AI ຈະແທນທີ່ນັກຂຽນໂປລແກລມບໍ? ອັນສຸດທ້າຍ, ປິດຕົວແກ້ໄຂລະຫັດ.

" ອັນສຸດທ້າຍ, ປິດຕົວແກ້ໄຂລະຫັດ. " ປະໂຫຍກທີ່ໃຊ້ໃນແກ້ມນີ້ໄດ້ເຮັດໃຫ້ຮອບໃນເວທີສົນທະນາຂອງນັກພັດທະນາ, ສະທ້ອນໃຫ້ເຫັນເຖິງຄວາມຕະຫຼົກທີ່ເປັນຫ່ວງກ່ຽວກັບການເພີ່ມຂຶ້ນຂອງຜູ້ຊ່ວຍການຂຽນລະຫັດ AI. ເມື່ອຕົວແບບ AI ມີຄວາມສາມາດຂຽນລະຫັດຫຼາຍຂຶ້ນ, ນັກຂຽນໂປລແກລມຈໍານວນຫຼາຍກໍາລັງຖາມວ່ານັກພັດທະນາຂອງມະນຸດກໍາລັງມຸ່ງຫນ້າໄປສູ່ຊະຕາກໍາດຽວກັນກັບຜູ້ປະຕິບັດການລິຟຫຼືຕົວປະຕິບັດການ switchboard - ວຽກທີ່ລ້າສະໄຫມໂດຍອັດຕະໂນມັດ. ໃນປີ 2024, ຫົວຂໍ້ຂ່າວທີ່ກ້າຫານໄດ້ປະກາດວ່າປັນຍາປະດິດສາມາດຂຽນລະຫັດຂອງພວກເຮົາທັງຫມົດໃນໄວໆນີ້, ເຮັດໃຫ້ນັກພັດທະນາຂອງມະນຸດບໍ່ມີຫຍັງເຮັດ. ແຕ່ທາງຫລັງຂອງ hype ແລະ sensationalism, ຄວາມເປັນຈິງແມ່ນຢູ່ໄກ nuanced ຫຼາຍ.

ແມ່ນແລ້ວ, ດຽວນີ້ AI ສາມາດສ້າງລະຫັດໄດ້ໄວກວ່າມະນຸດທຸກຄົນ, ແຕ່ ລະຫັດນັ້ນດີປານໃດ, ແລະ AI ສາມາດຈັດການວົງຈອນການພັດທະນາຊອບແວທັງໝົດດ້ວຍຕົວມັນເອງໄດ້ບໍ? ຜູ້ຊ່ຽວຊານສ່ວນໃຫຍ່ເວົ້າວ່າ "ບໍ່ໄວ." ຜູ້ນໍາດ້ານວິສະວະກໍາຊອບແວເຊັ່ນ CEO Satya Nadella ຂອງ Microsoft ເນັ້ນຫນັກວ່າ "AI ຈະບໍ່ປ່ຽນແທນນັກຂຽນໂປລແກລມ, ແຕ່ມັນຈະກາຍເປັນເຄື່ອງມືທີ່ສໍາຄັນໃນສານຫນູຂອງພວກເຂົາ. ມັນກ່ຽວກັບການສ້າງຄວາມເຂັ້ມແຂງໃຫ້ມະນຸດເຮັດຫຼາຍ, ບໍ່ແມ່ນຫນ້ອຍ." ( AI ຈະແທນທີ່ Programmers ບໍ? ຄວາມຈິງທີ່ຢູ່ເບື້ອງຫລັງການ Hype | ໂດຍ The PyCoach | Artificial Corner | Mar, 2025 | Medium ) ເຊັ່ນດຽວກັນ, Jeff Dean ຫົວຫນ້າ AI ຂອງ Google ໃຫ້ສັງເກດວ່າໃນຂະນະທີ່ AI ສາມາດຈັດການກັບວຽກງານການຂຽນລະຫັດປົກກະຕິ, "ມັນຍັງຂາດຄວາມຄິດສ້າງສັນແລະທັກສະການແກ້ໄຂບັນຫາ . ເຖິງແມ່ນວ່າ Sam Altman, CEO ຂອງ OpenAI, ຍອມຮັບວ່າ AI ໃນມື້ນີ້ແມ່ນ "ດີຫຼາຍໃນວຽກງານ" ແຕ່ "ຂີ້ຮ້າຍໃນວຽກເຕັມທີ່" ໂດຍບໍ່ມີການເບິ່ງແຍງຂອງມະນຸດ. ໃນສັ້ນ, AI ແມ່ນດີເລີດໃນການຊ່ວຍເຫຼືອວຽກງານ, ແຕ່ບໍ່ສາມາດທີ່ຈະຄອບຄອງວຽກງານຂອງໂປລແກລມໄດ້ຢ່າງສົມບູນຕັ້ງແຕ່ຕົ້ນຈົນຈົບ.

