Από το “στήνω τα πάντα μόνος μου” στο “χτίζω με prompts”: η ταχύτατη εξέλιξη του AI στον προγραμματισμό

Η δημιουργία των αρχείων, η δομή των φακέλων, η επιλογή του κατάλληλου tech stack, η εγκατάσταση των βιβλιοθηκών και η σύνδεση όλων των βασικών κομματιών προβλημάτιζαν τον προγραμματιστή πριν γράψει την πρώτη γραμμή κώδικα. Ακόμα και όταν υπήρχε κάποιο template, συνήθως ήταν κάτι που είχε δημιουργηθεί με αρκετό κόπο, δοκιμές, λάθη και πολλές ώρες debugging ( και αρκετό καφέ ) .
Σήμερα, αυτή η διαδικασία έχει αλλάξει σημαντικά.
Με την εμφάνιση εργαλείων τεχνητής νοημοσύνης, όπως το ChatGPT, το GitHub Copilot, το Cursor και άλλα AI coding assistants, ο προγραμματιστής δεν ξεκινά πλέον απαραίτητα από “άδειο φύλλο Α4” . Μπορεί να περιγράψει την ιδέα του, να ζητήσει folder structure, να δημιουργήσει αρχεία, να πάρει συμβουλές καθώς και προτάσεις για τεχνολογίες, να διορθώσει errors κατά τη πορεία καθώς και στην εγκατάση του project και να χτίσει ένα πρώτο λειτουργικό prototype μέσα σε λίγα λεπτά.
Αυτό δεν σημαίνει ότι ο προγραμματισμός έγινε εύκολος και το AI θα πατάξει εντελώς τον ανθρώπινο παράγοντα.
Σημαίνει ότι άλλαξε το σημείο εκκίνησης και την μορφή αναζήτησης για λύσεις.
Ένα χαρακτηριστικό παράδειγμα αυτής της αλλαγής φαίνεται αν κοιτάξουμε παλαιότερα άρθρα ή βίντεο, ειδικά γύρω στο 2022 και πριν, όπου η τεχνητή νοημοσύνη παρουσιαζόταν ακόμα σαν κάτι πιο πειραματικό και πρωιμο. Ακόμα και ένα απλό project, όπως το να εκπαιδευτεί ένα AI ώστε να κάνει βασικές λειτουργίες σε ένα παιχνίδι, απαιτούσε αρκετά βήματα: δημιουργία περιβάλλοντος, reward system, training loop, neural network, testing και συνεχείς διορθώσεις.
Και εδώ συμβαίνει κάτι αξιοσημείωτο.
Τότε, το εντυπωσιακό ήταν ότι το AI μπορούσε να μάθει να παίζει ένα απλό παιχνίδι.
Σήμερα, το εντυπωσιακό είναι ότι το AI μπορεί να βοηθήσει στη δημιουργία του ίδιου του παιχνιδιού , επιπλέον και στην ίδια του την εκπαίδευση ώστε να παίζει το παιχνίδι.
Αυτή η μετάβαση δείχνει πόσο γρήγορα εξελίχθηκε η τεχνητή νοημοσύνη μέσα σε λίγα χρόνια. Δεν μιλάμε απλώς για καλύτερα εργαλεία autocomplete. Μιλάμε για εργαλεία που μπορούν να συμμετέχουν στη σκέψη, στη δομή, στην υλοποίηση και στη βελτίωση ενός project.

Η μεγαλύτερη αλλαγή, όμως, δεν είναι μόνο η ταχύτητα. Είναι ο τρόπος σκέψης.
Παλαιότερα, ο developer έπρεπε να γνωρίζει από πριν σχεδόν κάθε βήμα. Έπρεπε να ξέρει τι αρχείο να δημιουργήσει, τι βιβλιοθήκη να εγκαταστήσει,και να είναι πάντα έτοιμος να αντιμετωπίσει τυχόν updates που άλλαζαν τα version των βιβλιοθηκών που χρησιμοποιούσε καθώς και τα dependencies του.
