ชุมชนเทคโนโลยีกำลังพูดถึงการถกเถียงเรื่องศัพท์และอนาคตของการเขียนโปรแกรม หลังจากความเห็นล่าสุดของ Thomas Dohmke ซีอีโอ GitHub เกี่ยวกับการรักษาทักษะการเขียนโค้ดแบบดั้งเดิมควบคู่ไปกับเครื่องมือ AI ในขณะที่ Dohmke สนับสนุนแนวทางผสมผสานที่รวม AI เข้ากับความเชี่ยวชาญในการเขียนโปรแกรมของมนุษย์ นักพัฒนาได้แสดงความคิดเห็นอย่างชัดเจนเกี่ยวกับภาษาที่ใช้อธิบายงานของพวกเขา
การพัฒนาเวิร์กโฟลว์ของนักพัฒนา:
- Product Engineers: ใช้ประโยชน์จาก AI สำหรับการสร้างโค้ดและการสร้างต้นแบบอย่างรวดเร็ว
- High-coding Architects: มุ่งเน้นไปที่การประกันคุณภาพและการออกแบบระบบ
- แนวทางแบบผสมผสาน: รวมการทำงานอัตโนมัติของ AI เข้ากับการดูแลและปรับปรุงโดยมนุษย์
- เชื่อใจและตรวจสอบ: แนวปฏิบัติมาตรฐานสำหรับการตรวจสอบโค้ดที่สร้างโดย AI ก่อนการนำไปใช้งาน
ความขัดแย้งเรื่องการเขียนโค้ดด้วยมือสร้างความไม่พอใจ
คำว่า การเขียนโค้ดด้วยมือ ได้จุดประกายการต่อต้านอย่างมากจากนักพัฒนาที่มองว่าเป็นการดูถูกทักษะการเขียนโปรแกรมของมนุษย์โดยไม่จำเป็น สมาชิกชุมชนตั้งคำถามว่าวลีนี้สะท้อนถึงงานพัฒนาที่ซับซ้อนและใช้เครื่องมือช่วยเหลือที่โปรแกรมเมอร์ทำมาเป็นทศวรรษหรือไม่ ความกังวลนี้เกินกว่าเรื่องความหมายของคำ - นักพัฒนากังวลว่าการนำเสนอการเขียนโค้ดแบบดั้งเดิมว่าเป็นงานด้วยมืออาจทำลายคุณค่าและความซับซ้อนของความเชี่ยวชาญในการเขียนโปรแกรมของมนุษย์
บางคนได้เสนอคำทางเลือกอื่น เช่น การเขียนโค้ดโดยมนุษย์ หรือแม้กระทั่งเสนอคำว่า การเขียนโค้ดออร์แกนิก อย่างขบขันเพื่อให้สื่อถึงลักษณะของงานนักพัฒนาได้ดีกว่าโดยไม่มีนัยยะเชิงลบของงานใช้แรงงานด้วยมือ
เครื่องมือ AI พบข้อจำกัดในทางปฏิบัติในสถานการณ์จริง
แม้จะมีความก้าวหน้าอย่างรวดเร็วในการช่วยเหลือการเขียนโค้ดด้วย AI นักพัฒนาได้แบ่งปันตัวอย่างเฉพาะเจาะจงที่เครื่องมือปัจจุบันไม่สามารถตอบสนองความคาดหวังได้ กรณีหนึ่งที่น่าสนใจเป็นพิเศษเกี่ยวข้องกับนักพัฒนาที่พยายาม refactor โค้ดที่ผสมรูปแบบการเขียนโปรแกรมที่แตกต่างกัน - คำสั่ง if ในส่วนหนึ่งและคำสั่ง switch ในอีกส่วนหนึ่ง เครื่องมือ AI ล้มเหลวอย่างต่อเนื่องในการรักษาตัวเลือกการออกแบบที่ตั้งใจไว้นี้ โดยเปลี่ยนเป็นรูปแบบเดียวกันโดยไม่สนใจคำแนะนำที่ชัดเจน
สิ่งนี้เน้นย้ำถึงความท้าทายพื้นฐาน: AI เก่งในการใช้รูปแบบทั่วไป แต่ต่อสู้กับการตัดสินใจที่ละเอียดอ่อนที่นักพัฒนาที่มีประสบการณ์ทำได้โดยสัญชาตญาณ เครื่องมือเหล่านี้ทำงานได้ดีสำหรับงานที่แยกออกมา แต่อาจทำลายการพิจารณาการออกแบบที่ละเอียดอ่อนซึ่งมีความสำคัญในระบบซอฟต์แวร์ที่ซับซ้อน
