Papalitan ba ng AI ang mga Programmer? Ang huling lumabas, patayin ang code editor.

" Huling isa, patayin ang code editor. " Ang mapang-uyam na pariralang ito ay kumakalat sa mga forum ng mga developer, na sumasalamin sa isang nakakabahalang katatawanan tungkol sa pagsikat ng mga AI coding assistant. Habang ang mga modelo ng AI ay lalong nagiging may kakayahan sa pagsulat ng code, maraming programmer ang nagtatanong kung ang mga human developer ay patungo sa parehong kapalaran tulad ng mga operator ng elevator o mga operator ng switchboard – mga trabahong naging lipas na dahil sa automation. Noong 2024, ipinahayag ng mga matatapang na headline na ang artificial intelligence ay malapit nang sumulat ng lahat ng ating code, na nag-iiwan sa mga human developer na walang magawa. Ngunit sa likod ng hype at sensasyonalismo, ang katotohanan ay mas malalim.

Oo, mas mabilis na makakabuo na ngayon ang AI ng code kaysa sa sinumang tao, ngunit gaano kahusay ang code na iyon, at kaya bang pangasiwaan ng AI ang buong siklo ng buhay ng software development nang mag-isa? Karamihan sa mga eksperto ay nagsasabing "hindi ganoon kabilis." Binigyang-diin ng mga pinuno ng software engineering tulad ng CEO ng Microsoft na si Satya Nadella na "Hindi papalitan ng AI ang mga programmer, ngunit ito ay magiging isang mahalagang kagamitan 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 | Artificial Corner | Mar, 2025 | Medium ) Gayundin, binanggit ng AI chief ng Google na si Jeff Dean na habang kayang pangasiwaan ng AI ang mga karaniwang gawain sa coding, "kulang pa rin ito sa pagkamalikhain at mga kasanayan sa paglutas ng problema" – ang mismong mga katangiang dala ng mga developer ng tao. Maging si Sam Altman, CEO ng OpenAI, ay umamin na ang AI ngayon ay "napakahusay sa mga gawain" ngunit "napakasama 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 katapusan.

Ang white paper na ito ay tatalakay sa isang tapat at balanseng pagtingin sa tanong na “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 halimbawa sa totoong mundo at mga kamakailang tool (mula sa GitHub Copilot hanggang ChatGPT), sinusuri namin kung paano maaaring mag-adjust, umangkop, at manatiling may kaugnayan ang mga developer habang umuunlad ang AI. Sa halip na isang simpleng oo o hindi na sagot, makikita natin na ang hinaharap ay isang pakikipagtulungan sa pagitan ng AI at mga developer na tao. Ang layunin ay i-highlight ang mga praktikal na pananaw sa kung ano ang magagawa ng mga developer upang umunlad sa panahon ng AI – mula sa pag-aampon ng mga bagong tool hanggang sa pag-aaral ng mga bagong kasanayan at upang i-project kung paano maaaring umunlad ang mga karera sa coding sa mga darating na taon.

AI sa Pagbuo ng Software 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 nagsusulat at nagrerepaso na ng code , nag-a-automate ng mga nakakapagod na gawain, at nagpapahusay sa produktibidad ng mga developer. Ginagamit ng mga developer ngayon ang AI upang makabuo ng mga snippet ng code, awtomatikong pagkumpleto ng mga function, pagtuklas ng mga bug, at maging ang paggawa ng mga test case ( May Kinabukasan ba para sa mga Software Engineer? Ang Epekto ng AI [2024] ) ( May Kinabukasan ba para sa mga Software Engineer? Ang Epekto ng AI [2024] ). Sa madaling salita, ang AI ang pumalit sa mahirap na gawain, na nagpapahintulot sa mga programmer na tumuon sa mas kumplikadong aspeto ng paglikha ng software. Tingnan natin ang ilan sa mga kilalang kakayahan at tool ng AI na nagbabago sa programming ngayon:

• Pagbuo at Awtomatikong Pagkumpleto ng Code: Ang mga modernong AI coding assistant ay maaaring gumawa ng code batay sa mga natural-language prompt o bahagyang konteksto ng code. Halimbawa, ang GitHub Copilot (na binuo batay sa modelo ng Codex ng OpenAI) ay nakikipag-ugnayan 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, na kadalasang nakakakumpleto ng buong mga function mula lamang sa isang komento o pangalan ng function. Katulad nito, ang ChatGPT (GPT-4) ay maaaring bumuo ng code para sa isang partikular na gawain kapag inilalarawan mo ang kailangan mo sa simpleng Ingles. Ang mga tool na ito ay maaaring mag-draft ng boilerplate code sa loob ng ilang segundo, mula sa mga simpleng helper function hanggang sa mga regular na operasyon ng CRUD.

• Pagtuklas at Pagsubok ng Bug: Nakakatulong din ang AI na matukoy ang mga error at mapabuti ang kalidad ng code. Ang mga static analysis tool at linter na pinapagana ng AI ay maaaring mag-flag ng mga potensyal na bug o kahinaan sa seguridad sa pamamagitan ng pag-aaral mula sa mga nakaraang pattern ng bug. Ang ilang tool ng AI ay awtomatikong bumubuo ng mga unit test o nagmumungkahi ng mga test case sa pamamagitan ng pagsusuri ng mga code path. Nangangahulugan ito na ang isang developer ay makakakuha ng agarang feedback sa mga edge case na maaaring hindi nila napansin. Sa pamamagitan ng maagang paghahanap ng mga bug at pagmumungkahi ng mga pag-aayos, ang AI ay gumaganap bilang isang walang sawang QA assistant na nagtatrabaho kasama ng developer.

• Pag-optimize at Pag-refactor ng Code: Ang isa pang gamit ng AI ay ang pagmumungkahi ng mga pagpapabuti sa umiiral na code. Dahil sa isang snippet, maaaring magrekomenda ang isang AI ng mas mahusay na mga algorithm o mas malinis na mga implementasyon sa pamamagitan ng pagkilala sa mga pattern sa code. Halimbawa, maaari itong magmungkahi ng mas idyomatikong paggamit ng isang library o mag-flag ng redundant code na maaaring i-refactor. Nakakatulong ito sa pagbabawas ng technical debt at pagpapabuti ng performance. Maaaring baguhin ng mga AI-based refactoring tool ang code upang sumunod sa mga pinakamahusay na kasanayan o i-update ang code sa mga bagong bersyon ng API, na nakakatipid sa oras ng mga developer sa manu-manong paglilinis.

• DevOps at Awtomasyon: Higit pa sa pagsulat ng code, nakakatulong ang AI sa mga proseso ng pagbuo at pag-deploy. Ang matatalinong CI/CD tools ay gumagamit ng machine learning upang mahulaan kung aling mga pagsubok ang malamang na mabigo o upang unahin ang ilang partikular na trabaho sa pagbuo, na ginagawang mas mabilis at mas mahusay ang pipeline ng patuloy na pagsasama. Maaaring suriin ng AI ang mga production log at mga sukatan ng pagganap upang matukoy ang mga isyu o magmungkahi ng mga pag-optimize sa imprastraktura. Sa bisa nito, nakakatulong ang AI hindi lamang sa pag-coding, kundi pati na rin sa buong lifecycle ng pagbuo ng software – mula sa pagpaplano hanggang sa pagpapanatili.

• Mga Interface at Dokumentasyon ng Natural na Wika: Nakikita rin natin ang AI na nagbibigay-daan sa mas natural na interaksyon sa mga tool sa pag-develop. Literal na maaaring hilingin sa isang AI na magsagawa ng mga gawain ("bumuo ng isang function na gumagawa ng X" o "magpaliwanag ng code na ito") at makakuha ng mga resulta. Ang mga AI chatbot (tulad ng ChatGPT o mga espesyalisadong dev assistant) ay maaaring sumagot sa mga tanong sa programming, tumulong sa dokumentasyon, at maging magsulat ng dokumentasyon ng proyekto o mag-commit ng mga mensahe batay sa mga pagbabago sa code. Pinagtatali nito ang agwat sa pagitan ng layunin ng tao at code, na ginagawang mas naa-access ang pag-develop sa mga taong maaaring maglarawan ng gusto nila.

• 

Mga Developer na Gumagamit ng mga AI Tool: Ipinapahiwatig ng isang survey noong 2023 na mahigit 92% ng mga developer ang gumamit ng mga AI coding tool sa ilang aspeto – sa trabaho man, sa kanilang mga personal na proyekto, o pareho. Maliit na 8% lamang ang nag-ulat na hindi gumagamit ng anumang tulong sa AI sa coding. Ipinapakita ng tsart na ito na dalawang-katlo ng mga developer ang gumagamit ng mga AI tool sa loob at labas ng trabaho, habang ang isang-kapat ay eksklusibong gumagamit ng mga ito sa trabaho at isang maliit na minorya lamang sa labas ng trabaho. Malinaw ang konklusyon: Ang AI-assisted coding ay mabilis na naging popular sa mga developer ( Isiniwalat ng survey ang epekto ng AI sa karanasan ng developer - The GitHub Blog ).