ກະດາດສີຂາວນີ້ພິຈາລະນາຢ່າງຊື່ສັດ, ມີຄວາມສົມດູນຢູ່ໃນຄໍາຖາມ "AI ຈະປ່ຽນແທນນັກຂຽນໂປລແກລມບໍ?" ພວກເຮົາກວດເບິ່ງວ່າ AI ມີຜົນກະທົບແນວໃດຕໍ່ບົດບາດການພັດທະນາຊອບແວໃນມື້ນີ້ແລະສິ່ງທີ່ມີການປ່ຽນແປງຢູ່ຂ້າງຫນ້າ. ໂດຍຜ່ານຕົວຢ່າງຂອງໂລກທີ່ແທ້ຈິງແລະເຄື່ອງມືທີ່ຜ່ານມາ (ຈາກ GitHub Copilot ເຖິງ ChatGPT), ພວກເຮົາຄົ້ນຫາວິທີການທີ່ນັກພັດທະນາສາມາດປັບຕົວ, ປັບຕົວ, ແລະມີຄວາມກ່ຽວຂ້ອງໃນຂະນະທີ່ AI ພັດທະນາ. ແທນທີ່ຈະເປັນຄໍາຕອບວ່າແມ່ນ ຫຼືບໍ່ແມ່ນແບບງ່າຍໆ, ພວກເຮົາຈະເຫັນວ່າອະນາຄົດແມ່ນການຮ່ວມມືລະຫວ່າງ AI ແລະຜູ້ພັດທະນາມະນຸດ. ເປົ້າໝາຍແມ່ນເພື່ອເນັ້ນໃຫ້ເຫັນ ຄວາມເຂົ້າໃຈໃນພາກປະຕິບັດ ກ່ຽວກັບສິ່ງທີ່ນັກພັດທະນາສາມາດເຮັດໄດ້ເພື່ອຈະເລີນເຕີບໂຕໃນຍຸກຂອງ AI – ຈາກການນຳເອົາເຄື່ອງມືໃໝ່ໆມາສູ່ການຮຽນຮູ້ທັກສະໃໝ່ໆ ແລະເພື່ອຄາດຄະເນວ່າອາຊີບການຂຽນລະຫັດອາດຈະພັດທະນາໃນຊຸມປີຕໍ່ໜ້າ.

AI ໃນການພັດທະນາຊອບແວໃນມື້ນີ້

AI ໄດ້​ເຊື່ອມ​ຕົວ​ເຂົ້າ​ໄປ​ໃນ​ຂະ​ບວນ​ການ​ພັດ​ທະ​ນາ​ຊອບ​ແວ​ທີ່​ທັນ​ສະ​ໄຫມ​ຢ່າງ​ວ່ອງ​ໄວ​. ໄກຈາກການເປັນນິຍາຍວິທະຍາສາດ, ເຄື່ອງມືທີ່ໃຊ້ AI ກໍາລັງ ຂຽນ ແລະທົບທວນລະຫັດ , ອັດຕະໂນມັດວຽກງານທີ່ໜ້າເບື່ອ, ແລະເພີ່ມປະສິດທິພາບຂອງນັກພັດທະນາ. ຜູ້ພັດທະນາໃນທຸກມື້ນີ້ໃຊ້ AI ເພື່ອສ້າງຂໍ້ມູນລະຫັດ, ຟັງຊັນການຕື່ມຂໍ້ມູນອັດຕະໂນມັດ, ກວດຫາຂໍ້ບົກຜ່ອງ, ແລະແມ່ນແຕ່ກໍລະນີທົດສອບຫັດຖະກໍາ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ) ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ໃນຄໍາສັບຕ່າງໆອື່ນໆ, AI ກໍາລັງຄອບຄອງການເຮັດວຽກທີ່ຫນ້າເສົ້າໃຈແລະ boilerplate, ໃຫ້ນັກຂຽນໂປລແກລມສຸມໃສ່ລັກສະນະທີ່ສັບສົນຫຼາຍຂອງການສ້າງຊອບແວ. ມາເບິ່ງຄວາມສາມາດ ແລະ ເຄື່ອງມືຂອງ AI ທີ່ໂດດເດັ່ນບາງອັນທີ່ກຳລັງປ່ຽນແປງການຂຽນໂປຼແກຼມໃນປັດຈຸບັນ:

