Laurie Voss: что остаётся инженеру, когда код пишет AI (Рубрика #AI4SDLC)
У Laurie Voss, сооснователя npm и руководителя DevRel в Arize AI, вышел доклад «AI Writes the Code. So What's Left for Engineers?». В нём много пересечений с тем, о чём я рассказывал в этом году. Но самое интересное начинается там, где из общего диагноза мы делаем разные выводы о будущем инженера.
Логика Восса: агенты резко удешевили написание кода, ревью за ними не успевает. Когда автоматизируем ревью, ограничение переедет в эксплуатацию и безопасность. Он предполагает, что за 5–10 лет освоим и это. Человеку останется выяснять, что людям нужно, определять хороший результат и доводить его до продукта. Такого специалиста он называет product engineer.
В диагнозе мы совпадаем.
В докладе на HighLoad++ я разбирал ту же проблему: ускорение отдельных профессий сохраняет очереди и потери между ними. Можно получить больше требований, кода и тестов, а до пользователя довести примерно столько же полезных изменений. Поэтому смотреть нужно на весь путь задачи, включая ожидание, переделки и выпуск.
Близок мне и его практический совет: вытаскивать знания опытных инженеров из головы в спецификации, правила и evals. Если замечание на ревью повторяется, стоит спросить, можно ли превратить его в проверку, которую агент получит ещё во время работы.
С джунами тоже знакомая история. Мы с Евгением Сергеевым и Алексеем Литвиновым обсуждали вход в профессию без простых задач. Я предлагал проверять, как новичок поставил задачу, оценил план и объяснил результат. Работающая функция теперь гораздо меньше говорит о том, чему научился её автор.
А вот здесь я бы поспорил.
Восс считает понимание потребности последним человеческим ограничением: специфика конкретной пекарни находится в голове владельца, её нет в весах модели. Но из этого ещё не следует, что агент не сможет её выяснить. Он тоже может задавать вопросы, наблюдать за процессом, проверять гипотезы. Сам Восс честно замечает: возможно, он просто считает незаменимой ту часть работы, которая нравится ему самому.
В сентябрьском лонгриде «Когда код пишет агент: что остаётся инженерией» я как раз разбирал это возражение. Нельзя строить профессию на надежде, что машина никогда не научится понимать задачу. Мне важнее другое: кто определяет цель, какие действия разрешены и чем мы проверим последствия решения?
Отсюда и разница в подходе к автономии. В финале Восс предлагает сосредоточить ручное ревью на коде с большим масштабом последствий, остальное постепенно отдавать автоматическим проверяющим. Я бы добавил условия: независимая проверка, понятная область разрешённых изменений, обнаружение отказа и проверенное восстановление. Маленький diff вполне способен устроить большую неприятность. А откат версии не отменяет уже отправленное письмо или раскрытые данные.
Доклад стоит посмотреть ради этой развилки. Что мы готовим инженера делать: находить очередную задачу, которую AI пока не освоил, или выстраивать процесс, в котором всё более сильным агентам можно обоснованно доверять всё больше работы?
#AI4SDLC #AI #Agents #Engineering #Management #Learning