Ang paglaganap ng mga AI tool sa pagbuo ay humantong sa pagtaas ng kahusayan at pagbawas ng nakakapagod na gawain sa coding. Mas mabilis na nalilikha ang mga produkto dahil nakakatulong ang AI sa pagbuo ng boilerplate code at paghawak ng 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 Pagsilip sa Hinaharap ). Ang mga tool tulad ng Copilot ay maaari pang magmungkahi ng mga buong algorithm o solusyon na "maaaring hindi agad halata sa mga developer na tao," salamat sa pag-aaral mula sa malawak na dataset ng code. Maraming mga halimbawa sa totoong mundo: maaaring hilingin ng isang engineer sa ChatGPT na magpatupad ng isang sorting function o maghanap ng bug sa kanilang code, at ang AI ay makakagawa ng isang draft na solusyon sa loob ng ilang segundo. Ang mga kumpanyang tulad ng Amazon at Microsoft ay nag-deploy ng mga AI pair programmer (CodeWhisperer ng Amazon at Copilot ng Microsoft) sa kanilang mga developer team, na nag-uulat ng mas mabilis na pagkumpleto ng mga gawain at mas kaunting pang-araw-araw na oras na ginugugol sa boilerplate. Sa katunayan, 70% ng mga developer na sinurbey sa 2023 Stack Overflow survey ang nagsabing gumagamit na sila o nagpaplanong gumamit ng mga AI tool sa kanilang proseso ng pag-develop ( 70% ng mga developer ang gumagamit ng mga AI coding tool, 3% ang lubos na nagtitiwala sa katumpakan ng mga ito - ShiftMag ). Ang pinakasikat na mga assistant ay ang ChatGPT (ginagamit ng ~83% ng mga respondent) at GitHub Copilot (~56%), na nagpapahiwatig na ang pangkalahatang conversational AI at IDE-integrated helper ay parehong pangunahing manlalaro. Pangunahing ginagamit ng mga developer ang mga tool na ito upang mapataas ang produktibidad (binanggit ng ~33% ng mga respondent) at mapabilis ang pagkatuto (25%), habang humigit-kumulang 25% ang gumagamit ng mga ito upang maging mas mahusay sa pamamagitan ng pag-automate ng paulit-ulit na trabaho.

Mahalagang tandaan na ang papel ng AI sa programming ay hindi ganap na bago – ang mga elemento nito ay matagal nang umiiral (isaalang-alang ang code autocompletion sa mga IDE o automated testing framework). Ngunit ang nakalipas na dalawang taon ay naging isang tipping point. Ang paglitaw ng malalakas na malalaking modelo ng wika (tulad ng GPT series ng OpenAI at AlphaCode ng DeepMind) ay lubos na nagpalawak sa kung ano ang posible. Halimbawa, ang AlphaCode system ng DeepMind ay naging laman ng mga balita sa pamamagitan ng pagtatanghal sa isang mapagkumpitensyang antas ng paligsahan sa programming , na nakamit ang humigit-kumulang 54% na ranggo sa mga hamon sa coding – mahalagang tumutugma sa kasanayan ng isang karaniwang kakumpitensyang tao ( ang AlphaCode ng DeepMind ay tumutugma sa husay ng karaniwang programmer ). Ito ang unang pagkakataon na ang isang AI system ay gumanap nang mapagkumpitensya sa mga paligsahan sa programming. Gayunpaman, ipinapahiwatig nito na kahit ang AlphaCode, sa lahat ng husay nito, ay malayo pa rin sa pagkatalo sa pinakamahusay na mga human coder. Sa mga paligsahang iyon, kayang lutasin ng AlphaCode ang humigit-kumulang 30% ng mga problema sa loob ng pinapayagang mga pagtatangka, samantalang ang mga nangungunang human programmer ay nilulutas ang >90% ng mga problema sa isang pagtatangka lamang. Itinatampok ng kakulangang ito na habang kayang pangasiwaan ng AI ang mga mahusay na natukoy na gawain sa algorithm hanggang sa isang punto, ang pinakamahirap na problemang nangangailangan ng malalim na pangangatwiran at talino ay nananatiling isang matibay na tanggulan ng tao .

Sa buod, matatag na naitanim ng AI ang sarili sa pang-araw-araw na toolkit ng mga developer. Mula sa pagtulong sa pagsulat ng code hanggang sa pag-optimize ng deployment, naaapektuhan nito ang bawat bahagi ng proseso ng pag-develop. Ang ugnayan ngayon ay halos simbiyotiko: Ang AI ay gumaganap bilang isang copilot (angkop na pangalan) na tumutulong sa mga developer na mag-code nang mas mabilis at mas kaunting pagkabigo, sa halip na isang independiyenteng autopilot na maaaring lumipad nang mag-isa. Sa susunod na seksyon, susuriin natin kung paano binabago ng pagsasama ng mga tool ng AI ang papel ng mga developer at ang uri ng kanilang trabaho, para sa ikabubuti o ikasasama.

Paano Binabago ng AI ang mga Tungkulin at Produktibidad ng Developer

Dahil mas marami nang gawain ang hinahawakan ng AI, nagsisimula nang umunlad ang papel ng software developer. Sa halip na gumugol ng maraming oras sa pagsulat ng boilerplate code o pag-debug ng mga ordinaryong error, maaaring ipasa ng mga developer ang mga gawaing iyon sa kanilang mga AI assistant. Inililipat nito ang pokus ng developer patungo sa mas mataas na antas ng paglutas ng problema, arkitektura, at mga malikhaing aspeto ng software engineering. Sa esensya, pinapalakas ang 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 isa lamang ibang uri ng trabaho? Suriin natin ang epekto sa produktibidad at mga tungkulin:

Pagpapalakas ng Produktibidad: Ayon sa karamihan ng mga ulat at mga naunang pag-aaral, ang mga tool sa AI coding ay lubos na nagpapalakas ng produktibidad ng mga developer. Natuklasan ng pananaliksik ng GitHub na ang mga developer na gumagamit ng Copilot ay mas mabilis na nakakumpleto ng mga gawain kaysa sa mga walang tulong ng AI. Sa isang eksperimento, nalutas ng mga developer ang isang gawain sa coding nang 55% na mas mabilis sa karaniwan sa tulong ng Copilot – na tumatagal ng humigit-kumulang 1 oras at 11 minuto sa halip na 2 oras at 41 minuto nang wala ito ( Pananaliksik: pagbibilang sa epekto ng GitHub Copilot sa produktibidad at kaligayahan ng developer - Ang GitHub Blog ). Ito ay isang kapansin-pansing pagtaas sa bilis. Hindi lamang ito bilis; iniulat ng mga developer na ang tulong ng AI ay nakakatulong na mabawasan ang pagkabigo at "mga pagkaantala sa daloy". Sa mga survey, 88% ng mga developer na gumagamit ng Copilot ang nagsabing ginawa silang mas produktibo at pinapayagan silang tumuon sa mas kasiya-siyang trabaho ( Ilang porsyento ng mga developer ang nagsabing ang github copilot ay gumagawa ... ). Ang mga tool na ito ay tumutulong sa mga programmer na manatiling "nasa sona" sa pamamagitan ng paghawak ng mga nakakapagod na piraso, na siya namang nakakatipid ng enerhiya sa pag-iisip para sa mas mahihirap na problema. Bilang resulta, maraming developer ang nakakaramdam na ang coding ay naging mas kasiya-siya – mas kaunting mahirap na trabaho at mas maraming pagkamalikhain.

Pagbabago ng Pang-araw-araw na Trabaho: Ang pang-araw-araw na daloy ng trabaho ng isang programmer ay nagbabago kasabay ng mga pagtaas ng produktibidad. Marami sa "abalang trabaho" – pagsulat ng boilerplate, pag-uulit ng mga karaniwang pattern, paghahanap ng syntax – ay maaaring ilipat sa AI. Halimbawa, sa halip na manu-manong magsulat ng isang data class gamit ang mga getter at setter, maaaring i-prompt lang ng isang developer ang AI na bumuo nito. Sa halip na suriin ang dokumentasyon upang mahanap ang tamang API call, maaaring tanungin ng isang developer ang AI sa natural na wika. Nangangahulugan ito na ang mga developer ay gumugugol ng mas kaunting oras sa rote coding at mas maraming oras sa mga gawaing nangangailangan ng paghuhusga ng tao . Habang ang AI ang nagsusulat ng madaling 80% ng code, ang trabaho ng developer ay lumilipat patungo sa pangangasiwa sa output ng AI (pagsusuri sa mga mungkahi ng code, pagsubok sa mga ito) at pagharap sa mahirap na 20% ng mga problemang hindi kayang lutasin ng AI. Sa pagsasagawa, maaaring simulan ng isang developer ang kanilang araw sa pagsuri sa mga pull request na nabuo ng AI o pagsusuri sa isang batch ng mga pag-aayos na iminungkahi ng AI, sa halip na isulat ang lahat ng mga pagbabagong iyon mula sa simula.