• ການສ້າງລະຫັດ & ການຕື່ມຂໍ້ມູນອັດຕະໂນມັດ: ຜູ້ຊ່ວຍການເຂົ້າລະຫັດ AI ທີ່ທັນສະໄຫມສາມາດຜະລິດລະຫັດໂດຍອີງໃສ່ການເຕືອນເປັນພາສາທໍາມະຊາດ ຫຼືເນື້ອໃນຂອງລະຫັດບາງສ່ວນ. ຕົວຢ່າງ, GitHub Copilot (ສ້າງຢູ່ໃນຕົວແບບ Codex ຂອງ OpenAI) ປະສົມປະສານກັບບັນນາທິການເພື່ອແນະນໍາແຖວຕໍ່ໄປຫຼືບລັອກຂອງລະຫັດຕາມທີ່ທ່ານພິມ. ມັນໃຊ້ຊຸດການຝຶກອົບຮົມທີ່ກວ້າງຂວາງຂອງລະຫັດແຫຼ່ງເປີດເພື່ອສະເຫນີຄໍາແນະນໍາກ່ຽວກັບສະພາບການ, ມັກຈະສາມາດເຮັດສໍາເລັດຫນ້າທັງຫມົດຈາກພຽງແຕ່ຄໍາຄິດຄໍາເຫັນຫຼືຊື່ຫນ້າທີ່. ເຊັ່ນດຽວກັນ, ChatGPT (GPT-4) ສາມາດສ້າງລະຫັດສໍາລັບວຽກງານທີ່ມອບໃຫ້ໃນເວລາທີ່ທ່ານອະທິບາຍສິ່ງທີ່ທ່ານຕ້ອງການເປັນພາສາອັງກິດທໍາມະດາ. ເຄື່ອງ​ມື​ເຫຼົ່າ​ນີ້​ສາ​ມາດ​ຮ່າງ​ລະ​ຫັດ boilerplate ໃນ​ວິ​ນາ​ທີ​, ຈາກ​ຫນ້າ​ທີ່​ຜູ້​ຊ່ວຍ​ງ່າຍ​ດາຍ​ເພື່ອ​ປະ​ຕິ​ບັດ​ການ CRUD ເປັນ​ປົກ​ກະ​ຕິ​.

• ການກວດຫາຂໍ້ຜິດພາດ ແລະການທົດສອບ: AI ຍັງຊ່ວຍຈັບຂໍ້ຜິດພາດ ແລະປັບປຸງຄຸນນະພາບລະຫັດ. ເຄື່ອງມືການວິເຄາະສະຖິດທີ່ຂັບເຄື່ອນດ້ວຍ AI ແລະ linters ສາມາດຊີ້ບອກຂໍ້ບົກຜ່ອງທີ່ອາດຈະເກີດຂຶ້ນຫຼືຄວາມອ່ອນແອດ້ານຄວາມປອດໄພໂດຍການຮຽນຮູ້ຈາກຮູບແບບແມງໄມ້ທີ່ຜ່ານມາ. ບາງເຄື່ອງມື AI ອັດຕະໂນມັດສ້າງການທົດສອບຫນ່ວຍງານຫຼືແນະນໍາກໍລະນີທົດສອບໂດຍການວິເຄາະເສັ້ນທາງລະຫັດ. ນີ້ຫມາຍຄວາມວ່ານັກພັດທະນາສາມາດໄດ້ຮັບຄໍາຕິຊົມທັນທີກ່ຽວກັບກໍລະນີທີ່ເຂົາເຈົ້າອາດຈະພາດ. ໂດຍການຊອກຫາຂໍ້ບົກພ່ອງໃນຕົ້ນປີແລະແນະນໍາການແກ້ໄຂ, AI ປະຕິບັດຄືກັບຜູ້ຊ່ວຍ QA ທີ່ບໍ່ອິດເມື່ອຍທີ່ເຮັດວຽກຄຽງຄູ່ກັບຜູ້ພັດທະນາ.

