Zoals de meeste technologieleiders heb ik het afgelopen jaar in een hype gezwommen: Kunstmatige intelligentie zal ontwikkelaars vervangen. Iedereen kan een app maken met AI. Het verzenden van producten zou weken moeten duren, geen maanden.
De druk om AI te gebruiken om snel producten en functies te leveren is reëel. Ik ben de tel kwijt hoe vaak mij iets is gevraagd als: “Kun je dit niet gewoon met AI bouwen?” Maar de realiteit ter plaatse is heel anders.
Kunstmatige intelligentie vervangt ingenieurs niet. Het vervangt slow engineering.
NAAR Antwoordwe hebben ons product gebouwd met een klein team van uitzonderlijke full-stack-ingenieurs die AI als co-piloot gebruiken. Het heeft de manier veranderd waarop we plannen, ontwerpen, ontwerpen en bouwen, maar het is allemaal veel genuanceerder dan het verhaal suggereert.
Waar is kunstmatige intelligentie goed in? Vandaag
Het kan sommige onaanvaardbare deadlines omzetten in een release op dezelfde dag. Een van onze technici schatte dat een verandering in onze stem-AI-orkestrator drie dagen zou duren. Ik heb de integriteit van het idee geverifieerd met ChatGPT, Cursor een cursorprompt laten genereren en Cursor heeft de wijziging bij de eerste poging correct geïmplementeerd. We hebben alles binnen een uur verzonden: gedefinieerd, gecodeerd, beoordeeld, getest en geïmplementeerd.
Het is zeldzaam om het meteen bij de eerste poging goed te doen, maar tegenwoordig is dit soort snelheid vaak mogelijk.
Het is beter dan mensen in het hard en op repositoryniveau debuggen. We zijn een ingewikkelde bug tegengekomen die door een gebruiker werd gemeld en waar een van onze ontwikkelaars twee dagen aan heeft gewerkt. Met een slecht geschreven bericht vond Cursor binnen enkele minuten de boosdoener en genereerde de oplossing. We hebben een hotfix gestuurd om deze binnen 30 minuten te produceren.
Architecturale beslissingen zijn sneller en beter. Wat vroeger maanden en eindeloze vergaderingen in bedrijfsomgevingen kostte, vereist nu een paar uur concentratie. We dumpen de onzin van zakelijke vereisten in een LLM, vragen hen om de ideeën te testen, mee te schrijven aan de documentatie en de architecturale opties te herhalen met voor-, nadelen en faalpunten. Het brengt onmiddellijk scenario’s en ideeën naar boven waar we nog niet aan hadden gedacht en levert schone artefacten op voor het team.
Het oordeel en de meeste ideeën zijn nog steeds van ons, maar de snelheid en volledigheid van het denken bevinden zich op een heel ander niveau.
Een voldoende goede gebruikersinterface en documentatie zijn gratis. Als je geen ontwerppremie nodig hebt, kan AI snel een goede, schone interface genereren. Hetzelfde geldt voor documentatie: uitgebreide aantekeningen, gepolijste documentatie.
Prototypesnelheid is nu een handelswaar. In het begin kun je met AI verrassend snel tot ‘iets dat werkt’ komen. Technologie is zelden meer de concurrentiepositie; het gaat om zaken als distributie, klanten en operationele uitmuntendheid.
Waar AI blijft falen
Geeft zelfverzekerd verkeerde antwoorden. We hebben een hele dag geprobeerd om ChatGPT en Gemini zover te krijgen dat ze de complexe omleidingsbehoeften van AWS Amplify konden oplossen. Beiden hielden vol dat ze de oplossing hadden. Beiden hadden het absoluut mis. Het lezen van de documenten en het oplossen ervan “op de ouderwetse manier” duurde twee uur en onthulde dat de aanpak van de LLM’s niet eens mogelijk was.
Twee verspilde ingenieurs, een verspilde dag.
Je moet nog steeds alles zorgvuldig onderzoeken en beoordelen. AI is spectaculair in het introduceren van subtiele regressies als je niet expliciet bent over beperkingen en tests. Het zal zelfs perfect perfecte code herschrijven als je vertelt dat er iets kapot is (en je hebt het mis).
Versnel een goed technisch oordeel. Het versnelt ook slechte richting.
Infrastructuur, beveiliging en schaalbaarheid vereisen echte vaardigheden. Patronen spreken misschien over architectuur en infrastructuur, maar code-assistenten hebben nog steeds moeite om veilige, schaalbare infrastructuur-als-code te produceren. Ze zien niet altijd de gevolgen verderop in de keten, zoals kostenpieken of blootstellingsrisico’s, zonder hulp van een deskundige.
Deskundigen blijven bepalen wat de beste solide oplossing is.
Snelheid verplaatst knelpunten. Engineering gaat sneller met AI, dus product, UI/UX, architectuur, QA en release moeten ook sneller gaan.
Een niet-AI-bonus helpt ons hierbij: Loom-video’s voor het direct maken van tickets (in tegenstelling tot de moeizame documentatie van vereisten) resulteren in snellere overdrachten, minder misverstanden, nauwkeurigere uitvoer en een betere asynchrone snelheid.
Wat betekent dit voor startups?
- Kunstmatige intelligentie zorgt ervoor dat geweldige ingenieurs bovenmenselijk kunnen worden: Kleine teams kunnen nu verzenden met snelheden waarvoor voorheen hele afdelingen nodig waren.
- De lat voor ingenieurs ligt hoger, niet lager: Minder mensen, maar ze moeten wel uitstekend zijn.
- Technologie alleen is niet langer een betrouwbare slotgracht: Iedereen heeft kunstmatige intelligentie. Jouw weerbaarheid gaat over zaken als distributie, netwerk, merk, operationele uitmuntendheid.
- Kunstmatige intelligentie doet niet 10x alles: Sommige delen zullen vliegen. Weer anderen zijn afhankelijk van tijd, mensen en oordeel.
- Leiders moeten hands-on zijn met AI en technische strategie: Zonder dit introduceert AI alleen maar nieuwe knelpunten en problemen.
De realitycheck
Kunstmatige intelligentie vervangt ingenieurs niet. Het vervangt trage feedbackloops, vervelend werk en obstakels voor de uitvoering.
We leven (nog) niet in een wereld waarin AI het hele product schrijft, implementeert en schaalt. Maar wij Ik ben leven in een wereld waar een team van drie mensen kan concurreren met een team van dertig mensen, als ze goed weten om te gaan met kunstmatige intelligentie.
