.

Sa malapit na hinaharap (sa susunod na 5-10 taon), malaki ang posibilidad na ang AI ay magiging ubiquitous sa proseso ng pag-develop gaya ng mga computer mismo. Kung paanong walang developer ngayon na nagsusulat ng code nang walang editor o walang Google/StackOverflow sa kanilang mga kamay, sa lalong madaling panahon walang developer na magsusulat ng code nang walang anumang uri ng AI na tulong na tumatakbo sa background. Integrated Development Environment (IDE) nagbabago na upang isama ang mga feature na pinapagana ng AI sa kanilang pangunahing (halimbawa, mga editor ng code na maaaring magpaliwanag ng code sa iyo o magmungkahi ng mga buong pagbabago ng code sa isang proyekto). Maaari tayong umabot sa punto kung saan ang pangunahing trabaho ng isang developer bumuo ng mga problema at hadlang sa paraang mauunawaan ng AI, pagkatapos ay i-curate at pinuhin ang mga solusyon na ibinibigay ng AI. Ito ay kahawig ng isang mas mataas na antas na anyo ng programming, kung minsan ay tinatawag na "prompt programming" o "AI orchestration."

Gayunpaman, ang kakanyahan ng kung ano ang kailangang gawin - paglutas ng mga problema para sa mga tao - ay nananatiling hindi nagbabago. Ang isang hinaharap na AI ay maaaring makabuo ng isang buong app mula sa isang paglalarawan ("bumuo ako ng isang mobile app para sa pag-book ng mga appointment sa doktor"), ngunit ang trabaho ng paglilinaw sa paglalarawan na iyon, pagtiyak na tama ito, at pag-fine-tune ng resulta upang mapasaya ang mga user ay kasangkot sa mga developer (kasama ang mga taga-disenyo, tagapamahala ng produkto, atbp.). Sa katunayan, kung magiging madali ang pagbuo ng pangunahing app, ang pagkamalikhain at inobasyon ng tao sa software ay magiging mas mahalaga upang pag-iba-ibahin ang mga produkto. Maaari tayong makakita ng umuusbong na software, kung saan maraming nakagawiang application ang nabuo ng AI, habang ang mga developer ng tao ay nakatuon sa mga cutting-edge, kumplikado, o malikhaing mga proyekto na nagtutulak sa mga hangganan.

May posibilidad din na ang barrier to entry para sa programming ay ibababa – ibig sabihin, mas maraming tao na hindi tradisyunal na software engineer (sabihin, isang business analyst o isang scientist o isang marketer) ang maaaring lumikha ng software gamit ang AI tools (ang pagpapatuloy ng "no-code/low-code" movement na supercharged ng AI). Hindi nito inaalis ang pangangailangan para sa mga propesyonal na developer; sa halip, binabago ito. Maaaring gumanap ang mga developer ng higit na tungkulin sa pagkonsulta o paggabay sa mga ganitong kaso, na tinitiyak na ang mga app na ito na binuo ng mamamayan ay secure, mahusay, at mapanatili. Maaaring tumuon ang mga propesyonal na programmer sa pagbuo ng mga platform at API na ginagamit ng mga "hindi programmer" na tinulungan ng AI.

