I løpet av de siste par tiårene har myndigheter og andre brukt milliarder på å lære folk å kode. Det ble ansett som en av de få profesjonene som ville være trygge i en verden i endring, men det viser seg at å skrive og manipulere kode er en av aktivitetene som AI-modeller egner seg best til. Teknologiselskaper har sagt opp over 1 million ansatte de siste årene, og Microsoft tilbød 60 000 sluttpakker så sent som forrige uke. Det er et skremmende og fullstendig desorienterende øyeblikk for folk i programvarebransjen.
For omtrent en måned siden skrev jeg et internt notat der jeg beskrev banen for AI-innføring som Proton må følge for å forbli konkurransedyktige og sikre, og hva vi så langt har oversett som organisasjon, og som vi må rette opp for å gjøre denne uunngåelige overgangen til en suksess. Det er liten tvil om at organisasjoner som ikke klarer å transformere raskt nok, til slutt vil svikte teamene sine og dem som er avhengige av dem.
Notatet hadde også et annet formål: å overbevise kollegene mine om at vi ikke er passive aktører i denne endringen, at selskapet trenger talentene og ekspertisen deres for å gjennomføre den, og at overgangen gir muligheter til dem som velger å forberede seg på den og engasjere seg i den.
Notatet er ikke et grundig ingeniørdokument. Det går ikke i dybden på detaljene rundt sikkerhet, pålitelighet eller infrastruktur. I stedet peker det på hvilken retning bransjen vår som helhet beveger seg i.
Du finner hele notatet nedenfor.
Last ned en PDF av AI-manifestet(nytt vindu)
AI @ Proton, ingeniørmanifest
Det bør ikke komme som noen overraskelse for noen hos Proton, minst av alt i ingeniørmiljøet, at programvareutvikling har endret seg ugjenkallelig i år, om ikke tidligere. LLM-er og verktøyene som hører til, har fått evnen til å skrive kode i en grad der en erfaren Proton-ingeniør sa til meg for noen dager siden, og jeg siterer: «Ingen skriver kode i {business unit name} lenger.» På samme måte som å pugge telefonnumre på 1900-tallet eller å ri på 1800-tallet, er det å skrive god kode manuelt en kjerneferdighet som har utspilt sin rolle.
Det er generelt en fantastisk ting. Mye av kodeskriving var og er tidkrevende slit, i hvert fall i produksjon og i stor skala. Dokumentasjon og testing er begge nødvendige ting som få liker å gjøre, og som historisk sett ofte har blitt forsømt, med dårlig kommunikasjon, ineffektivitet og pålitelighetsproblemer som resultat. Boilerplate er selve innbegrepet av det kjedelige arbeidet i programvareutvikling, og det kan hende at et menneske aldri mer trenger å bekymre seg for det. Modeller kan nå gi råd og foreslå arkitekturer og systemdesign som, selv om de ofte er ufullkomne, bidrar på en meningsfull måte til diskusjon, beslutningstaking og læring.
Utenfor Proton tar AI-revolusjonen verden med storm. Mye av det er tomt og overfladisk, kosmetiske kampanjer som handler mer om å bli sett på som innovative enn om å faktisk være innovative. Men mye av det er svært reelt, og investeringene selskapene (inkludert konkurrentene våre) gjør nå, vil avgjøre forretningsmiljøet vi skal operere i fremover. Dette handler ikke om å jage trender – vi blir hengende etter her, og det er en eksistensiell trussel mot selve oppdragets suksess.
Så hvorfor føles det ikke som om revolusjonen har kommet hos Proton? Hvorfor har produktiviteten ikke økt dramatisk hvis alle allerede bruker LLM-er hele tiden? Jeg tror det koker ned til tre ting, som vi må rette opp i hvis vi skal lykkes i den nye æraen som allerede er her i dag, og ikke er på vei.
Den første er en endring i ingeniørkultur og ingeniørmentalitet. Jobben din har endret seg grunnleggende. Den er ikke lenger å skrive kode, og LLM-ene er ikke her for å hjelpe deg med å skrive bedre kode raskere. Jobben din er å hjelpe LLM-en med å skrive bedre kode raskere. Hver ingeniør er nå teamleder og leder, og de du har direkte ansvar for, er modellene og agentene du bruker. Å veilede dem direkte og rette dem når de tar feil, er absolutt en del av det. Men et team på to personer som alltid parprogrammerte sammen, ville ikke være stort til team, og det samme gjelder et team der ingen jobbet når teamlederen var i et møte. AI-en må kunne jobbe autonomt og kontinuerlig med stadig mindre menneskelig oppsyn. Jobben din er å identifisere problemer som LLM-en ikke kan løse på egen hånd, og hjelpe den med ikke bare å løse dem denne gangen, men også å kunne løse dem bedre neste gang – ikke bare for deg, men for alle: kontekstfiler på repositorienivå, delte ferdigheter og ledetekster, og en vane med å sikre at gjentatte feil utløser en undersøkelse og en retting. Jobben din er å presse grensene for hva LLM-en kan gjøre autonomt, gripe inn for ting den ikke klarer, og alltid tenke på hvordan du kan forbedre dagens situasjon.
