Кто кого учит? Чему учить программиста, если код пишет ИИ
Кто кого учит? Чему учить программиста, если код пишет ИИ
Мне кажется, из спора про написание кода ИИ, можно сделать вполне практический вывод для образования: если мы хотим, чтобы от ИИ была польза в масштабе экономики, то работе с ним надо учить уже в базовой подготовке программистов. Причём на обычных учебных проектах, начиная с постановки задачи и заканчивая приёмкой результата. И делать это надо было вчера.
Занимаюсь разработкой более 20 лет, причем большую часть времени пишу сам и больше с уклоном в архитектуру, в основном это долгоживущие продукты средней степени сложности, которые должны поддерживать другие люди после моей реализации. Последние 5 лет в основном фронтенд. Те, для кого фронтенд это кнопочки и формочки, могут проходить мимо)
Я долго скептически относился к ИИ разработке. И в основном обращался к ChatGPT в режиме чата с конкретными вопросами, получая какие-то куски кода, либо для поиска причин ошибок.
В октябре прошлого года я впервые написал свой первый скрипт для решения какой-то несложной CI-задачи (то ли отчеты по тестам склеить, то ли еще что-то, уже не помню). Задача была не ответственная, у меня особо не было времени, и я ради прикола решил попробовать ИИ. К моему удивлению через 20 минут у меня был полностью рабочий скрипт, решающий поставленную задачу.
И для меня это стало поворотным моментом. Я установил Cursor, начал пробовать различные модели и уже через месяц начал использовать его в разработке очень активно.
После выхода GPT-5.3 качество кода стало таким, что стало понятно, что писать код руками скоро не потребуется. После месяца экспериментов я понял, что основная проблема не в моделях, а в постановке задачи. Довольно быстро я дошел до мысли, что нужно придерживаться подхода doc first или уже упомянутого выше spec first. Все архитектурные правила, стандарты кода, пользовательские сценарии, инструкции агентам и т.п. фиксируются в документации прямо рядом с кодом в виде ADR, README пакета, PRD, спецификации или другого документа.
Еще не сколько месяцев у меня ушло на проектирование архитектуры нового проекта и создание документации. К январю я обнаружил, что код руками я уже не пишу. Если модель давала мне не тот результат, который я хотел, это лишь означало наличие пробелов в документации. Я писал новую ADR, обновлял стандарт и запускал задачу снова.
К февралю на проект подключили еще 2 разработчиков. Когда я им сказал, что весь каркас написан ИИ, они сделали круглые глаза) Примерно месяц они сопротивлялись, пробовали писать что-то сами, но довольно быстро сдались. По началу были вопросы к качеству кода, но потом выяснилось, что из-за экономии токенов они использовали более слабые модели. Довольно быстро все пришли к идее, что лучше заплатить свои личные 20-100 баксов за личную подписку и сэкономить себе время и нервы, чем тратить время на рутину.
Уже к лету весь проект писался тремя разработчиками полностью через ИИ. Разумеется, весь процесс обложен со всех сторон документацией, проверками в CI, тестированием и отдельным ИИ-ревью, который в МР находит такие ошибки, которые обычные разработчик не найдет никогда.
Стало ли нам легче работать? И да и нет. С нас ушла рутина, мы не пишем код, но теперь приходится очень много читать, проверять, проектировать. По сути каждый разработчик теперь стал тимлидом и архитектором, у которого есть 2-3 сеньора в виде ИИ. Продуктивность выросла кратно, бизнес пока не успевает и появилось свободное время для пет-проекта. Но со временем это конечно изменится. За свое трудоустройство не переживаю) Работы меньше не станет, станет больше возможностей и вырастет качество ПО.
У него к лету трое разработчиков писали весь проект через ИИ. При этом, по его словам, им стало гораздо больше приходиться читать, проверять и проектировать. Уже даже из этого комментария видно, что надо использовать новые подходы и возможности для ускорения и улучшения качества программирования с ИИ. Больше внимания приходится уделять постановке задачи, архитектуре и приёмке кода. До того как агент начнёт писать, разработчику надо определить, как программа должна работать и по каким признакам он примет результат. Архитектурные решения и правила проекта стоит хранить рядом с кодом и обновлять по мере изменений. Если важное правило осталось у разработчика в голове, его придётся заново объяснять и агенту, и следующему коллеге.
Больше времени уходит и на чтение кода и проверку тестов. ИИ можно поручить написание автотестов, но разработчику всё равно надо решить, какие ошибки они должны ловить. При приёмке важно проверить и то, сможет ли другой программист через полгода разобраться в решении и безопасно его изменить.
Это в общем очевидная база. При этом с ней вроде как большинство согласны в комментариях. Но есть и огромное кол-во тех, кто отрицает ИИ и его полезность. Если перейти на уровень государства, уверен, таких "луддитов" (отрицающих полезность ИИ) вполне себе достаточно и в образовании. И чем меньше вопрос поднимается, тем сильнее будет их влияние. Сам постоянно сталкиваюсь с теми, кто отрицает преимущества ИИ (не забывая про его недостатки).
По своему опыту могу сказать, что далеко не всегда программисты и команды разработчиков соблюдают все описанные правила.
Опишу три случая из корпоративной практики:
1. Есть такое изделие SAP. Ну как - международные гигант. Крупнейшая Ит компания европы. Долгое время внедряли локализацию в России. Локализации под российский рынок появлялись не особенно быстро и часто чтоб закрыть потребности программисты из штата или по найму дописывали костыли. И вот в одном не самом крупном банке такой разработчик оказался и делал все достаточно быстро и качественно. В целом банк все устраивало кроме одного НО: спустя несколько лет на него был завязан бизнес. И программист просил себе зарплату. Не Большую а очень большую. настолько большую, что банк это стало напрягать. При этом аппетит приходит во время еды и требования программиста только росли. Почти "владычицей морской" хотел стать.