Mula sa isang pananaw sa trabaho, ang ilang mga tungkulin sa programming ay maaaring lumiit habang ang iba ay lumalaki. Halimbawa, ang ilan entry-level na mga posisyon sa coding ay maaaring maging mas kaunti sa bilang kung umaasa ang mga kumpanya sa AI para sa mga simpleng gawain. Maaaring isipin ng isang tao ang isang maliit na startup sa hinaharap na nangangailangan ng marahil kalahati ng bilang ng mga junior developer dahil ang kanilang mga senior devs, na nilagyan ng AI, ay maaaring makakuha ng maraming pangunahing gawain. Ngunit sa parehong oras, ang mga ganap na bagong trabaho (tulad ng tinalakay natin sa seksyon ng adaptasyon) ay lilitaw. Higit pa rito, habang ang software ay tumatagos sa higit pa sa ekonomiya (na may AI na bumubuo ng software para sa mga niche na pangangailangan), ang pangkalahatang pangangailangan para sa mga trabahong nauugnay sa software ay maaaring patuloy na tumaas. Ipinakikita iyon ng kasaysayan madalas na humahantong sa higit pa mga trabaho sa katagalan, kahit na magkaiba ang mga ito ng trabaho – halimbawa, ang pag-automate ng ilang partikular na gawain sa pagmamanupaktura ay humantong sa paglaki ng mga trabaho para sa pagdidisenyo, pagpapanatili, at pagpapabuti ng mga automated na system. Sa konteksto ng AI at programming, habang ang ilang mga gawain na dati nang ginagawa ng isang junior dev ay awtomatiko, ang pangkalahatang saklaw ng kung anong software ang gusto nating gawin ay lumalawak (dahil ngayon ay mas mura/mas mabilis ang paggawa nito), na maaaring humantong sa higit pa mga proyekto at sa gayon ang pangangailangan para sa higit pang pangangasiwa ng tao, pamamahala ng proyekto, arkitektura, atbp. Ang isang ulat ng World Economic Forum sa mga trabaho sa hinaharap ay nagmungkahi na ang mga tungkulin sa pagbuo ng software at AI ay kabilang sa mga dumarami in demand, hindi bumababa, dahil sa digital transformation.

Dapat din nating isaalang-alang ang 2040 na hula nabanggit kanina: iminungkahi ng mga mananaliksik sa Oak Ridge National Lab na sa 2040, “mga makina… susulat ng karamihan sa sarili nilang code” (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]). Kung iyon ay nagpapatunay na tumpak, ano ang natitira para sa mga programmer ng tao? Malamang, ang pagtutuon ay nasa napakataas na antas ng paggabay (pagsasabi sa mga makina kung ano tayo nais nilang magawa sa malawak na mga hakbang) at sa mga lugar na kinasasangkutan ng kumplikadong pagsasama-sama ng mga sistema, pag-unawa sa sikolohiya ng tao, o nobelang mga domain ng problema. Kahit na sa ganoong sitwasyon, ang mga tao ay magkakaroon ng mga tungkuling katulad nito mga taga-disenyo ng produkto, mga inhinyero ng kinakailangan, at Mga tagapagsanay/verifier ng AI. Maaaring isulat ng code ang sarili nito, ngunit kailangang magpasya ang isang tao anong code ang dapat isulat at bakit, at pagkatapos ay i-verify na ang huling resulta ay tama at nakahanay sa mga layunin. Ito ay kahalintulad sa kung paano maaaring magmaneho ang mga self-driving na sasakyan balang-araw, ngunit sasabihin mo pa rin sa kotse kung saan pupunta at makialam sa mga kumplikadong sitwasyon – at ang mga tao ay nagdidisenyo ng mga kalsada, batas trapiko, at lahat ng imprastraktura sa paligid nito.

Karamihan sa mga eksperto sa gayon ay naiisip ang hinaharap ng pagtutulungan, hindi kapalit. Tulad ng sinabi ng isang tech consultancy, "Ang hinaharap ng pag-unlad ay hindi isang pagpipilian sa pagitan ng mga tao o AI ngunit isang pakikipagtulungan na gumagamit ng pinakamahusay sa pareho." (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap) Walang alinlangang babaguhin ng AI ang pagbuo ng software, ngunit higit pa ito sa isang ebolusyon ng tungkulin ng developer kaysa sa isang pagkalipol. Mga developer na "yakapin ang mga pagbabago, iakma ang kanilang mga kasanayan, at tumuon sa mga natatanging aspeto ng tao ng kanilang trabaho" mahahanap na AI nagpapaganda kanilang mga kakayahan sa halip na bawasan ang kanilang halaga.