• Code Optimization & Refactoring: ການນໍາໃຊ້ AI ອື່ນແມ່ນແນະນໍາການປັບປຸງລະຫັດທີ່ມີຢູ່. ຕາມຂໍ້ມູນຫຍໍ້ໆ, AI ສາມາດແນະນຳວິທີທີ່ມີປະສິດທິພາບກວ່າ ຫຼືການຈັດຕັ້ງປະຕິບັດທີ່ສະອາດຂຶ້ນໂດຍການຮັບຮູ້ຮູບແບບໃນລະຫັດ. ສໍາລັບຕົວຢ່າງ, ມັນອາດຈະແນະນໍາການນໍາໃຊ້ idiomatic ຫຼາຍຂອງຫ້ອງສະຫມຸດຫຼືລະຫັດຊ້ໍາຊ້ອນທຸງທີ່ສາມາດໄດ້ຮັບການ refactored. ນີ້ຊ່ວຍໃນການຫຼຸດຜ່ອນຫນີ້ສິນດ້ານວິຊາການແລະການປັບປຸງການປະຕິບັດ. ເຄື່ອງມື refactoring ທີ່ໃຊ້ AI ສາມາດປ່ຽນລະຫັດເພື່ອປະຕິບັດຕາມການປະຕິບັດທີ່ດີທີ່ສຸດຫຼືປັບປຸງລະຫັດໃຫ້ກັບ API ຮຸ່ນໃຫມ່, ປະຫຍັດເວລາຂອງນັກພັດທະນາໃນການທໍາຄວາມສະອາດດ້ວຍມື.

• DevOps ແລະອັດຕະໂນມັດ: ນອກເຫນືອຈາກການຂຽນລະຫັດ, AI ປະກອບສ່ວນເຂົ້າໃນຂະບວນການສ້າງແລະນໍາໃຊ້. ເຄື່ອງມື CI/CD ອັດສະລິຍະໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກເພື່ອຄາດຄະເນວ່າການທົດສອບໃດທີ່ອາດຈະລົ້ມເຫລວ ຫຼືຈັດລໍາດັບຄວາມສໍາຄັນຂອງວຽກກໍ່ສ້າງ, ເຮັດໃຫ້ທໍ່ການເຊື່ອມໂຍງຢ່າງຕໍ່ເນື່ອງໄວຂຶ້ນ ແລະມີປະສິດທິພາບຫຼາຍຂຶ້ນ. AI ສາມາດວິເຄາະບັນທຶກການຜະລິດແລະຕົວຊີ້ບອກປະສິດທິພາບເພື່ອກໍານົດບັນຫາຫຼືແນະນໍາການເພີ່ມປະສິດທິພາບໂຄງສ້າງພື້ນຖານ. ໃນຄວາມເປັນຈິງ, AI ກໍາລັງຊ່ວຍເຫຼືອບໍ່ພຽງແຕ່ໃນການຂຽນລະຫັດ, ແຕ່ໃນທົ່ວວົງຈອນການພັດທະນາຊອບແວ - ຈາກການວາງແຜນຈົນເຖິງການບໍາລຸງຮັກສາ.

• ການໂຕ້ຕອບພາສາທໍາມະຊາດ & ເອກະສານ: ພວກເຮົາຍັງເຫັນ AI ເຮັດໃຫ້ການໂຕ້ຕອບທໍາມະຊາດຫຼາຍຂຶ້ນກັບເຄື່ອງມືພັດທະນາ. ນັກພັດທະນາສາມາດ ຂໍໃຫ້ AI ປະຕິບັດຫນ້າວຽກ ("ສ້າງຫນ້າທີ່ເຮັດ X" ຫຼື "ອະທິບາຍລະຫັດນີ້") ແລະໄດ້ຮັບຜົນໄດ້ຮັບ. AI chatbots (ເຊັ່ນ: ChatGPT ຫຼືຜູ້ຊ່ວຍ dev ພິເສດ) ສາມາດຕອບຄໍາຖາມການຂຽນໂປລແກລມ, ຊ່ວຍເຫຼືອກ່ຽວກັບເອກະສານ, ແລະແມ້ກະທັ້ງຂຽນເອກະສານໂຄງການຫຼືຂໍ້ຄວາມທີ່ອີງໃສ່ການປ່ຽນແປງລະຫັດ. ນີ້ເຮັດໃຫ້ຊ່ອງຫວ່າງລະຫວ່າງຄວາມຕັ້ງໃຈຂອງມະນຸດແລະລະຫັດ, ເຮັດໃຫ້ການພັດທະນາສາມາດເຂົ້າເຖິງຜູ້ທີ່ສາມາດອະທິບາຍສິ່ງທີ່ພວກເຂົາຕ້ອງການ.

