Viimeisten parin vuosikymmenen ajan hallitukset ja muut tahot ovat käyttäneet miljardeja ihmisten opettamiseen kirjoittamaan koodia. Sitä pidettiin yhtenä harvoista ammateista, jotka olisivat turvassa muuttuvassa maailmassa, mutta käy ilmi, että koodin kirjoittaminen ja muokkaaminen on yksi toiminnoista, joihin AI-mallit soveltuvat parhaiten. Teknologia-alan yritykset ovat irtisanoneet yli miljoona työntekijää viime vuosina, ja Microsoft tarjosi 60 000 vapaaehtoista eropakettia vielä viime viikolla. Se on pelottava ja täysin hämmentävä hetki ohjelmistoalalla työskenteleville.
Noin kuukausi sitten kirjoitin sisäisen muistion, jossa kuvasin yksityiskohtaisesti AI:n käyttöönoton sijainnin, jota Protonin on seurattava pysyäkseen kilpailukykyisenä ja turvallisena, sekä sen, mitä olemme tähän mennessä organisaationa laiminlyöneet ja mitä meidän on korjattava, jotta tämä väistämätön siirtymä onnistuisi. Ei juuri ole epäilystä siitä, että organisaatiot, jotka eivät muutu riittävän nopeasti, pettävät lopulta tiiminsä ja ne, jotka luottavat niihin.
Muistio palveli myös toista tarkoitusta: vakuuttaa kollegani siitä, ettemme ole tässä muutoksessa passiivisia toimijoita, että yritys tarvitsee heidän lahjakkuuttaan ja asiantuntemustaan muutoksen toteuttamiseen ja että tämä siirtymä tarjoaa mahdollisuuksia niille, jotka valitsevat valmistautua siihen ja osallistua siihen.
Muistio ei ole syvällinen insinöörityön dokumentti. Se ei käsittele turvallisuuden, luotettavuuden tai infrastruktuurin yksityiskohtia. Se osoittaa pikemminkin suunnan, johon koko toimialamme on menossa.
Muistio on kokonaisuudessaan luettavissa alla.
Lataa AI-manifesti PDF-tiedostona(uusi ikkuna)
AI @ Proton, insinöörityön manifesti
Sen ei pitäisi yllättää ketään Protonilla, vähiten insinöörejä, että ohjelmistosuunnittelu on muuttunut peruuttamattomasti tänä vuonna, ellei jo aiemmin. LLM-mallit ja niihin liittyvät työkalut ovat saaneet kyvyn kirjoittaa koodia siinä määrin, että eräs Protonin vanhempi insinööri sanoi minulle muutama päivä sitten ja lainaan: “Kukaan ei enää kirjoita koodia yksikössä {business unit name}.” Kuten puhelinnumeroiden ulkoa opettelu 1900-luvulla tai hevosella ratsastaminen 1800-luvulla, hyvän koodin kirjoittaminen käsin on ydinosaaminen, jonka aika on mennyt.
Se on yleisesti ottaen fantastinen asia. Suuri osa koodin kirjoittamisesta oli ja on aikaa vievää puurtamista, ainakin tuotannossa ja suuressa mittakaavassa. Dokumentointi ja testaus ovat molemmat tarpeellisia asioita, joita harva haluaa tehdä ja jotka on historiallisesti usein laiminlyöty, mikä on johtanut huonoon viestintään, tehottomuuteen ja luotettavuusongelmiin. Boilerplate-koodi on ohjelmistosuunnittelun puurtamisen huippu, eikä ihmisen ehkä enää koskaan tarvitse huolehtia siitä. Mallit voivat nyt neuvoa ja ehdottaa arkkitehtuureja ja järjestelmäsuunnitelmia, jotka, vaikka ovat usein epätäydellisiä, edistävät merkityksellisesti keskustelua, päätöksentekoa ja oppimista.
Protonin ulkopuolella AI-vallankumous valloittaa maailmaa. Paljon siitä on tyhjää puhetta ja pinnallisia, kosmeettisia kampanjoita, joiden tarkoitus on enemmän näyttää innovatiiviselta kuin todella olla innovatiivinen. Mutta suuri osa siitä on hyvin todellista, ja investoinnit, joita nuo yritykset (mukaan lukien kilpailijamme) tekevät nyt, määrittävät liiketoimintaympäristön, jossa toimimme tulevaisuudessa. Tässä ei ole kyse trendien perässä juoksemisesta. Olemme jäämässä tässä jälkeen, ja se on eksistentiaalinen uhka itse tehtävän onnistumiselle.