Dette er ikke slutten på ekspertisen. LLM-en er rask. Du er treg, men du bærer med deg et helt livs erfaring, skjønn og forståelse. Du er også (forhåpentligvis) mye mindre utsatt for hallusinasjoner og for å bli villedet av dårlige eller ondsinnede inndata, og du er ansvarlig overfor deg selv, teamet ditt og Proton på en måte en modell aldri kan være. Sammen kan dere gjøre langt mer, langt raskere enn noen av dere kan gjøre alene.
Det er heller ikke slutten på god ingeniørpraksis. Vedlikeholdbarhet og hastighet er bedre i godt arkitekturerte kodebaser. Dokumentasjon og tester er fortsatt avgjørende. Når det er sagt, må vi være åpne for at beste praksis endrer seg når kostnader og muligheter endrer seg. Testing er et godt eksempel på dette. Gammel beste praksis sier at for mange tester (særlig ende-til-ende-tester) er en dårlig avveining i en verden der det er dyrt å skrive og vedlikeholde tester. Hvis det blir billig å skrive og vedlikeholde tester, vil sannsynligvis stedet der vi trekker den grensen, også endre seg.
Den andre grunnen til at vi ikke har klart å dra full nytte av AI-revolusjonen, er at vi nesten har stått helt fast i fase 1 – å bruke LLM-er til å fremskynde oppgaver som en del av eksisterende arbeidsflyter. Men å skrive kode er ikke den eneste delen av programvareutviklingens livssyklus, og hva skjer når du fjerner en flaskehals? En ny tar plassen. Kanskje er det hastigheten og kapasiteten til CI-en. Kanskje er det design, godkjenninger, spesifikasjoner og kodegjennomganger (ja, vi må og kommer til å komme til et punkt der mesteparten av menneskelig kodegjennomgang vil ta slutt). Kanskje endrer arbeidsflyten seg ikke så mye, men LLM-ene lar oss endelig investere i automatisering som tidligere var for kostbart. Hvis vi ikke ser på alle prosessene våre helhetlig og nådeløst fjerner flaskehalser, vil vi ikke nå vårt fulle potensial. Ofte vil det å fjerne disse flaskehalsene ikke bare innebære å optimalisere deler av de eksisterende arbeidsflytene våre, men å omarbeide og tenke dem helt på nytt. Dette er fase 2, og vi må komme dit nå.
Den tredje grunnen er et kollektivt handlingsproblem. Å bruke LLM-er effektivt til å skrive kode er noe en enkelt ingeniør kan gjøre på egen hånd. Å bygge opp eller optimalisere CI-prosessen på nytt for et helt team, en forretningsenhet eller et selskap er en mye tyngre oppgave, og den fører med seg alternativkostnader og avveininger. Det er ikke umulig, og mange hos Proton har gjort fantastiske ting på egen hånd, noe som har spredt seg vidt og bredt. Men å legge om hele selskapet krever både organisering og ressurser i et omfang vi rett og slett ikke har investert i ennå. Når det gjelder diskusjonen om programvareutviklingens livssyklus i forrige avsnitt, vet vi i mange tilfeller ikke engang hvor flaskehalsene er, fordi vi ikke har investert i verktøyene som trengs for å finne ut av det. Noe forsiktighet kan ha vært berettiget tidligere – det tok litt tid å finne ut hvordan man best bruker disse nye verktøyene, og vi vil fortsette å oppmuntre til eksperimentering. Men det er på høy tid å forplikte seg, som organisasjon, til den transformasjonen øyeblikket krever.
Så hva betyr dette for deg som ingeniør? Vel, både handlingsrommet og ansvaret ditt har utvidet seg. Du er ikke bare ansvarlig for at arbeidet blir gjort, du eier nå også hvordan det blir gjort, og er derfor ansvarlig for kontinuerlig optimalisering og maksimal automatisering (og for å dele disse forbedringene med kollegene dine – suksess hos Proton er en lagidrett). Det er også ditt ansvar å flagge og eskalere nødvendige forbedringer som du ikke kan gjennomføre på egen hånd. Proton vil på sin side organisere og bevilge ressurser til de kritiske investeringene som trengs for å komme gjennom fase 2 og fullt ut realisere potensialet i AI-revolusjonen.
Kort sagt, vi er i en ny verden. «Programmering» er død. Ingeniørfaget er ikke det, og det er heller ikke ekspertisen. Den gamle jobben din er borte. Den nye jobben din som bygger vil la deg gjøre mer og ha større innvirkning enn noen gang, hvis du griper muligheten. Og Proton vil legge til rette for at du kan gjøre det – tiltak du vil høre mer om i dagene og ukene som kommer. Eksperimenteringens æra fortsetter, men tiden for å handle er nå. Fremtiden er her – la oss gjøre den til vår.
Forsidebilde av: Bernard Leonardo
Instagram: @dranreboel
Nettsted: https://dranreboel.myportfolio.com/work