Kolaborasyon at Dinamika ng Koponan: Kapansin-pansin, naiimpluwensyahan din ng AI ang dinamika ng koponan. Dahil awtomatiko ang mga karaniwang gawain, mas marami pang maaaring magawa ang mga koponan nang mas kaunti ang mga junior developer na nakatalaga sa mga gawaing walang tigil. Iniulat ng ilang kumpanya na ang kanilang mga senior engineer ay maaaring maging mas self-sufficient – ​​mabilis nilang maprototype ang mga feature sa tulong ng AI, nang hindi nangangailangan ng isang junior para gawin ang mga unang draft. Gayunpaman, nagbubunga ito ng isang bagong hamon: paggabay 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 epektibong pamahalaan ang mga output ng AI. Ang kolaborasyon ng koponan ay maaaring lumipat sa mga aktibidad tulad ng sama-samang pagpino ng mga prompt ng AI o pagsusuri sa code na nabuo ng AI para sa mga patibong. Sa positibong panig, kapag ang lahat sa koponan ay may AI assistant, maaari nitong pantayin ang larangan ng paglalaro at magbigay ng mas maraming oras para sa mga talakayan sa disenyo, malikhaing brainstorming, at pagharap sa mga kumplikadong kinakailangan ng user na kasalukuyang hindi naiintindihan ng AI. Sa katunayan, mahigit sa apat sa limang developer ang naniniwala na ang mga tool sa AI coding ay magpapahusay sa kolaborasyon ng koponan o kahit papaano ay magpapalaya sa kanila na makipagtulungan nang higit pa sa disenyo at paglutas ng problema, ayon sa mga natuklasan sa survey ng GitHub noong 2023 ( Isiniwalat ng survey ang epekto ng AI sa karanasan ng developer - The GitHub Blog ).

Epekto sa mga Tungkulin sa Trabaho: Ang isang pangunahing tanong ay kung babawasan ba ng AI ang demand para sa mga programmer (dahil ang bawat programmer ay mas produktibo na ngayon), o kung babaguhin lamang nito ang mga kasanayang hinihingi. Ang mga naunang halimbawa ng iba pang automation (tulad ng pagsikat ng mga devops tool, o mas mataas na antas ng mga programming language) ay nagmumungkahi na ang mga trabaho sa developer ay hindi gaanong naaalis kundi itinataas . Sa katunayan, hinuhulaan ng mga analyst sa industriya na ang mga tungkulin sa software engineering ay patuloy na lalago , ngunit ang uri ng mga tungkuling iyon ay magbabago. Isang kamakailang ulat ng Gartner ang nagtataya na pagdating ng 2027, 50% ng mga organisasyon ng software engineering ang gagamit ng mga platform na "software engineering intelligence" na pinalaki ng AI upang mapalakas ang produktibidad , mula sa 5% lamang noong 2024 ( Mayroon Bang Kinabukasan para sa mga Software Engineer? Ang Epekto ng AI [2024] ). Ipinapahiwatig nito na malawakang isasama ng mga kumpanya ang AI, ngunit ipinahihiwatig nito na ang mga developer ay gagawa gamit ang mga matatalinong platform na iyon. Katulad nito, ang consulting firm na McKinsey ay nagpo-proyekto na habang maaaring i-automate ng AI ang maraming gawain, humigit-kumulang 80% ng mga trabaho sa programming ay mangangailangan pa rin ng isang tao na naka-loop at mananatiling "nakasentro sa tao" . Sa madaling salita, kakailanganin pa rin natin ng mga tao para sa karamihan ng mga posisyon bilang developer, ngunit maaaring magbago ang mga deskripsyon ng trabaho.

Isang posibleng pagbabago ay ang paglitaw ng mga tungkulin tulad ng "AI Software Engineer" o "Prompt Engineer" – mga developer na dalubhasa sa pagbuo o pag-oorganisa ng mga bahagi ng AI. Nakikita na natin ang mabilis na pagtaas ng demand para sa mga developer na may kadalubhasaan sa AI/ML. Ayon sa isang pagsusuri ng Indeed, ang tatlong pinaka-in-demand na trabahong may kaugnayan sa AI ay ang data scientist, software engineer, at machine learning engineer , at ang demand para sa mga tungkuling ito ay mahigit doble sa nakalipas na tatlong taon ( Mayroon Bang Kinabukasan para sa mga Software Engineer? Ang Epekto ng AI [2024] ). Ang mga tradisyunal na software engineer ay inaasahang lalong mauunawaan ang mga pangunahing kaalaman sa machine learning o maisama ang mga serbisyo ng AI sa mga application. Malayo sa pagpapawalang-bisa sa mga developer, "Maaaring mapataas ng AI ang propesyon, na magbibigay-daan sa mga developer na tumuon sa mga gawain at inobasyon na mas mataas ang antas." ( Papalitan ba ng AI ang mga Developer sa 2025: Isang Pagsilip sa Hinaharap ) Maraming mga karaniwang gawain sa coding ang maaaring hawakan ng AI, ngunit ang mga developer ay mas magiging abala sa disenyo ng system, pagsasama ng mga module, pagtiyak ng kalidad, at pagtugon sa mga nobelang problema. Mahusay na binuod ito ng isang senior engineer mula sa isang kumpanyang nagpapaunlad ng AI: Hindi pinapalitan ng AI ang ating mga developer; pinapalakas ang mga ito. Kayang gawin ng isang developer na armado ng makapangyarihang AI tools ang trabaho ng ilan, ngunit ang developer na iyon ngayon ay tumatanggap ng trabahong mas kumplikado at mas malaki ang epekto.

Halimbawa sa Totoong Mundo: Isaalang-alang ang isang senaryo mula sa isang software firm na nag-integrate ng GitHub Copilot para sa lahat ng developer nito. Ang agarang epekto ay isang kapansin-pansing pagbawas sa oras na ginugugol sa pagsulat ng mga unit test at boilerplate code. Natuklasan ng isang junior developer na gamit ang Copilot, mabilis niyang nabubuo ang 80% ng code ng isang bagong feature, pagkatapos ay ginugugol ang kanyang oras sa pag-customize ng natitirang 20% ​​at pagsulat ng mga integration test. Halos dumoble ang kanyang produktibidad sa mga tuntunin ng output ng code, ngunit mas kawili-wili, nagbago ang uri ng kanyang kontribusyon – siya ay naging mas tagasuri ng code at tagadisenyo ng pagsubok para sa AI-written code. Napansin din ng team na ang mga pagsusuri ng code ay nagsimulang makatuklas ng mga pagkakamali sa AI sa halip na mga typo ng tao. Halimbawa, paminsan-minsan ay nagmumungkahi ang Copilot ng isang hindi ligtas na pagpapatupad ng encryption; kinailangang matukoy at itama ng mga human developer ang mga ito. Ipinapakita ng ganitong uri ng halimbawa na habang tumataas ang output, ang pangangasiwa at kadalubhasaan ng tao ay naging mas kritikal sa workflow.

Bilang buod, hindi maikakailang binabago ng AI kung paano gumagana ang mga developer: ginagawa silang mas mabilis at pinapayagan silang harapin ang mas ambisyosong mga problema, ngunit hinihiling din sa kanila na pagbutihin ang kanilang kasanayan (kapwa sa paggamit ng AI at sa mas mataas na antas ng pag-iisip). Hindi ito isang kuwento ng "pagkuha ng trabaho ng AI" kundi isang kuwento ng "pagbabago ng AI sa mga trabaho." Ang mga developer na natututong gamitin ang mga tool na ito nang epektibo ay maaaring magparami ng kanilang epekto – ang klise na madalas nating naririnig ay, "Hindi papalitan ng AI ang mga developer, ngunit ang mga developer na gumagamit ng AI ay maaaring pumalit sa mga hindi." Susuriin sa mga susunod na seksyon kung bakit mahalaga pa rin ang mga developer na tao (kung ano ang hindi kayang gawin nang maayos ng AI), at kung paano maiaangkop ng mga developer ang kanilang mga kasanayan upang umunlad kasama ng AI.

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

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

• Kakulangan ng Tunay na Pag-unawa at Pagkamalikhain: Ang mga kasalukuyang modelo ng AI ay hindi tunay na nakakaintindi ng code o mga problema sa paraang nauunawaan ng mga tao; kinikilala nila ang mga pattern at ibinubuga ang mga posibleng output batay sa data ng pagsasanay. Nangangahulugan ito na maaaring mahirapan ang AI sa mga gawaing nangangailangan ng orihinal at malikhaing solusyon o malalim na pag-unawa sa mga nobelang domain ng problema. Ang isang AI ay maaaring makabuo ng code upang matugunan ang isang ispesipikasyon na nakita na nito noon, ngunit hilingin dito na magdisenyo ng isang bagong algorithm para sa isang walang katulad na problema o bigyang-kahulugan ang isang hindi malinaw na kinakailangan, at malamang na mabibigo ito. Gaya ng sinabi ng isang tagamasid, ang AI ngayon ay "kulang sa mga kakayahan sa malikhain at kritikal na pag-iisip na dala ng mga developer ng tao." ( Is AI Going to Replace Developers in 2025: A Sneak Peek into the Future ) Ang mga tao ay mahusay sa pag-iisip nang lampas sa kahon – pinagsasama ang kaalaman sa domain, intuwisyon, at pagkamalikhain upang magdisenyo ng mga arkitektura ng software o malutas ang mga kumplikadong isyu. Sa kabilang banda, ang AI ay limitado sa mga pattern na natutunan nito; kung ang isang problema ay hindi tumutugma nang maayos sa mga pattern na iyon, ang AI ay maaaring makagawa ng mali o walang saysay na code (madalas ay may kumpiyansa!). Ang inobasyon sa software – ang pagbuo ng mga bagong tampok, mga bagong karanasan ng gumagamit, o mga nobelang teknikal na pamamaraan – ay nananatiling isang aktibidad na pinapagana ng tao.