Miksi Protonilla ei sitten tunnu siltä, että vallankumous on tullut? Miksi tuottavuus ei ole kasvanut dramaattisesti, jos kaikki käyttävät jo LLM-malleja koko ajan? Uskon, että kyse on kolmesta asiasta, jotka meidän on kaikki korjattava, jos aiomme menestyä uudella aikakaudella, joka on jo täällä tänään, ei vasta tulossa.
Ensimmäinen on muutos insinöörikulttuurissa ja insinöörien ajattelutavassa. Työsi on muuttunut perusteellisesti. Se ei ole enää koodin kirjoittamista, eivätkä LLM-mallit ole täällä auttamassa sinua kirjoittamaan parempaa koodia nopeammin. Työsi on auttaa LLM-mallia kirjoittamaan parempaa koodia nopeammin. Jokainen insinööri on nyt tiiminvetäjä ja esihenkilö, ja suoria alaisiasi ovat käyttämäsi mallit ja agentit. Niiden suora ohjaaminen ja korjaaminen, kun ne ovat väärässä, kuuluu varmasti asiaan. Mutta kahden ihmisen tiimi, joka olisi aina tehnyt pariohjelmointia yhdessä, ei olisi kummoinenkaan tiimi, eikä myöskään tiimi, jossa kukaan ei työskentelisi, kun tiiminvetäjä on kokouksessa. Tekoälyn on pystyttävä työskentelemään itsenäisesti ja jatkuvasti yhä vähemmällä ihmisen vahtimisella. Työsi on tunnistaa ongelmia, joita LLM ei pysty ratkaisemaan yksin, ja auttaa sitä paitsi ratkaisemaan ne tällä kertaa, myös ratkaisemaan ne paremmin seuraavalla kerralla, ei vain sinun vaan kaikkien hyväksi: repositoriotason kontekstitiedostot, jaetut taidot ja kehotteet sekä tapa varmistaa, että toistuvat epäonnistumiset johtavat tutkintaan ja korjaukseen. Työsi on työntää rajoja sille, mitä LLM pystyy tekemään itsenäisesti, astua esiin niissä asioissa, joihin se ei pysty, ja miettiä aina, miten voit parantaa nykytilaa.
Tämä ei ole asiantuntijuuden kuolema. LLM on nopea. Sinä olet hidas, mutta kannat mukanasi elinikäistä kokemusta, harkintakykyä ja ymmärrystä. Olet myös (toivottavasti) paljon vähemmän altis hallusinaatioille ja huonojen tai haitallisten syötteiden harhauttamiselle, ja olet vastuussa itsellesi, tiimikavereillesi ja Protonille tavalla, johon malli ei voi koskaan yltää. Yhdessä voitte tehdä paljon enemmän ja paljon nopeammin kuin kumpikaan yksin.
Kyse ei myöskään ole hyvien insinöörikäytäntöjen kuolemasta. Ylläpidettävyys ja vauhti ovat parempia hyvin suunnitelluissa koodikannoissa. Dokumentointi ja testit pysyvät ratkaisevan tärkeinä. Siitä huolimatta meidän on oltava avoimia sille, että parhaat käytännöt muuttuvat kustannusten ja kyvykkyyksien mukana. Testaus on tästä hyvä esimerkki. Vanha paras käytäntö sanoo, että liian monet testit (erityisesti päästä päähän -testit) ovat huono kompromissi maailmassa, jossa testien kirjoittaminen ja ylläpitäminen on kallista. Jos testien kirjoittamisesta ja ylläpitämisestä tulee halpaa, raja, jonka vedämme, todennäköisesti muuttuu myös.