• 

ນັກພັດທະນານໍາໃຊ້ເຄື່ອງມື AI: ການສໍາຫຼວດໃນປີ 2023 ຊີ້ໃຫ້ເຫັນວ່າ 92% ຂອງນັກພັດທະນາໄດ້ໃຊ້ເຄື່ອງມືການຂຽນລະຫັດ AI ໃນຄວາມສາມາດບາງຢ່າງ - ບໍ່ວ່າຈະຢູ່ໃນບ່ອນເຮັດວຽກ, ໃນໂຄງການສ່ວນບຸກຄົນຂອງເຂົາເຈົ້າ, ຫຼືທັງສອງ. ມີພຽງແຕ່ 8% ພຽງເລັກນ້ອຍເທົ່ານັ້ນທີ່ລາຍງານວ່າບໍ່ໄດ້ໃຊ້ການຊ່ວຍເຫຼືອ AI ໃດໆໃນການເຂົ້າລະຫັດ. ຕາຕະລາງນີ້ສະແດງໃຫ້ເຫັນວ່າສອງສ່ວນສາມຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມື AI ທັງ ໃນແລະນອກບ່ອນ ເຮັດວຽກ, ໃນຂະນະທີ່ຫນຶ່ງສ່ວນຫນຶ່ງໃຊ້ພວກມັນສະເພາະໃນບ່ອນເຮັດວຽກແລະສ່ວນຫນ້ອຍພຽງແຕ່ຢູ່ນອກບ່ອນເຮັດວຽກ. Takeaway ແມ່ນຈະແຈ້ງ: AI-assisted coding ໄດ້ເຂົ້າສູ່ກະແສຕົ້ນຕໍຢ່າງໄວວາໃນບັນດານັກພັດທະນາ ( ການສໍາຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ຕໍ່ປະສົບການຂອງນັກພັດທະນາ - The GitHub Blog ).

ການຂະຫຍາຍຕົວຂອງເຄື່ອງມື AI ໃນການພັດທະນານີ້ໄດ້ເຮັດໃຫ້ການ ເພີ່ມປະສິດທິພາບແລະການຫຼຸດຜ່ອນຄວາມຂີ້ຄ້ານ ໃນການເຂົ້າລະຫັດ. ຜະລິດຕະພັນໄດ້ຖືກສ້າງຂື້ນໄວຂຶ້ນຍ້ອນວ່າ AI ຊ່ວຍສ້າງລະຫັດ boilerplate ແລະຈັດການກັບວຽກງານທີ່ຊໍ້າຊ້ອນ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ) ( ແມ່ນ AI ຈະປ່ຽນແທນນັກພັດທະນາໃນປີ 2025: A Sneak Peek ໄປສູ່ອະນາຄົດ ). ເຄື່ອງມືເຊັ່ນ: Copilot ຍັງສາມາດແນະນໍາ algorithms ຫຼືວິທີແກ້ໄຂທັງຫມົດທີ່ "ອາດຈະບໍ່ຈະແຈ້ງໃນທັນທີສໍາລັບນັກພັດທະນາຂອງມະນຸດ," ຍ້ອນການຮຽນຮູ້ຈາກຊຸດຂໍ້ມູນຈໍານວນຫລາຍຂອງລະຫັດ. ຕົວຢ່າງໃນໂລກທີ່ແທ້ຈິງອຸດົມສົມບູນ: ວິສະວະກອນສາມາດຂໍໃຫ້ ChatGPT ປະຕິບັດຫນ້າທີ່ຈັດລຽງຫຼືຊອກຫາຂໍ້ບົກພ່ອງໃນລະຫັດຂອງພວກເຂົາ, ແລະ AI ຈະຜະລິດການແກ້ໄຂຮ່າງໃນວິນາທີ. ບໍລິສັດເຊັ່ນ Amazon ແລະ Microsoft ໄດ້ນໍາໃຊ້ໂປແກຼມຄູ່ AI (Amazon's CodeWhisperer ແລະ Microsoft's Copilot) ໃຫ້ກັບທີມພັດທະນາຂອງພວກເຂົາ, ລາຍງານວຽກງານທີ່ສໍາເລັດໄວຂຶ້ນແລະຫນ້ອຍຊົ່ວໂມງໃນໂລກທີ່ໃຊ້ເວລາໃນ boilerplate. ໃນຄວາມເປັນຈິງ, 70% ຂອງນັກພັດທະນາ ທີ່ໄດ້ສໍາຫຼວດໃນການສໍາຫຼວດ Stack Overflow ປີ 2023 ກ່າວວ່າພວກເຂົາໃຊ້ແລ້ວຫຼືວາງແຜນທີ່ຈະໃຊ້ເຄື່ອງມື AI ໃນຂະບວນການພັດທະນາຂອງພວກເຂົາ ( 70% ຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມືການຂຽນລະຫັດ AI, 3% ໄວ້ວາງໃຈສູງໃນຄວາມຖືກຕ້ອງ - ShiftMag ). ຜູ້ຊ່ວຍທີ່ນິຍົມຫຼາຍທີ່ສຸດແມ່ນ ChatGPT (ໃຊ້ໂດຍ ~ 83% ຂອງຜູ້ຕອບ) ແລະ GitHub Copilot (~56%), ສະແດງໃຫ້ເຫັນວ່າ AI ການສົນທະນາທົ່ວໄປແລະຜູ້ຊ່ວຍປະສົມປະສານ IDE ແມ່ນທັງສອງຜູ້ນທີ່ສໍາຄັນ. ນັກພັດທະນາສ່ວນໃຫຍ່ຫັນໄປຫາເຄື່ອງມືເຫຼົ່ານີ້ເພື່ອເພີ່ມປະສິດຕິພາບ (ອ້າງອີງໂດຍ ~ 33% ຂອງຜູ້ຕອບ) ແລະເລັ່ງການຮຽນຮູ້ (25%), ໃນຂະນະທີ່ປະມານ 25% ໃຊ້ພວກມັນເພື່ອໃຫ້ມີປະສິດທິພາບຫຼາຍຂຶ້ນໂດຍການເຮັດວຽກຊ້ໍາຊ້ອນໂດຍອັດຕະໂນມັດ.

ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະສັງເກດວ່າບົດບາດຂອງ AI ໃນການຂຽນໂປລແກລມບໍ່ແມ່ນສິ່ງໃຫມ່ທັງຫມົດ - ອົງປະກອບຂອງມັນໄດ້ປະມານຫລາຍປີແລ້ວ (ພິຈາລະນາການຕື່ມລະຫັດອັດຕະໂນມັດໃນ IDEs ຫຼືກອບການທົດສອບອັດຕະໂນມັດ). ​ແຕ່​ສອງ​ປີ​ທີ່​ຜ່ານ​ມາ​ແມ່ນ​ຈຸດ​ພິ​ເສດ. ການປະກົດຕົວຂອງຕົວແບບພາສາຂະຫນາດໃຫຍ່ທີ່ມີປະສິດທິພາບ (ເຊັ່ນຊຸດ GPT ຂອງ OpenAI ແລະ DeepMind's AlphaCode) ໄດ້ຂະຫຍາຍສິ່ງທີ່ເປັນໄປໄດ້ຢ່າງຫຼວງຫຼາຍ. ຕົວຢ່າງເຊັ່ນ, AlphaCode ໄດ້ສ້າງຫົວຂໍ້ໂດຍການປະຕິບັດໃນ ລະດັບການແຂ່ງຂັນການຂຽນໂປລແກລມແຂ່ງຂັນ , ບັນລຸ ລະດັບສູງສຸດ 54% ກ່ຽວກັບສິ່ງທ້າທາຍດ້ານການຂຽນລະຫັດ - ເປັນການຈັບຄູ່ທັກສະຂອງຄູ່ແຂ່ງຂອງມະນຸດໂດຍສະເລ່ຍ ( DeepMind's AlphaCode ກົງກັບຄວາມສາມາດຂອງນັກຂຽນໂປລແກລມສະເລ່ຍ ). ນີ້​ແມ່ນ​ຄັ້ງ​ທໍາ​ອິດ​ທີ່​ລະ​ບົບ AI ໄດ້​ປະ​ຕິ​ບັດ ​ການ​ແຂ່ງ​ຂັນ ​ໃນ​ການ​ແຂ່ງ​ຂັນ​ໂຄງ​ການ​. ຢ່າງໃດກໍ່ຕາມ, ມັນບອກວ່າເຖິງແມ່ນວ່າ AlphaCode, ດ້ວຍຄວາມກ້າຫານທັງຫມົດ, ຍັງຢູ່ໄກຈາກການຕີຕົວລະຫັດຂອງມະນຸດທີ່ດີທີ່ສຸດ. ໃນການແຂ່ງຂັນເຫຼົ່ານັ້ນ, AlphaCode ສາມາດແກ້ໄຂປະມານ 30% ຂອງບັນຫາພາຍໃນຄວາມພະຍາຍາມທີ່ໄດ້ຮັບອະນຸຍາດ, ໃນຂະນະທີ່ນັກຂຽນໂປລແກລມຊັ້ນນໍາແກ້ໄຂບັນຫາ > 90% ດ້ວຍຄວາມພະຍາຍາມດຽວ. ຊ່ອງຫວ່າງນີ້ຊີ້ໃຫ້ເຫັນເຖິງວ່າໃນຂະນະທີ່ AI ສາມາດຈັດການກັບວຽກງານ algorithmic ທີ່ໄດ້ກໍານົດໄວ້ໄດ້ດີເຖິງຈຸດໃດຫນຶ່ງ, ບັນຫາທີ່ຍາກທີ່ສຸດທີ່ຮຽກຮ້ອງໃຫ້ມີເຫດຜົນເລິກເຊິ່ງແລະ ingenuity ຍັງຄົງເປັນຈຸດແຂງຂອງມະນຸດ .