• Konteksto at Pag-unawa sa Malawakang Larawan: Ang pagbuo ng software ay hindi lamang pagsulat ng mga linya ng code. Kabilang dito ang pag-unawa sa dahilan sa likod ng code – ang mga kinakailangan sa negosyo, mga pangangailangan ng user, at ang konteksto kung saan gumagana ang software. Ang AI ay may napakakitid na konteksto (karaniwang limitado sa input na ibinibigay nito nang sabay-sabay). Hindi nito tunay na nauunawaan ang pangkalahatang layunin ng isang sistema o kung paano nakikipag-ugnayan ang isang module sa isa pa lampas sa kung ano ang tahasang nasa code. Bilang resulta, ang AI ay maaaring makabuo ng code na teknikal na gumagana para sa isang maliit na gawain ngunit hindi akma sa mas malaking arkitektura ng system o lumalabag sa ilang hindi direktang kinakailangan. Kinakailangan ang mga developer ng tao upang matiyak na ang software ay naaayon sa mga layunin ng negosyo at mga inaasahan ng user. Ang disenyo ng mga kumplikadong sistema – ang pag-unawa kung paano maaaring makaapekto ang isang pagbabago sa isang bahagi sa iba, kung paano balansehin ang mga trade-off (tulad ng performance vs. readability), at kung paano planuhin ang pangmatagalang ebolusyon ng isang codebase – ay isang bagay na hindi magagawa ng AI ngayon. Sa mga malalaking proyekto na may libu-libong bahagi, ang AI ay "nakikita ang mga puno ngunit hindi ang kagubatan." Gaya ng nabanggit sa isang pagsusuri, “Nahihirapan ang AI na maunawaan ang buong konteksto at mga kasalimuotan ng malalaking proyekto ng software,” kabilang ang mga kinakailangan sa negosyo at mga konsiderasyon sa karanasan ng user ( Is AI Going to Replace Developers in 2025: A Sneak Peek into the Future ). Pinapanatili ng mga tao ang isang malawak na pananaw.

• Sentido Komun at Paglutas ng Kalabuan: Ang mga kinakailangan sa mga totoong proyekto ay kadalasang malabo o nagbabago. Ang isang developer na tao ay maaaring humingi ng paglilinaw, gumawa ng mga makatwirang pagpapalagay, o tumanggi sa mga hindi makatotohanang kahilingan. Ang AI ay walang sentido komun na pangangatwiran o ang kakayahang magtanong ng mga naglilinaw na tanong (maliban kung tahasang iniuugnay sa isang prompt, at kahit na noon ay wala itong garantiya na magiging tama ito). Ito ang dahilan kung bakit ang code na nabuo ng AI ay maaaring minsan ay teknikal na tama ngunit may kalabuan sa paggana – kulang ito sa pagpapasya upang malaman kung ano talaga ang nilalayon ng gumagamit kung ang mga tagubilin ay hindi malinaw. Sa kabaligtaran, ang isang programmer na tao ay maaaring bigyang-kahulugan ang isang mataas na antas ng kahilingan ("gawing mas madaling maunawaan ang UI na ito" o "dapat hawakan ng app ang mga hindi regular na input nang maayos") at alamin kung ano ang kailangang gawin sa code. Kakailanganin ng AI ng lubos na detalyado at hindi malabo na mga detalye upang tunay na mapalitan ang isang developer, at kahit ang pagsulat ng naturang detalye nang epektibo ay kasinghirap ng pagsulat ng code mismo. Gaya ng angkop na nabanggit sa isang artikulo ng Forbes Tech Council, para aktwal na mapalitan ng AI ang mga developer, kakailanganin nitong maunawaan ang mga hindi malinaw na tagubilin at umangkop tulad ng isang tao – isang antas ng pangangatwiran na wala sa AI sa kasalukuyan ( Post ni Sergii Kuzin - LinkedIn ).

• Kahusayan at mga "Halusinasyon": Ang mga generative AI model ngayon ay may kilalang depekto: maaari silang makagawa ng mga hindi tama o ganap na gawa-gawang output, isang penomenong kadalasang tinatawag na halusinasyon . Sa coding, maaaring mangahulugan ito na ang isang AI ay nagsusulat ng code na mukhang kapani-paniwala ngunit lohikal na mali o hindi ligtas. Hindi maaaring basta-basta magtiwala ang mga developer sa mga mungkahi ng AI. Sa pagsasagawa, ang bawat piraso ng code na isinulat ng AI ay nangangailangan ng maingat na pagsusuri at pagsubok ng isang tao . Ang datos ng survey ng Stack Overflow ay sumasalamin dito – sa mga gumagamit ng mga tool ng AI, 3% lamang ang lubos na nagtitiwala sa katumpakan ng output ng AI, at sa katunayan ay isang maliit na porsyento ang aktibong hindi nagtitiwala dito ( 70% ng mga developer ang gumagamit ng mga tool sa coding ng AI, 3% ang lubos na nagtitiwala sa kanilang katumpakan - ShiftMag ). Ang karamihan sa mga developer ay itinuturing ang mga mungkahi ng AI bilang mga kapaki-pakinabang na pahiwatig, hindi ebanghelyo. Ang mababang tiwala na ito ay nararapat dahil ang AI ay maaaring gumawa ng mga kakaibang pagkakamali na hindi gagawin ng sinumang may kakayahang tao (tulad ng mga error na paminsan-minsan, paggamit ng mga hindi na ginagamit na function, o paggawa ng mga hindi mahusay na solusyon) dahil hindi nito tunay na pinag-iisipan ang problema. Gaya ng mapang-uyam na sinabi ng isang komento sa forum, “Madalas silang (mga AI) magha-hallucinate at gumagawa ng mga kakaibang pagpili sa disenyo na hindi kailanman gagawin ng isang tao” ( Magiging lipas na ba sa panahon ang mga programmer dahil sa AI? - Payo sa Karera ). Mahalaga ang pangangasiwa ng tao upang matukoy ang mga error na ito. Maaaring mabilis na makuha ng AI ang 90% ng isang feature, ngunit kung ang natitirang 10% ay may banayad na bug, nasa tao pa ring developer ang pag-diagnose at pag-aayos nito. At kapag may nagkamali sa produksyon, ang mga inhinyero na tao ang dapat mag-debug – hindi pa maaaring panagutan ng AI ang mga pagkakamali nito.

• Pagpapanatili at Pagpapaunlad ng mga Codebase: Ang mga proyekto ng software ay nabubuhay at lumalago sa paglipas ng mga taon. Nangangailangan ang mga ito ng pare-parehong istilo, kalinawan para sa mga susunod na tagapangalaga, at mga update habang nagbabago ang mga kinakailangan. Ang AI ngayon ay walang alaala ng mga nakaraang desisyon (maliban sa limitadong mga prompt), kaya maaaring hindi nito mapanatiling pare-pareho ang code sa isang malaking proyekto maliban kung may gabay. Tinitiyak ng mga developer na tao ang pagpapanatili ng code – pagsulat ng malinaw na dokumentasyon, pagpili ng mga nababasang solusyon kaysa sa mga matalino ngunit malabo, at pag-refactor ng code kung kinakailangan kapag umuunlad ang arkitektura. Makakatulong ang AI sa mga gawaing ito (tulad ng pagmumungkahi ng mga refactor), ngunit ang pagpapasya kung ano ang ire-refactor o kung aling mga bahagi ng system ang kailangang muling idisenyo ay isang desisyon ng tao. Bukod pa rito, kapag isinasama ang mga bahagi, ang pag-unawa sa epekto ng isang bagong feature sa mga umiiral na module (pagtiyak ng backward compatibility, atbp.) ay isang bagay na hinahawakan ng mga tao. Ang code na nabuo ng AI ay dapat na isama at i-harmonize ng mga tao. Bilang isang eksperimento, sinubukan ng ilang developer na hayaan ang ChatGPT na bumuo ng buong maliliit na app; ang resulta ay kadalasang gumagana sa una ngunit nagiging napakahirap panatilihin o palawigin dahil ang AI ay hindi palaging naglalapat ng isang maalalahanin na arkitektura – ito ay gumagawa ng mga lokal na desisyon na iiwasan ng isang arkitekto na tao.

• Mga Pagsasaalang-alang sa Etika at Seguridad: Habang nagsusulat ang AI ng mas maraming code, nagbubunsod din ito ng mga tanong tungkol sa bias, seguridad, at etika. Ang isang AI ay maaaring hindi sinasadyang magpakilala ng mga kahinaan sa seguridad (halimbawa, hindi wastong pag-sanitize ng mga input, o paggamit ng mga hindi secure na kasanayan sa cryptographic) na maaaring matuklasan ng isang batikang developer na tao. Gayundin, ang AI ay walang likas na pakiramdam ng etika o pagmamalasakit sa pagiging patas – maaari itong, halimbawa, magsanay sa may kinikilingang data at magmungkahi ng mga algorithm na hindi sinasadyang nandidiskrimina (sa isang feature na pinapagana ng AI tulad ng loan approval code o isang hiring algorithm). Kinakailangan ang mga developer na tao upang i-audit ang mga output ng AI para sa mga isyung ito, tiyakin ang pagsunod sa mga regulasyon, at bigyan ang software ng mga etikal na pagsasaalang-alang. Ang panlipunang aspeto ng software – pag-unawa sa tiwala ng user, mga alalahanin sa privacy, at paggawa ng mga pagpili sa disenyo na naaayon sa mga halaga ng tao – “ay hindi maaaring balewalain. Ang mga aspeto ng pag-unlad na nakasentro sa tao ay hindi maabot ng AI, kahit man lang sa nakikinita na hinaharap.” ( Is AI Going to Replace Developers in 2025: A Sneak Peek into the Future ) Ang mga developer ay dapat magsilbing konsensya at tagapamahala ng kalidad para sa mga kontribusyon ng AI.