Toinen syy siihen, miksi emme ole pystyneet hyödyntämään AI-vallankumousta täysimääräisesti, on se, että olemme olleet lähes täysin jumissa vaiheessa 1, jossa käytämme LLM-malleja tehtävien nopeuttamiseen osana nykyisiä työnkulkuja. Mutta koodin kirjoittaminen ei ole ohjelmistokehityksen elinkaaren ainoa osa, ja mitä tapahtuu, kun poistat pullonkaulan? Toinen tulee sen tilalle. Ehkä se on CI:n nopeus ja kapasiteetti. Ehkä se on suunnittelu, hyväksynnät, määrittelyt ja koodikatselmoinnit (kyllä, meidän on päästävä ja pääsemme pisteeseen, jossa suurin osa ihmisten tekemästä koodikatselmoinnista päättyy). Ehkä työnkulku ei muutu paljon, mutta LLM-mallit antavat meidän viimein panostaa automaatioon, joka oli aiemmin kustannussyistä mahdotonta. Jos emme tarkastele kaikkia prosessejamme kokonaisvaltaisesti ja poista pullonkauloja armottomasti, emme saavuta täyttä potentiaaliamme. Usein näiden pullonkaulojen poistaminen ei tarkoita vain nykyisten työnkulkujemme osien optimointia vaan niiden uudelleen työstämistä ja uudelleen ajattelemista kokonaan. Tämä on vaihe 2, ja meidän on päästävä sinne nyt.
Kolmas syy on kollektiivisen toiminnan ongelma. LLM-mallien tehokas käyttäminen koodin kirjoittamiseen on asia, jonka yksittäinen insinööri voi tehdä itse. CI-prosessin uudelleenrakentaminen tai optimointi koko tiimille, liiketoimintayksikölle tai yritykselle on paljon raskaampi urakka, ja siihen liittyy vaihtoehtoiskustannuksia ja kompromisseja. Se ei ole mahdotonta, ja monet Protonilla ovat tehneet upeita asioita omatoimisesti, ja osa niistä on levinnyt laajalle. Mutta koko yrityksen uudelleenvarustelu vaatii sekä organisointia että resursseja siinä määrin, ettemme yksinkertaisesti ole vielä panostaneet niihin. Mitä tulee edellisessä kappaleessa käsiteltyyn ohjelmistokehityksen elinkaareen, monissa tapauksissa emme edes tiedä, missä pullonkaulat ovat, koska emme ole panostaneet tarvittaviin työkaluihin niiden löytämiseksi. Jonkinlainen varovaisuus on ehkä ollut perusteltua aiemmin. Kesti jonkin aikaa selvittää, miten näitä uusia työkaluja kannattaa käyttää, ja jatkamme kokeilujen rohkaisemista. Mutta on jo aika sitoutua organisaationa muutokseen, jota tämä hetki vaatii.
Mitä tämä sitten tarkoittaa sinulle, insinööri? No, toimijuutesi ja vastuusi ovat molemmat laajentuneet. Et ole vastuussa vain siitä, että työ tulee tehdyksi, vaan omistat nyt myös sen, miten se tehdään, ja olet siksi vastuussa jatkuvasta optimoinnista ja maksimaalisesta automaatiosta (ja näiden parannusten jakamisesta kollegoillesi, sillä menestys Protonilla on joukkuelaji). Sinun vastuullasi on myös nostaa esiin ja eskaloida tarvittavia parannuksia, joita et voi toteuttaa itse. Proton puolestaan organisoi ja resursoi kriittiset investoinnit, joita tarvitaan vaiheen 2 läpiviemiseen ja AI-vallankumouksen potentiaalin täysimääräiseen saavuttamiseen.
Pohjimmiltaan olemme uudessa maailmassa. “Ohjelmointi” on kuollut. Insinöörityö ei ole, eikä asiantuntijuus. Vanha työsi on poissa. Uusi työsi rakentajana antaa sinun tehdä enemmän ja vaikuttaa enemmän kuin koskaan, jos tartut tilaisuuteen. Ja Proton luo sinulle edellytykset siihen, ja kuulet näistä pyrkimyksistä lisää tulevina päivinä ja viikkoina. Kokeilujen aikakausi jatkuu, mutta nyt on aika toimia. Tulevaisuus on täällä. Tehdään siitä meidän.
Kansikuvan tekijä: Bernard Leonardo
Instagram: @dranreboel
Verkkosivusto: https://dranreboel.myportfolio.com/work