Maaari tayong gumuhit ng isang parallel sa isa pang larangan: isaalang-alang ang pagtaas ng computer-assisted design (CAD) sa engineering at arkitektura. Pinalitan ba ng mga tool na iyon ang mga inhinyero at arkitekto? Hindi – ginawa nilang mas produktibo ang mga ito at pinahintulutan silang lumikha ng mas kumplikadong mga disenyo. Ngunit ang pagkamalikhain ng tao at paggawa ng desisyon ay nanatiling sentro. Sa katulad na paraan, ang AI ay makikita bilang Computer-Assisted Coding – makakatulong ito sa paghawak ng pagiging kumplikado at pag-ungol, ngunit ang developer ay nananatiling taga-disenyo at gumagawa ng desisyon.

Sa mahabang panahon, kung akala natin ay tunay na advanced AI (sabihin, ilang anyo ng pangkalahatang AI na maaari sa teorya ay ginagawa ang karamihan sa kung ano ang magagawa ng isang tao), ang mga pagbabago sa lipunan at ekonomiya ay magiging mas malawak kaysa sa programming lamang. Wala pa kami doon, at mayroon kaming makabuluhang kontrol sa kung paano namin isinasama ang AI sa aming trabaho. Ang maingat na landas ay ipagpatuloy ang pagsasama ng AI sa mga paraang iyon dagdagan ang potensyal ng tao. Nangangahulugan iyon ng pamumuhunan sa mga tool at kasanayan (at mga patakaran) na nagpapanatili sa mga tao sa loop. Nakikita na natin ang mga kumpanyang nagtatag Pamamahala ng AI – mga alituntunin kung paano dapat gamitin ang AI sa pag-unlad upang matiyak ang etikal at epektibong mga resulta (Ang survey ay nagpapakita ng epekto ng AI sa karanasan ng developer - Ang GitHub Blog). Malamang na lalago ang trend na ito, na tinitiyak na ang pangangasiwa ng tao ay pormal na bahagi ng pipeline ng AI-development.

Sa konklusyon, ang tanong na "Papalitan ba ng AI ang mga programmer?" maaaring sagutin: Hindi – ngunit makabuluhang babaguhin nito ang ginagawa ng mga programmer. Ang mga makamundong bahagi ng programming ay nasa track na halos awtomatiko. Ang malikhain, mapaghamong, at human-centric na mga bahagi ay narito upang manatili, at sa katunayan ay magiging mas kitang-kita. Malamang na makikita sa hinaharap ang mga programmer na nakikipagtulungan sa mga mas matalinong AI assistant, katulad ng isang miyembro ng koponan. Isipin ang pagkakaroon ng isang kasamahan sa AI na makakapag-churn ng code 24/7 – ito ay isang mahusay na pagpapalakas ng produktibidad, ngunit nangangailangan pa rin ito ng isang tao upang sabihin dito kung anong mga gawain ang dapat gawin at suriin ang trabaho nito.

Ang pinakamahusay na mga resulta ay makakamit ng mga taong tinatrato ang AI bilang isang collaborator. Tulad ng sinabi ng isang CEO, "Hindi papalitan ng AI ang mga programmer, ngunit ang mga programmer na gumagamit ng AI ay papalitan ang mga hindi." Sa mga praktikal na termino, nangangahulugan ito na ang responsibilidad ay nasa mga developer na mag-evolve gamit ang teknolohiya. Ang propesyon ng programming ay hindi namamatay - ito ay nakikibagay. Magkakaroon ng maraming software na itatayo at mga problemang malulutas para sa nakikinita na hinaharap, posibleng higit pa kaysa ngayon. Sa pamamagitan ng pananatiling edukado, pananatiling flexible, at pagtutuon sa kung ano ang pinakamahusay na ginagawa ng mga tao, maaaring makuha ng mga developer ang isang matagumpay at kasiya-siyang karera sa pakikipagtulungan sa AI.