Dahil sa mga limitasyong ito, ang kasalukuyang pinagkasunduan ay ang AI ay isang kasangkapan, hindi isang kapalit . Gaya ng sinabi ni Satya Nadella, ito ay tungkol sa pagbibigay-kapangyarihan sa mga developer, hindi sa pagpapalit sa kanila ( Papalitan ba ng AI ang mga Programmer? Ang Katotohanan sa Likod ng Hype | ni The PyCoach | Artificial Corner | Mar, 2025 | Medium ). Ang AI ay maaaring ituring na isang junior assistant: ito ay mabilis, walang kapaguran, at maaaring harapin ang unang pagsubok sa maraming gawain, ngunit nangangailangan ito ng gabay at kadalubhasaan ng isang senior developer upang makagawa ng isang pinakintab na pangwakas na produkto. Ipinapakita nito na kahit ang mga pinaka-advanced na AI coding system ay ginagamit bilang mga assistant sa totoong paggamit (Copilot, CodeWhisperer, atbp.) at hindi bilang mga autonomous coder. Hindi tinatanggal ng mga kumpanya ang kanilang mga programming team at hinahayaan ang isang AI na tumakbo nang mabilis; sa halip, inilalagay nila ang AI sa mga workflow ng mga developer upang matulungan sila.

Isang naglalarawang sipi ang nagmula kay Sam Altman ng OpenAI, na nagsabing kahit na umuunlad ang mga AI agent, "ang mga AI agent na ito ay hindi ganap na papalit sa mga tao" sa pagbuo ng software ( sabi ni Sam Altman, malapit nang gawin ng mga AI agent ang mga gawaing ginagawa ng mga software engineer: Buong kwento sa 5 puntos - India Today ). Gagampanan nila ang mga ito bilang "mga virtual na katrabaho" na hahawak sa mga mahusay na natukoy na gawain para sa mga human engineer, lalo na ang mga gawaing tipikal ng isang low-level software engineer na may ilang taong karanasan. Sa madaling salita, maaaring gawin ng AI ang gawain ng isang junior developer sa ilang mga lugar, ngunit ang junior developer na iyon ay hindi mawawalan ng trabaho – sila ay nagiging isang papel ng pangangasiwa sa AI at pagharap sa mga mas mataas na antas na gawain na hindi kayang gawin ng AI. Kahit na sa pagtingin sa hinaharap, kung saan hinuhulaan ng ilang mananaliksik na sa taong 2040 ay maaaring isulat ng AI ang karamihan sa sarili nitong code ( Is There a Future for Software Engineers? The Effect of AI [2024] ), sa pangkalahatan ay napagkasunduan na kakailanganin pa rin ang mga human programmer upang pangasiwaan, gabayan, at magbigay ng malikhaing spark at kritikal na pag-iisip na wala sa mga makina .

Mahalaga ring tandaan na ang pagbuo ng software ay higit pa sa pag-coding lamang . Kabilang dito ang komunikasyon sa mga stakeholder, pag-unawa sa mga kwento ng user, pakikipagtulungan sa mga team, at paulit-ulit na disenyo – lahat ng aspeto kung saan ang mga kasanayang pantao ay lubhang kailangan. Ang isang AI ay hindi maaaring umupo sa isang pulong kasama ang isang kliyente upang pag-usapan kung ano talaga ang gusto nila, ni hindi nito maaaring makipag-ayos sa mga prayoridad o magbigay-inspirasyon sa isang team na may pangitain para sa isang produkto. Ang elementong pantao ay nananatiling mahalaga.

Sa buod, ang AI ay may mahahalagang kahinaan: kawalan ng tunay na pagkamalikhain, limitadong pag-unawa sa konteksto, hilig sa mga pagkakamali, kawalan ng pananagutan, at kawalan ng pag-unawa sa mas malawak na implikasyon ng mga desisyon sa software. Ang mga kakulangang ito mismo ang nagbibigay-liwanag sa mga developer na tao. Sa halip na tingnan ang AI bilang isang banta, maaaring mas tumpak na tingnan ito bilang isang makapangyarihang amplifier para sa mga developer na tao – sa paghawak sa mga pangkaraniwan upang ang mga tao ay makapagtuon sa malalalim na bagay. Tatalakayin sa susunod na seksyon kung paano magagamit ng mga developer ang amplification na ito sa pamamagitan ng pag-aangkop ng kanilang mga kasanayan at tungkulin upang manatiling may kaugnayan at mahalaga sa isang mundo ng pag-develop na pinahusay ng AI.

Pag-aangkop at Pag-unlad sa Panahon ng AI

Para sa mga programmer at developer, ang pag-usbong ng AI sa coding ay hindi kailangang maging isang malaking banta – maaari itong maging isang pagkakataon. Ang susi ay ang umangkop at umunlad kasabay ng teknolohiya. Ang mga natututong gamitin ang AI ay malamang na mas produktibo at in-demand, habang ang mga hindi sumusunod dito ay maaaring matuklasan na sila ay nahuhuli. Sa seksyong ito, tututuon tayo sa mga praktikal na hakbang at estratehiya para manatiling may kaugnayan at umunlad ang mga developer habang ang mga tool ng AI ay nagiging bahagi ng pang-araw-araw na pag-unlad. Ang dapat na pag-isipan ay ang patuloy na pag-aaral at pakikipagtulungan sa AI, sa halip na kompetisyon. Narito kung paano maaaring mag-adjust ang mga developer at kung anong mga bagong kasanayan at tungkulin ang dapat nilang isaalang-alang:

1. Yakapin ang AI bilang Isang Kasangkapan (Matutong Gamitin nang Epektibo ang mga AI Coding Assistant): Una sa lahat, dapat maging komportable ang mga developer sa mga magagamit na AI tool. Ituring ang Copilot, ChatGPT, o iba pang coding AI bilang iyong bagong pares ng programming partner. Nangangahulugan ito ng pag-aaral kung paano sumulat ng magagandang prompt o komento upang makakuha ng mga kapaki-pakinabang na mungkahi sa code, at pag-alam kung paano mabilis na i-validate o i-debug ang AI-generated code. Tulad ng isang developer na kinailangang matutunan ang kanilang IDE o version control, ang pag-aaral ng mga quirks ng isang AI assistant ay nagiging bahagi na ng hanay ng mga kasanayan. Halimbawa, maaaring magsanay ang isang developer sa pamamagitan ng pagkuha ng isang piraso ng code na kanilang isinulat at paghiling sa AI na pagbutihin ito, pagkatapos ay suriin 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 roon. Sa paglipas ng panahon, magkakaroon ka ng intuwisyon para sa kung ano ang mahusay sa AI at kung paano makipagtulungan dito. Isipin ito bilang "AI-assisted development" – isang bagong kasanayan na idaragdag sa iyong toolbox. Sa katunayan, tinutukoy na ngayon ng mga developer ang "prompt engineering" bilang isang kasanayan – ang pag-alam kung paano magtanong sa AI ng mga tamang tanong. Ang mga bihasa rito ay makakamit ng mas magagandang resulta gamit ang parehong mga kagamitan. Tandaan, "ang mga developer na gumagamit ng AI ay maaaring pumalit sa mga hindi gumagamit" – kaya yakapin ang teknolohiya at gawin itong iyong kakampi.

2. Tumutok sa Mas Mataas na Antas ng Kasanayan (Paglutas ng Problema, Disenyo ng Sistema, Arkitektura): Dahil kayang pangasiwaan ng AI ang mas mababang antas ng coding, dapat umangat ang mga developer sa hagdan ng abstraksyon . Nangangahulugan ito ng pagbibigay ng higit na diin sa pag-unawa sa disenyo at arkitektura ng sistema. Linangin ang mga kasanayan sa pagbasag ng mga kumplikadong problema, pagdidisenyo ng mga scalable system, at paggawa ng mga desisyon sa arkitektura – mga lugar kung saan mahalaga ang pananaw ng tao. Tumutok sa kung bakit at paano ang isang solusyon, hindi lamang sa kung ano. Halimbawa, sa halip na gugulin ang lahat ng iyong oras sa pagperpekto ng isang sorting function (kapag ang AI ay maaaring sumulat nito para sa iyo), gumugol ng oras sa pag-unawa kung aling sorting approach ang pinakamainam para sa konteksto ng iyong aplikasyon at kung paano ito umaangkop sa daloy ng data ng iyong system. Ang pag-iisip ng disenyo – isinasaalang-alang ang mga pangangailangan ng user, daloy ng data, at mga interaksyon ng component – ​​ay lubos na pahahalagahan. Ang AI ay maaaring makabuo ng code, ngunit ang developer ang nagpapasya sa pangkalahatang istraktura ng software at tinitiyak na ang lahat ng bahagi ay gumagana nang naaayon. Sa pamamagitan ng pagpapatalas ng iyong malawak na pag-iisip, ginagawa mong napakahalaga ang iyong sarili bilang taong gumagabay sa AI (at sa iba pang bahagi ng team) sa pagbuo ng tamang bagay. Gaya ng nabanggit sa isang ulat tungkol sa hinaharap, dapat na "tumuon ang mga developer sa mga larangan kung saan hindi mapapalitan ang pananaw ng tao, tulad ng paglutas ng problema, pag-iisip sa disenyo, at pag-unawa sa mga pangangailangan ng user." ( Papalitan ba ng AI ang mga Developer sa 2025: Isang Sulyap sa Hinaharap )