ความขัดแย้งด้านผลิตภาพเกิดขึ้น
ความขัดแย้งที่น่าสนใจกำลังเกิดขึ้นในขั้นตอนการพัฒนาที่ใช้ AI ช่วยเหลือ แม้ว่าเครื่องมือเหล่านี้สามารถสร้างโค้ดได้อย่างรวดเร็ว นักพัฒนามักพบว่าตนเองใช้เวลามากกว่าในการอธิบายการเปลี่ยนแปลงง่าย ๆ ด้วยภาษาธรรมชาติมากกว่าที่จะใช้เวลาในการดำเนินการเปลี่ยนแปลงโดยตรง สิ่งนี้สร้างความไม่มีประสิทธิภาพที่ขัดแย้งกับการเพิ่มผลิตภาพที่สัญญาไว้
การเปลี่ยนแปลงหลายอย่างที่การอธิบายด้วยภาษาอังกฤษใช้เวลานานกว่าการทำการเปลี่ยนแปลงนั้น
แนวทางที่มีประสิทธิภาพมากที่สุดดูเหมือนจะเป็นการเลือกใช้ - ใช้ AI สำหรับงานเฉพาะ เช่น การสร้างโค้ด boilerplate ในขณะที่รักษาการดูแลของมนุษย์สำหรับตรรกะที่ซับซ้อนและการตัดสินใจในการออกแบบ นักพัฒนารายงานว่าประมาณ 90% ของโค้ดที่ AI สร้างขึ้นยังคงต้องการการปรับแต่งจากมนุษย์ แม้ว่าเครื่องมือจะทำงานได้ดีโดยรวม
สstatisticsการเขียนโค้ดด้วย AI:
- ประมาณ 50% ของโค้ดที่สร้างโดย AI มีข้อผิดพลาดบางส่วนที่ต้องการการตรวจสอบจากมนุษย์
- Google รายงานว่ามากกว่า 20% ของโค้ดในปัจจุบันถูกสร้างโดย AI แต่ยังคงต้องการการปรับแต่งจากมนุษย์อย่างมาก
- นักพัฒนารายงานว่า 90% ของโค้ดที่สร้างโดย AI ต้องการการปรับแต่งด้วยตนเองในสถานการณ์จริง
- เครื่องมือ AI เพิ่มประสิทธิภาพการทำงานได้ 15-25 นาทีต่อวันตามการวิจัยของ Deloitte
ผลประโยชน์ทางธุรกิจกำหนดเรื่องเล่า
การถกเถียงยังเผยให้เห็นแรงจูงใจทางธุรกิจที่อยู่เบื้องหลัง ตำแหน่งของ GitHub ที่สนับสนุนการมีส่วนร่วมของมนุษย์ในการเขียนโค้ดอย่างต่อเนื่องสอดคล้องกับโมเดลธุรกิจของพวกเขาที่ขึ้นอยู่กับนักพัฒนาที่ใช้แพลตฟอร์มของพวกเขาอย่างแข็งขัน สิ่งนี้ทำให้เกิดคำถามเกี่ยวกับวิธีที่ผลประโยชน์ทางการเงินของผู้มีส่วนได้ส่วนเสียต่าง ๆ มีอิทธิพลต่อเรื่องเล่าเกี่ยวกับบทบาทของ AI ในการพัฒนาซอฟต์แวร์
การอภิปรายสะท้อนความตึงเครียดที่กว้างขึ้นในอุตสาหกรรมเทคโนโลยีระหว่างผู้ที่ส่งเสริม AI เป็นตัวแทนของงานมนุษย์และผู้ที่สนับสนุนแนวทางการเสริมสร้างที่รักษาความเชี่ยวชาญของมนุษย์ไว้ในขณะที่ใช้ประโยชน์จากความสามารถของ AI
ฉันทามติของชุมชนดูเหมือนจะตกลงกันในรูปแบบผสมผสานที่ AI จัดการงานประจำในขณะที่มนุษย์มุ่งเน้นไปที่สถาปัตยกรรม การแก้ปัญหา และการประกันคุณภาพ วิวัฒนาการนี้บ่งบอกว่าบทบาทการเขียนโปรแกรมกำลังเปลี่ยนแปลงมากกว่าหายไป ซึ่งต้องการให้นักพัฒนาปรับทักษะของตนมากกว่าละทิ้งทักษะเหล่านั้นทั้งหมด
อ้างอิง: GitHub CEO: manual coding remains key despite AI boom