Panghuli, sulit na ipagdiwang ang katotohanan na tayo ay pumapasok sa isang panahon kung saan ang mga developer ay may mga superpower sa kanilang pagtatapon. Ang susunod na henerasyon ng mga programmer ay makakamit sa loob ng ilang oras kung ano ang inaabot ng mga araw, at haharapin ang mga problemang dati nang hindi maabot, sa pamamagitan ng paggamit ng AI. Sa halip na takot, ang damdaming sumusulong ay maaaring isa sa optimismo at kuryusidad. Hangga't lumalapit tayo sa AI nang bukas ang ating mga mata - alam ang mga limitasyon nito at iniisip ang ating responsibilidad - maaari nating hubugin ang isang hinaharap kung saan ang AI at mga programmer ay sama-samang bumuo ng mga kamangha-manghang software system, na higit pa sa magagawa ng dalawa nang mag-isa. Ang pagkamalikhain ng tao na sinamahan ng kahusayan ng makina ay isang mabisang kumbinasyon. Sa huli, hindi ito tungkol sa kapalit, ngunit tungkol sa synergy. Ang kuwento ng AI at mga programmer ay isinusulat pa rin - at ito ay isusulat ni pareho tao at makina, magkasama.

Mga Pinagmulan:

1. Brainhub, "May Kinabukasan ba ang Mga Software Engineer? Ang Epekto ng AI [2024]" (May Kinabukasan ba ang mga Software Engineer? Ang Epekto ng AI [2024]).

2. Brainhub, mga ekspertong quote nina Satya Nadella at Jeff Dean sa AI bilang isang tool, hindi isang kapalit (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]) (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]).

3. Katamtaman (PyCoach), "Papalitan ba ng AI ang mga Programmer? Ang Katotohanan sa Likod ng Hype", pagpuna sa nuanced reality vs hype (Papalitan ba ng AI ang mga Programmer? Ang Katotohanan sa Likod ng Hype | ni The PyCoach | Artipisyal na Sulok | Mar, 2025 | Katamtaman) at ang quote ni Sam Altman sa AI na mahusay sa mga gawain ngunit hindi buong trabaho.

4. DesignGurus, “Papalitan ba ng AI ang mga Developer… (2025)”, na nagbibigay-diin sa kalooban ng AI dagdagan at itaas ang mga developer sa halip na gawin silang kalabisan (Papalitan ba ng AI ang mga Developer sa 2025: Isang Sneak Peek sa Hinaharap) at listahan ng mga lugar AI lags (pagkamalikhain, konteksto, etika).

5. Stack Overflow Developer Survey 2023, paggamit ng AI tools ng 70% ng mga dev, mababang tiwala sa katumpakan (3% mataas ang tiwala) (70% ng mga developer ang gumagamit ng AI coding tool, 3% ang lubos na nagtitiwala sa kanilang katumpakan - ShiftMag).

6. GitHub Survey 2023, na nagpapakita na 92% ng mga developer ang sumubok ng mga tool sa AI coding at 70% ang nakakakita ng mga benepisyo (Ang survey ay nagpapakita ng epekto ng AI sa karanasan ng developer - Ang GitHub Blog).

7. Pananaliksik sa GitHub Copilot, paghahanap ng 55% mas mabilis na pagkumpleto ng gawain sa tulong ng AI (Pananaliksik: pagsukat ng epekto ng GitHub Copilot sa pagiging produktibo at kaligayahan ng developer - Ang GitHub Blog).

8. GeekWire, sa DeepMind's AlphaCode na gumaganap sa average na antas ng human coder (nangungunang 54%) ngunit malayo sa mga nangungunang performer (Ang AlphaCode ng DeepMind ay tumutugma sa karaniwang husay ng programmer).

9. IndiaToday (Peb 2025), buod ng pananaw ni Sam Altman sa AI na "mga katrabaho" na gumagawa ng mga gawain ng mga junior engineer ngunit "hindi lubusang papalitan ang mga tao" (Sinabi ni Sam Altman na malapit nang magsagawa ang mga ahente ng AI ng mga gawain na ginagawa ng mga software engineer: Buong kuwento sa 5 puntos - India Today).

10. McKinsey & Company, tinatantya na ~80% ng mga trabaho sa programming ay mananatiling human-centric sa kabila ng automation (Mayroon bang Kinabukasan para sa Mga Software Engineer? Ang Epekto ng AI [2024]).