3. Pagbutihin ang Iyong Kaalaman sa AI at ML: Upang makatrabaho kasama ang AI, makakatulong ang pag-unawa sa AI . Hindi lahat ng developer ay kailangang maging mananaliksik ng machine learning, ngunit ang pagkakaroon ng matibay na pag-unawa sa kung paano gumagana ang mga modelong ito ay magiging kapaki-pakinabang. Alamin ang mga pangunahing kaalaman sa machine learning at deep learning – hindi lamang ito maaaring magbukas ng mga bagong landas sa karera (dahil ang mga trabahong may kaugnayan sa AI ay umuusbong ( Mayroon Bang Kinabukasan para sa mga Software Engineer? Ang Epekto ng AI [2024] )), ngunit makakatulong din ito sa iyo na gamitin ang mga tool ng 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 tampok ng AI (halimbawa, isang app na may recommendation engine o isang chatbot). Ang isang software developer na may ilang kaalaman sa ML ay maaaring mag-ambag sa mga tampok na iyon o kahit man lang makipagtulungan nang matalino sa mga data scientist. Ang mga pangunahing lugar na dapat isaalang-alang na matutunan ay kinabibilangan ng: mga pangunahing kaalaman sa agham ng data , kung paano i-preprocess ang data, pagsasanay vs. paghihinuha, at ang etika ng AI. Maging pamilyar sa mga AI framework (TensorFlow, PyTorch) at mga serbisyo ng cloud AI; kahit na hindi ka bumubuo ng mga modelo mula sa simula, ang pag-alam kung paano i-integrate ang isang AI API sa isang app ay isang mahalagang kasanayan. Sa madaling salita, ang pagiging "literate sa AI" ay mabilis na nagiging kasinghalaga ng pagiging literate sa mga teknolohiya ng web o database. Ang mga developer na kayang sumaklaw sa mga mundo ng tradisyonal na software engineering at AI ay nasa pangunahing posisyon upang pamunuan ang mga proyekto sa hinaharap.

4. Paunlarin ang Mas Matibay na Soft Skills at Kaalaman sa Domain: Habang ang AI ang namamahala sa mga gawaing mekanikal, ang mga natatanging kasanayan ng tao ay nagiging mas mahalaga. Ang komunikasyon, pagtutulungan, at kadalubhasaan sa domain ay mga larangan na dapat pag-ibayuhin. Ang pagbuo ng software ay kadalasang tungkol sa pag-unawa sa domain ng problema – maging ito man ay pananalapi, pangangalagang pangkalusugan, edukasyon, o anumang iba pang larangan – at pagsasalin nito sa mga solusyon. Ang AI ay walang kontekstong iyon o ang kakayahang makipag-ugnayan sa mga stakeholder, ngunit mayroon ka. Ang pagiging mas may kaalaman sa domain na iyong pinagtatrabahuhan ay ginagawa kang taong tatawagan upang matiyak na ang software ay talagang nakakatugon sa mga pangangailangan sa totoong mundo. Gayundin, tumuon sa iyong mga kasanayan sa pakikipagtulungan: mentorship, pamumuno, at koordinasyon. Kakailanganin pa rin ng mga team ang mga senior developer upang suriin ang code (kabilang ang code na isinulat ng AI), upang magturo sa mga junior sa mga pinakamahusay na kasanayan, at upang i-coordinate ang mga kumplikadong proyekto. Hindi inaalis ng AI ang pangangailangan para sa pakikipag-ugnayan ng tao sa mga proyekto. Sa katunayan, sa pagbuo ng code ng AI, ang mentorship ng isang senior developer ay maaaring lumipat sa pagtuturo sa mga junior kung paano gumamit ng AI at patunayan ang output nito , sa halip na kung paano sumulat ng for-loop. Ang kakayahang gabayan ang iba sa bagong paradigma na ito ay isang mahalagang kasanayan. Gayundin, magsanay ng kritikal na pag-iisip – tanungin at subukan ang mga output ng AI, at hikayatin ang iba na gawin din ito. Ang paglinang ng isang malusog na pag-iisip ng pag-aalinlangan at pag-verify ay maiiwasan ang bulag na pag-asa sa AI at mababawasan ang mga pagkakamali. Sa esensya, mapabuti ang mga kasanayang kulang sa AI: pag-unawa sa mga tao at konteksto, kritikal na pagsusuri, at interdisiplinaryong pag-iisip.

5. Panghabambuhay na Pagkatuto at Kakayahang Mapag-angkop: Ang bilis ng pagbabago sa AI ay napakabilis. Ang tila makabago ngayon ay maaaring maging lipas na sa loob ng ilang taon. Dapat yakapin ng mga developer ang panghabambuhay na pagkatuto nang higit kailanman. Maaaring mangahulugan ito ng regular na pagsubok ng mga bagong AI coding assistant, pagkuha ng mga online na kurso o sertipikasyon sa AI/ML, pagbabasa ng mga research blog upang manatiling updated sa mga darating, o pakikilahok sa mga komunidad ng developer na nakatuon sa AI. Ang kakayahang umangkop ay susi – maging handa na lumipat sa mga bagong tool at workflow habang lumilitaw ang mga ito. Halimbawa, kung may darating na bagong AI tool na maaaring mag-automate ng disenyo ng UI mula sa mga sketch, ang isang front-end developer ay dapat na handa na matuto at isama iyon, na maaaring maglipat ng kanilang pokus sa pagpino ng nabuo na UI o pagpapabuti ng mga detalye ng karanasan ng user na hindi nasaksihan ng automation. Ang mga itinuturing ang pagkatuto bilang isang patuloy na bahagi ng kanilang karera (na ginagawa na ng maraming developer) ay mas madaling maisama ang mga pag-unlad ng AI. Ang isang estratehiya ay ang paglalaan ng isang maliit na bahagi ng iyong linggo sa pag-aaral at pag-eeksperimento – ituring ito bilang pamumuhunan sa iyong sariling kinabukasan. Nagsisimula na ring magbigay ang mga kumpanya ng pagsasanay para sa kanilang mga developer sa epektibong paggamit ng mga AI tool; ang pagsasamantala sa mga ganitong pagkakataon ay maglalagay sa iyo sa unahan. Ang mga developer na magtatagumpay ay iyong mga nakakakita sa AI bilang isang umuunlad na kasosyo at patuloy na pinagbubuti ang kanilang diskarte sa pakikipagtulungan sa kasosyong iyon.

6. Galugarin ang mga Umuusbong na Tungkulin at Landas ng Karera: Habang hinabi ang AI sa pag-unlad, umuusbong ang mga bagong oportunidad sa karera. Halimbawa, ang Prompt Engineer o AI Integration Specialist ay mga tungkuling nakatuon sa paglikha ng mga tamang prompt, workflow, at imprastraktura upang magamit ang AI sa mga produkto. Ang isa pang halimbawa ay ang AI Ethics Engineer o AI Auditor – mga tungkuling nakatuon sa pagsusuri ng mga output ng AI para sa bias, pagsunod, at kawastuhan. Kung interesado ka sa mga larangang iyon, ang pagpoposisyon sa iyong sarili nang may tamang kaalaman ay maaaring magbukas ng mga bagong landas na ito. Kahit sa loob ng mga klasikong tungkulin, maaari kang makahanap ng mga niche tulad ng "AI-assisted frontend developer" vs "AI-assisted backend developer" kung saan ang bawat isa ay gumagamit ng mga espesyal na tool. Bantayan kung paano binubuo ng mga organisasyon ang mga team batay sa AI. Ang ilang mga kumpanya ay may mga "AI guild" o mga sentro ng kahusayan upang gabayan ang pag-aampon 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-ambag sa pagbuo mismo ng mga tool ng AI: halimbawa, ang pagtatrabaho sa mga open-source na proyekto na nagpapabuti sa tooling ng developer (marahil ay nagpapahusay sa kakayahan ng AI na ipaliwanag ang code, atbp.). Hindi lamang nito pinalalalim ang iyong pag-unawa sa teknolohiya kundi inilalagay ka rin nito sa isang komunidad na nangunguna sa pagbabago. Ang mahalaga ay maging proaktibo tungkol sa kakayahang umangkop sa karera . Kung ang ilang bahagi ng iyong kasalukuyang trabaho ay magiging awtomatiko, maging handa na lumipat sa mga tungkulin na nagdidisenyo, nangangasiwa, o nagpapahusay sa mga awtomatikong bahaging iyon.