Σήμερα, ένα μεγάλο μέρος αυτής της διαδικασίας μπορεί να ξεκινήσει μέσα από έναν prompt σε ένα AI εργαλείο.
Ο προγραμματιστής μπορεί να γράψει:
“Φτιάξε μου τη βασική δομή για ένα web app με Next.js, PostgreSQL και authentication.”
Αυτό από μόνο του αλλάζει το τι σημαίνει να ξεκινάς ένα project.
Δεν ξεκινάς πλέον μόνος, από το μηδέν. Ξεκινάς με έναν βοηθό που μπορεί να σου δώσει δομή, κατεύθυνση και πρώτο αποτέλεσμα. Βέβαια, αυτό δεν σημαίνει ότι ο βοηθός έχει αντιληφθεί και υλοποίησει πλήρως το σχέδιο/σκεπτικό. Το AI μπορεί να δημιουργήσει λάθος κώδικα, να προτείνει κακές πρακτικές ή να δώσει λύσεις που φαίνονται σωστές αλλά δεν είναι ασφαλείς ή αποδοτικές.
Εδώ βρίσκεται ένα κομβικό σημείο.
Το AI δεν αντικαθιστά την ανάγκη για γνώση. Αντίθετα, κάνει τη γνώση ακόμα πιο σημαντική και προσφέροντας εύκολη πρόσβαση.
Ένας νεοσύστατος προγραμματιστής μπορεί να “γράφει” κώδικα γρηγορότερα, αλλά αν δεν καταλαβαίνει τι παράγεται, τότε απλώς αντιγράφει κάτι που δεν μπορεί να ελέγξει. Από την άλλη, ένας developer που έχει γνώσεις μπορεί να χρησιμοποιήσει το AI σαν εργαλείο επιτάχυνσης. Μπορεί να ζητήσει εναλλακτικές λύσεις, να συγκρίνει αρχιτεκτονικές, να εντοπίσει bugs πιο γρήγορα και να εστιάσει περισσότερο στη λογική του project.
Ο ρόλος του προγραμματιστή αλλάζει.
Το άτομο που γράφει κάθε γραμμή κώδικα χειροκίνητα, γίνεται περισσότερο σχεδιαστής, ελεγκτής και καθοδηγητής της διαδικασίας. Η αξία του δεν βρίσκεται μόνο στο πόσο γρήγορα μπορεί να γράψει κώδικα, αλλά στο πόσο σωστά μπορεί να σκεφτεί, να αξιολογήσει και να κατευθύνει το αποτέλεσμα (άλλωστε “as long as it works it works ).
Αυτό φαίνεται και από πιο προσεκτικές έρευνες. Υπάρχουν περιπτώσεις όπου το AI δεν έκανε τους developers γρηγορότερους, αλλά τους καθυστέρησε, ειδικά όταν εργάζονταν σε πολύπλοκα και ήδη γνωστά codebases. Αυτό δείχνει ότι η εικόνα δεν είναι απόλυτη. Το AI είναι πολύ δυνατό εργαλείο, αλλά δεν λειτουργεί μαγικά σε κάθε περίπτωση.
Άρα, το πραγματικό ερώτημα δεν είναι αν το AI θα αντικαταστήσει τους developers.
Το ερώτημα είναι αν οι developers θα προσαρμοστούν στην χρήση του AI.
Η μετάβαση από την εποχή όπου χτίζαμε κάθε project γραμμή-γραμμή, στην εποχή όπου μπορούμε να δημιουργήσουμε prototypes με λίγα prompts, είναι τεράστια. Μέσα σε λίγα χρόνια, το AI πέρασε από το να μαθαίνει απλές λειτουργίες ,κώδικα οριακά μη λειτουργικό, image generation ( και αυτό όχι με ακρίβεια) , στο να βοηθά στη δημιουργία εφαρμογών, συστημάτων και ολοκληρωμένων λύσεων.
Ο προγραμματισμός δεν εξαφανίζεται.
Απλώς αλλάζει μορφή.
Και ίσως αυτό είναι το πραγματικό μήνυμα που πρέπει να αναλογιστούμε.