Руководство банка не сказать что это сильно устраивало и пошло в САП на поклон, спрашивать мол сколько будет стоить переписать все что сделал этот программист. САП сказал "конечно - конечно". Посчитал. Банк посмотрел на счет и сказал: "ок. Мы и дальше будем пользоваться услугами нашего программиста."
2. САП гавно редкостное. Кому не нравится 1С, надо отправлять на курсы САПа. Все недовольство обычно уходит. (не приписывайте мне рекламу 1С, я обычно использовал продукты их конкурентов). Поэтому часто у бизнеса возникают желания что - то доработать. (самое забавное что вместо таких доработок можно пользоваться стандартом, но кто ж его стандарт то знает. Гавно редкостное - без бубна и нескольких сотен тысяч долларов ничего не работает). В общем сделали сначала одну поделку над САПом. Потом вторую. Потом команда уже 4-е человека. И через несколько лет приходят к ситуации, что требования от бизнеса растут, новых позиций и бюджетов никто не дает. Старое поддерживать надо. А документации нет и написано не сказать что идеально. Скорее наоборот. Уровень разработчиков изначально далек от уровня архитекторов. Они сами хотели перейти на нормальные рельсы. Но изначально все сделано как костыль. Соответственно и весь процесс с точки зрения ИТ - как костыль.
3. Я кстати перестал либералом быть после работы в западной компании. Думал что у нас то все плохо а вот в западных то компаниях все пучком (проф деформация называется, когда видишь недостатки). Один из моментов, который в Российских компаниях где я работал просто не мог случиться: бизнес приходит в ИТ и говорит: надо то - то, то - то и то - то. ИТ говорит : обследование, ТЗ, бюджет и т.д. Бизнес говорит ок. Но считает что это очень долго и муторно. Документацию какую то оформлять и прочее. И нанимает индуса. Индус 4-е года что - то им программирует и они в ИТ с этим счастьем не идут. А через 4-е года индус увольняется и бизнес говорит: у нас бизнес процессы на эти поделки завязан. ВОт ИТ берите и поддерживайте это. То что писал индус и все сделано через жопу думаю очевидно. То что нет документации - это само собой. От него даже нормального hand overа не добьешься. ЧТо - то он там накалякал *ну там несколько схем с кубиками и стрелками) и на это в общем все. Только ТЗ на одну из 5-ти основных задач помнится подрядчик оценил в 1 млн рублей (немного кстати).
Во всех трёх случаях софт работал. Вопросы начались, когда понадобилось заменить автора, расширить систему или передать её на сопровождение. С ИИ получить первую работающую версию можно быстрее. Вот потому я бы уже в институте проверял и вторую часть работы что с этой программой сможет сделать следующий человек.
Еще у меня вопрос: сколько команд работают правильно, когда код пишут люди? Ну я то работал в правильной компании. Новосибирской Alekta. Знаю и другие. Но по чесноку: по моему опыту, документация в проектах часто появляется по довольно прозаической причине её надо сдать по договору. Программа уже написана, сроки поджимают, кто-то садится описывать то, что получилось. Заказчик получил положенный комплект документов, исполнитель закрыл этап. Формально всё в порядке. Только во время разработки эта документация никому помочь не могла. А когда через полгода в программу внесут изменения, хорошо ещё, если кто-нибудь вспомнит поправить и документ.
Когда читаешь комментарии - все то у нас архитекторы и рассказывают мне что я ничего не понимаю. А по факту когда сталкиваешься с текущей реальностью, то как говорится "асфальтом об фейс". Такие приносят несколько схем с кубиками и стрелками и предлагают взять это хозяйство на сопровождение.
С ИИ у разработчика появляется прямая заинтересованность в качестве постановки. Пропустил важное ограничение можешь уже через двадцать минут получить работающий код, в котором оно благополучно пропущено. Сформулировал требование, описал исключения, заранее продумал, чем проверишь результат, и ту же скорость уже можно использовать с толком. Причём выигрыш есть и на тестировании. Разработчик определяет, какие случаи надо проверить и что должно произойти в каждом из них. Написание самих автотестов вполне можно поручить агенту. А потом специально сломать одно из правил и посмотреть, поймает ли тест ошибку.
Вот этому я бы и учил на практике. К примеру: дать студенту задачу сделать трекер с таким расчётом, чтобы на его основе можно было собирать другие. Пусть пользуется ИИ. А на приёмке дать соседу его проект, документацию и задание за полчаса собрать второй трекер с парой дополнительных полей. Тут сразу выяснится, что студент спроектировал, что сумел объяснить агенту, что проверил сам и что после него сможет сделать другой человек. Заодно станет понятно, зачем вообще писать документацию. У неё появился читатель, причём уже сегодня.
Я бы назвал это правилами хорошего тона при разработке с ИИ. Умей поставить задачу. Запиши решение, от которого зависит чужая работа. Заранее подумай, как примешь результат. Прочитай код, за который отвечаешь. Если прививать эти привычки с первых курсов, выпускнику не придётся через двадцать лет методом проб и ошибок выяснять, как организовать работу с агентом. А предприятия получат специалистов, которые умеют быстрее доводить задачу до результата и оставлять после себя систему, которую можно дальше развивать. Вот откуда, на мой взгляд, и может взяться экономический эффект.
Учить этому студентов нужно было вчера. Но именно это может стать нашим цивилизационным преимуществом. Могущество государства определяется во многом физической производительностью одного человека. Мощностью энергопотока на одного человека. ИИ позволяет увеличить эту выработку.
источник https://aftershock.news/?q=node/1670482