7. Panatilihin at Ipakita ang Kalidad ng Tao: Sa isang mundo kung saan ang AI ay maaaring makabuo ng karaniwang code para sa karaniwang problema, ang mga developer na tao ay dapat magsikap na makagawa ng mga pambihira at may empatiya na solusyon na hindi kayang gawin ng AI. Maaaring mangahulugan ito ng pagtuon sa kahusayan sa karanasan ng gumagamit, pag-optimize ng pagganap para sa mga hindi pangkaraniwang sitwasyon, o simpleng pagsulat ng code na malinis at mahusay na dokumentado (ang AI ay hindi mahusay sa pagsulat ng makabuluhang dokumentasyon o mauunawaang mga komento sa code – maaari kang magdagdag ng halaga doon!). Siguraduhing isama ang pananaw ng tao sa trabaho: halimbawa, kung ang isang AI ay bumubuo ng isang piraso ng code, nagdadagdag ka ng mga komento na nagpapaliwanag ng katwiran sa paraang mauunawaan ng ibang tao sa ibang pagkakataon, o inaayos mo ito upang maging mas madaling basahin. Sa paggawa nito, nagdaragdag ka ng isang layer ng propesyonalismo at kalidad na wala sa purong gawaing ginawa ng makina. Sa paglipas ng panahon, ang pagbuo ng reputasyon para sa mataas na kalidad na software na "gumagana lamang" sa totoong mundo ay magpapaiba sa iyo. Pahahalagahan ng mga kliyente at employer ang mga developer na maaaring pagsamahin ang kahusayan ng AI sa kahusayan ng tao .

Isaalang-alang din natin kung paano maaaring umangkop ang mga landas sa 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 gamit ang AI (hal., paggamit ng AI upang makatulong sa takdang-aralin o mga proyekto, pagkatapos ay pagsusuri sa mga resulta) ay maaaring mapabilis ang kanilang pag-unawa. Gayunpaman, mahalaga ring matutunan nang malalim ang mga pangunahing kaalaman – mga algorithm, istruktura ng datos, at mga konsepto ng pangunahing programming – upang magkaroon ka ng matibay na pundasyon at malaman kung kailan naliligaw ang AI. Dahil ang AI ay humahawak ng mga simpleng pagsasanay sa coding, ang mga kurikulum ay maaaring magbigay ng mas maraming bigat sa mga proyektong nangangailangan ng disenyo at integrasyon. Kung ikaw ay isang baguhan, tumuon sa pagbuo ng isang portfolio na nagpapakita ng iyong kakayahang lutasin ang mga kumplikadong problema at gamitin ang AI bilang isa sa maraming tool.

Upang maisama-sama ang estratehiya sa adaptasyon: maging piloto, hindi ang pasahero. Gumamit ng mga kagamitang AI, ngunit huwag maging labis na umaasa sa mga ito o maging kampante. Patuloy na hasain ang mga natatanging aspeto ng pag-unlad ng tao. Mahusay na sinabi ito ni Grady Booch, isang respetadong tagapanguna ng software engineering: "Babaguhin ng AI ang kahulugan ng pagiging isang programmer. Hindi nito aalisin ang mga programmer, ngunit kakailanganin nito sa kanila na 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 proaktibong pagpapaunlad ng mga bagong kasanayan at paraan ng pagtatrabaho, masisiguro ng mga developer na mananatili sila sa pangunahing posisyon ng kanilang mga karera.

Para ibuod ang seksyong ito, narito ang isang mabilisang checklist para sa mga developer na naghahangad na maging handa sa kanilang mga karera sa panahon ng AI:

Sa pamamagitan ng pagsunod sa mga estratehiyang ito, maaaring gawing kalamangan ng mga developer ang rebolusyon ng AI. Matutuklasan ng mga umaangkop na pinapahusay ang kanilang mga kakayahan at nagbibigay-daan sa kanila na makagawa ng mas mahusay na software kaysa dati, sa halip na gawing lipas na ang mga ito.

Pananaw sa Hinaharap: Kolaborasyon sa Pagitan ng AI at mga Developer

Ano ang naghihintay sa hinaharap para sa programming sa isang mundong pinapagana ng AI? Batay sa kasalukuyang mga uso, maaari nating asahan ang isang hinaharap kung saan ang AI at mga developer na tao ay mas malapit na nagtutulungan . Ang papel ng programmer ay malamang na patuloy na lilipat patungo sa isang posisyon ng pangangasiwa at malikhaing pamamahala, kung saan ang AI ang hahawak sa mas maraming "mabibigat na gawain" sa ilalim ng gabay ng tao. Sa pangwakas na bahaging ito, hinuhulaan namin ang ilang mga senaryo sa hinaharap at tinitiyak na ang pananaw para sa mga developer ay maaaring manatiling positibo – kung patuloy tayong aangkop.

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

Gayunpaman, ang esensya ng kung ano ang kailangang gawin – ang paglutas ng mga problema para sa mga tao – ay nananatiling hindi nagbabago. Ang isang AI sa hinaharap ay maaaring makabuo ng isang buong app mula sa isang paglalarawan (“build me a mobile app for booking doctor appointments”), ngunit ang trabaho ng paglilinaw sa paglalarawang iyon, pagtiyak na tama ito, at pag-aayos ng resulta upang mapasaya ang mga gumagamit ay magsasangkot ng mga developer (kasama ang mga designer, product manager, atbp.). Sa katunayan, kung magiging madali ang pagbuo ng pangunahing app, ang pagkamalikhain at inobasyon ng tao sa software ay magiging mas mahalaga upang maiba ang mga produkto. Maaari nating makita ang isang pag-unlad ng software, kung saan maraming mga karaniwang aplikasyon ang nalilikha ng AI, habang ang mga developer ng tao ay nakatuon sa mga makabago, kumplikado, o malikhaing proyekto na nagtutulak sa mga hangganan.

May posibilidad din na mabawasan ang hadlang sa pagpasok sa programming – ibig sabihin ay mas maraming tao na hindi tradisyonal na software engineer (halimbawa, isang business analyst o isang siyentipiko o isang marketer) ang maaaring lumikha ng software gamit ang mga AI tool (ang pagpapatuloy ng kilusang "no-code/low-code" na pinapalakas ng AI). Hindi nito inaalis ang pangangailangan para sa mga propesyonal na developer; sa halip, binabago nito ito. Maaaring gumanap ang mga developer ng higit na papel sa pagkonsulta o paggabay sa mga ganitong kaso, na tinitiyak na ang mga app na binuo ng mamamayan ay ligtas, mahusay, at napapanatili. Ang mga propesyonal na programmer ay maaaring tumuon sa pagbuo ng mga platform at API na ginagamit ng mga "hindi programmer" na tinutulungan ng AI.

Mula sa perspektibo ng mga trabaho, maaaring lumiit ang ilang tungkulin sa programming habang ang iba ay lumalaki. Halimbawa, ang ilang entry-level na posisyon sa coding ay maaaring maging mas kaunti ang bilang kung ang mga kumpanya ay umaasa sa AI para sa mga simpleng gawain. Maiisip ng isa na ang isang maliit na startup sa hinaharap ay mangangailangan ng marahil kalahati ng bilang ng mga junior developer dahil ang kanilang mga senior dev, na may AI, ay maaaring matapos ang maraming pangunahing gawain. Ngunit kasabay nito, lilitaw ang mga ganap na bagong trabaho (tulad ng tinalakay natin sa seksyon ng adaptasyon). Bukod dito, habang ang software ay tumatagos sa mas malaking bahagi ng ekonomiya (kasama ang AI na bumubuo ng software para sa mga niche na pangangailangan), ang pangkalahatang demand para sa mga trabahong may kaugnayan sa software ay maaaring patuloy na tumaas. Ipinapakita ng kasaysayan na ang automation ay kadalasang humahantong sa mas maraming trabaho sa katagalan , bagama't ang mga ito ay magkaibang trabaho – halimbawa, ang automation ng ilang mga gawain sa pagmamanupaktura ay humantong sa paglago ng mga trabaho para sa pagdidisenyo, pagpapanatili, at pagpapabuti ng mga automated system. Sa konteksto ng AI at programming, bagama't awtomatiko na ang ilang mga gawain na dating ginagawa ng isang junior dev, lumalawak ang pangkalahatang saklaw ng kung anong software ang gusto nating likhain (dahil ngayon ay mas mura/mas mabilis na itong likhain), na maaaring humantong sa mas maraming proyekto at sa gayon ay ang pangangailangan para sa mas maraming pangangasiwa ng tao, pamamahala ng proyekto, arkitektura, atbp. Isang ulat ng World Economic Forum tungkol sa mga trabaho sa hinaharap ang nagmungkahi na ang mga tungkulin sa software development at AI ay kabilang sa mga tumataas ang demand, hindi bumababa, dahil sa digital transformation.

Dapat din nating isaalang-alang ang hula sa 2040 na nabanggit kanina: iminungkahi ng mga mananaliksik sa Oak Ridge National Lab na pagdating ng 2040, "ang mga makina... ay magsusulat ng halos lahat ng sarili nilang code" ( Mayroon Bang Kinabukasan para sa mga Software Engineer? Ang Epekto ng AI [2024] ). Kung mapapatunayang tama iyon, ano pa ang natitira para sa mga programmer na tao? Malamang, ang pokus ay nasa napakataas na antas ng gabay (na nagsasabi sa mga makina kung ano ang nating maisakatuparan nila sa malawak na mga stroke) at sa mga lugar na may kinalaman sa kumplikadong integrasyon ng mga sistema, pag-unawa sa sikolohiya ng tao, o mga nobelang domain ng problema. Kahit na sa ganitong senaryo, ang mga tao ay gaganap ng mga tungkulin na katulad ng mga product designer, requirements engineer, at AI trainer/verifier . Maaaring halos isulat ng code ang sarili nito, ngunit kailangang may magdesisyon kung anong code ang dapat isulat at bakit , at pagkatapos ay i-verify na ang huling resulta ay tama at naaayon sa mga layunin. Katulad ito ng kung paano maaaring magmaneho ang mga self-driving na sasakyan balang araw, ngunit sasabihin mo pa rin sa kotse kung saan pupunta at mamagitan sa mga kumplikadong sitwasyon – dagdag pa, ang mga tao ang nagdidisenyo ng mga kalsada, mga batas trapiko, at lahat ng imprastraktura sa paligid nito.

Kaya naman, karamihan sa mga eksperto ay nakikinita ang isang kinabukasan ng kolaborasyon, hindi kapalit . Gaya ng pagkakasabi ng isang tech consultancy, “ang kinabukasan ng pag-unlad ay hindi isang pagpipilian sa pagitan ng mga tao o AI kundi isang kolaborasyon na gumagamit ng pinakamahusay sa pareho.” ( Is AI Going to Replace Developers in 2025: A Sneak Peek into the Future ) Walang alinlangang babaguhin ng AI ang pagbuo ng software, ngunit ito ay higit pa sa isang ebolusyon ng papel ng developer kaysa sa isang pagkalipol. Ang mga developer na "yumuyuko sa mga pagbabago, iniaangkop ang kanilang mga kasanayan, at nakatuon sa mga natatanging aspeto ng kanilang trabaho bilang tao" ay matutuklasan na pinapahusay ang kanilang mga kakayahan sa halip na binabawasan ang kanilang halaga.

Maaari tayong gumawa ng pagkakatulad sa isa pang larangan: isaalang-alang ang pag-usbong ng computer-assisted design (CAD) sa engineering at arkitektura. Pinalitan ba ng mga kagamitang iyon ang mga inhinyero at arkitekto? Hindi – ginawa silang mas produktibo at pinayagan silang lumikha ng mas kumplikadong mga disenyo. Ngunit ang pagkamalikhain at paggawa ng desisyon ng tao ay nanatiling mahalaga. Katulad nito, ang AI ay maaaring ituring na Computer-Assisted Coding – makakatulong ito sa paghawak ng kumplikado at mahirap na trabaho, ngunit ang developer ay nananatiling taga-disenyo at tagagawa ng desisyon.

Sa pangmatagalan, kung iisipin natin ang tunay na advanced na AI (halimbawa, isang uri ng pangkalahatang AI na ay kayang gawin ang halos lahat ng kaya ng isang tao), ang mga pagbabago sa lipunan at ekonomiya ay magiging mas malawak kaysa sa programming lamang. Hindi pa tayo naroroon, at mayroon tayong malaking kontrol sa kung paano natin isinasama ang AI sa ating trabaho. Ang maingat na landas ay ang patuloy na pagsasama ng AI sa mga paraan na nagpapahusay sa potensyal ng tao . Nangangahulugan ito ng pamumuhunan sa mga tool at kasanayan (at mga patakaran) na nagpapanatili sa mga tao na nasa loop. Nakikita na natin ang mga kumpanyang nagtatatag ng pamamahala ng AI – mga alituntunin kung paano dapat gamitin ang AI sa pag-unlad upang matiyak ang etikal at epektibong mga resulta ( Isiniwalat ng survey ang epekto ng AI sa karanasan ng developer - The GitHub Blog ). Malamang na lalago ang trend na ito, na tinitiyak na ang pangangasiwa ng tao ay pormal na bahagi ng pipeline ng pag-unlad ng AI.

Bilang konklusyon, masasagot ang tanong na “Papalitan ba ng AI ang mga programmer?”: Hindi – ngunit malaki ang magiging epekto nito sa ginagawa ng mga programmer. Ang mga karaniwang bahagi ng programming ay nasa tamang landas na maging awtomatiko. Ang mga malikhain, mapaghamong, at nakasentro sa tao ay mananatili, at magiging mas prominente. Malamang na sa hinaharap ay makikita ang mga programmer na nagtatrabaho nang magkakasama kasama ang mas matatalinong AI assistant, na parang isang miyembro ng team. Isipin na mayroon kang isang kasamahan sa AI na kayang gumawa ng code 24/7 – malaking tulong ito sa produktibidad, ngunit kailangan pa rin nito ng isang tao para sabihin dito kung anong mga gawain ang dapat gawin at para suriin ang trabaho nito.

Ang pinakamahusay na mga resulta ay makakamit ng mga taong itinuturing ang AI bilang isang kolaborator. Gaya ng sinabi ng isang CEO, "Hindi papalitan ng AI ang mga programmer, ngunit ang mga programmer na gumagamit ng AI ang papalit sa mga hindi." Sa praktikal na termino, nangangahulugan ito na ang responsibilidad ay nasa mga developer na umunlad kasama ng teknolohiya. Ang propesyon ng programming ay hindi namamatay – ito ay ang pag-aangkop . Maraming software na bubuuin at mga problemang lulutasin para sa nakikinita na hinaharap, posibleng higit pa kaysa sa ngayon. Sa pamamagitan ng pananatiling edukado, pananatiling flexible, at pagtuon sa kung ano ang pinakamahusay na nagagawa ng mga tao, maaaring masiguro ng mga developer ang isang matagumpay at kasiya-siyang karera sa pakikipagtulungan sa AI .

Panghuli, mahalagang ipagdiwang ang katotohanang papasok tayo sa isang panahon kung saan ang mga developer ay may mga superpower na magagamit nila. Ang susunod na henerasyon ng mga programmer ay makakamit sa loob ng ilang oras ang dating inaabot ng ilang araw, at haharapin ang mga problemang dati'y imposibleng maabot, sa pamamagitan ng paggamit ng AI. Sa halip na takot, ang damdamin sa hinaharap ay maaaring maging optimismo at kuryosidad . Hangga't lalapit tayo sa AI nang nakadilat ang ating mga mata – batid ang mga limitasyon nito at isinasaisip ang ating responsibilidad – maaari nating hubugin ang isang kinabukasan kung saan ang AI at mga programmer ay magkakasamang bubuo ng mga kamangha-manghang sistema ng software, na higit pa sa magagawa ng alinman nang mag-isa. Ang pagkamalikhain ng tao na sinamahan ng kahusayan ng makina ay isang makapangyarihang kombinasyon. Sa huli, hindi ito tungkol sa kapalit , kundi tungkol sa sinerhiya. Ang kwento ng AI at mga programmer ay isinusulat pa rin – at ito ay isusulat ng parehong tao at makina, nang 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 sipi mula sa mga eksperto nina Satya Nadella at Jeff Dean tungkol sa AI bilang isang kagamitan, hindi isang kapalit ( May Kinabukasan ba ang mga Software Engineer? Ang Epekto ng AI [2024] ) ( May Kinabukasan ba ang mga Software Engineer? Ang Epekto ng AI [2024] ).

3. Medium (PyCoach), “Papalitan ba ng AI ang mga Programmer? Ang Katotohanan sa Likod ng Hype” , na binibigyang-diin ang magkaibang realidad kumpara sa hype ( Papalitan ba ng AI ang mga Programmer? Ang Katotohanan sa Likod ng Hype | ni The PyCoach | Artificial Corner | Mar, 2025 | Medium ) at ang sipi ni Sam Altman tungkol sa pagiging mahusay ng AI sa mga gawain ngunit hindi sa mga full job.

4. Ang DesignGurus, “Is AI Going to Replace the Developers… (2025)” , ay nagbibigay-diin na ang AI ay magpapahusay at magtataas sa mga developer sa halip na gawing kalabisan ang mga ito ( Is AI Going to Replace the Developers in 2025: A Sneak Peek into the Future ) at naglilista ng mga lugar na nahuhuli ang AI (pagkamalikhain, konteksto, etika).

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

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

7. Pananaliksik ng GitHub Copilot, natuklasan ang 55% na mas mabilis na pagkumpleto ng gawain gamit ang tulong ng AI ( Pananaliksik: pagbibilang sa epekto ng GitHub Copilot sa produktibidad at kaligayahan ng developer - Ang GitHub Blog ).

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

9. IndiaToday (Pebrero 2025), buod ng pananaw ni Sam Altman tungkol sa mga "katrabaho" ng AI na gumagawa ng mga gawain ng mga junior engineer ngunit "hindi ganap na papalit sa mga tao" ( sabi ni Sam Altman, malapit nang gawin ng mga ahente ng AI ang mga gawaing ginagawa ng mga software engineer: Buong kwento sa 5 puntos - India Today ).

10. Tinatantya ng McKinsey & Company na ~80% ng mga trabaho sa programming ay mananatiling nakasentro sa tao sa kabila ng automation ( Is There a Future for Software Engineers? The Effect of AI [2024] ).

Mga artikulong maaaring gusto mong basahin pagkatapos nito:

🔗 Mga Nangungunang AI Pair Programming Tools
Tuklasin ang mga nangungunang AI tool na maaaring makipagtulungan sa iyo tulad ng isang coding partner upang mapalakas ang iyong development workflow.

🔗 Ano ang Pinakamahusay na AI para sa Coding – Mga Nangungunang AI Coding Assistant
Isang gabay sa mga pinakamabisang tool ng AI para sa pagbuo ng code, pag-debug, at pagpapabilis ng mga proyekto ng software.

🔗 Pagbuo ng Software para sa Artipisyal na Katalinuhan – Pagbabago sa Kinabukasan ng Teknolohiya
Unawain kung paano binabago ng AI ang paraan ng pagbuo, pagsubok, at pag-deploy ng software.