ສະຫຼຸບແລ້ວ, AI ໄດ້ປູກຕົວມັນເອງຢ່າງຫນັກແຫນ້ນຢູ່ໃນຊຸດເຄື່ອງມືປະຈໍາວັນຂອງນັກພັດທະນາ. ຈາກການຊ່ວຍເຫຼືອໃນການຂຽນລະຫັດເພື່ອເພີ່ມປະສິດທິພາບການໃຊ້ງານ, ມັນສໍາຜັດກັບທຸກພາກສ່ວນຂອງຂະບວນການພັດທະນາ. ການພົວພັນໃນມື້ນີ້ສ່ວນໃຫຍ່ແມ່ນ symbiotic: AI ເຮັດຫນ້າທີ່ເປັນ copilot (ຊື່ທີ່ເຫມາະສົມ) ທີ່ຊ່ວຍໃຫ້ນັກພັດທະນາລະຫັດໄວຂຶ້ນແລະມີຄວາມອຸກອັ່ງຫນ້ອຍ, ແທນທີ່ຈະເປັນ autopilot ເອກະລາດທີ່ສາມາດບິນ solo. ໃນພາກຕໍ່ໄປ, ພວກເຮົາຈະພິຈາລະນາວິທີການລວມເອົາເຄື່ອງມື AI ນີ້ປ່ຽນແປງ ບົດບາດຂອງນັກພັດທະນາ ແລະລັກສະນະຂອງການເຮັດວຽກຂອງພວກເຂົາ, ດີກວ່າຫຼືຮ້າຍແຮງກວ່າເກົ່າ.

AI ກໍາລັງປ່ຽນບົດບາດຂອງຜູ້ພັດທະນາ ແລະປະສິດທິພາບການຜະລິດແນວໃດ

ດ້ວຍ AI ຈັດການກັບວຽກງານປົກກະຕິຫຼາຍຂຶ້ນ, ບົດບາດຂອງຜູ້ພັດທະນາຊອບແວແມ່ນຈິງແລ້ວເລີ່ມພັດທະນາ. ແທນທີ່ຈະໃຊ້ເວລາຫຼາຍຊົ່ວໂມງຂຽນລະຫັດ boilerplate ຫຼື debugging mundane ຄວາມຜິດພາດ, ນັກພັດທະນາສາມາດ offload ວຽກເຫຼົ່ານັ້ນໄປຫາຜູ້ຊ່ວຍ AI ຂອງເຂົາເຈົ້າ. ນີ້ແມ່ນ ການປ່ຽນຈຸດສຸມຂອງຜູ້ພັດທະນາ ໄປສູ່ການແກ້ໄຂບັນຫາລະດັບສູງ, ສະຖາປັດຕະຍະກໍາ, ແລະລັກສະນະສ້າງສັນຂອງວິສະວະກໍາຊອບແວ. ໂດຍເນື້ອແທ້ແລ້ວ, AI ກໍາລັງເພີ່ມ ຜູ້ພັດທະນາ, ໃຫ້ພວກເຂົາມີຜະລິດຕະພັນແລະມີທ່າແຮງຫຼາຍ. ແຕ່ນີ້ແປວ່າວຽກການຂຽນໂປລແກລມຫນ້ອຍ, ຫຼືພຽງແຕ່ເປັນວຽກທີ່ແຕກຕ່າງກັນບໍ? ຂໍໃຫ້ພິຈາລະນາຜົນກະທົບຂອງຜົນຜະລິດແລະພາລະບົດບາດ:

ການເພີ່ມປະສິດທິພາບການຜະລິດ: ໂດຍບັນຊີສ່ວນໃຫຍ່ແລະການສຶກສາໃນຕອນຕົ້ນ, ເຄື່ອງມືການຂຽນລະຫັດ AI ກໍາລັງສົ່ງເສີມການຜະລິດຂອງນັກພັດທະນາຢ່າງຫຼວງຫຼາຍ. ການຄົ້ນຄວ້າຂອງ GitHub ພົບວ່ານັກພັດທະນາທີ່ໃຊ້ Copilot ສາມາດເຮັດສໍາເລັດຫນ້າວຽກໄດ້ໄວກວ່າທີ່ບໍ່ມີ AI ຊ່ວຍເຫຼືອ. ໃນການທົດລອງຫນຶ່ງ, ນັກພັດທະນາໄດ້ແກ້ໄຂວຽກງານການຂຽນລະຫັດໄວຂຶ້ນ 55% ໂດຍສະເລ່ຍດ້ວຍການຊ່ວຍເຫຼືອຂອງ Copilot - ໃຊ້ເວລາປະມານ 1 ຊົ່ວໂມງ 11 ນາທີແທນທີ່ຈະເປັນ 2 ຊົ່ວໂມງ 41 ນາທີທີ່ບໍ່ມີມັນ ( ການຄົ້ນຄວ້າ: ການປະເມີນຜົນກະທົບຂອງ GitHub Copilot ຕໍ່ການຜະລິດ ແລະຄວາມສຸກຂອງຜູ້ພັດທະນາ - The GitHub Blog ). ນັ້ນ​ແມ່ນ​ການ​ເພີ່ມ​ຄວາມ​ໄວ​ຢ່າງ​ເດັ່ນ​ຊັດ. ມັນບໍ່ພຽງແຕ່ຄວາມໄວ; ນັກພັດທະນາລາຍງານວ່າການຊ່ວຍເຫຼືອ AI ຊ່ວຍຫຼຸດຜ່ອນຄວາມອຸກອັ່ງແລະ "ການຂັດຂວາງການໄຫຼ". ໃນການສໍາຫຼວດ, 88% ຂອງນັກພັດທະນາ ທີ່ໃຊ້ Copilot ກ່າວວ່າມັນເຮັດໃຫ້ພວກເຂົາມີຜົນຜະລິດຫຼາຍແລະອະນຸຍາດໃຫ້ພວກເຂົາສຸມໃສ່ການເຮັດວຽກທີ່ຫນ້າພໍໃຈຫຼາຍຂຶ້ນ ( ສ່ວນຮ້ອຍຂອງນັກພັດທະນາທີ່ເວົ້າວ່າ github copilot ເຮັດ ... ). ເຄື່ອງມືເຫຼົ່ານີ້ຊ່ວຍໃຫ້ນັກຂຽນໂປລແກລມຢູ່ "ຢູ່ໃນເຂດ" ໂດຍການຈັດການຊິ້ນສ່ວນທີ່ຫນ້າເບື່ອຫນ່າຍ, ເຊິ່ງເຮັດໃຫ້ການປະຫຍັດພະລັງງານທາງຈິດສໍາລັບບັນຫາທີ່ເຄັ່ງຄັດ. ດັ່ງນັ້ນ, ນັກພັດທະນາຫຼາຍຄົນຮູ້ສຶກວ່າການເຂົ້າລະຫັດກາຍເປັນເລື່ອງທີ່ມ່ວນຫຼາຍ – ການເຮັດວຽກທີ່ຮຸນແຮງໜ້ອຍລົງ ແລະ ຄວາມຄິດສ້າງສັນຫຼາຍຂຶ້ນ.

ການປ່ຽນແປງການເຮັດວຽກປະຈໍາວັນ: ຂະບວນການເຮັດວຽກປະຈໍາວັນຂອງນັກຂຽນໂປລແກລມກໍາລັງປ່ຽນແປງໄປຄຽງຄູ່ກັບການເພີ່ມຜົນຜະລິດເຫຼົ່ານີ້. ຫຼາຍໆ "ວຽກທີ່ຫຍຸ້ງຢູ່" - ການຂຽນ boilerplate, ການເຮັດຊ້ໍາຮູບແບບທົ່ວໄປ, ການຊອກຫາ syntax - ສາມາດຖືກສົ່ງກັບ AI. ຕົວຢ່າງ, ແທນທີ່ຈະຂຽນຊັ້ນຂໍ້ມູນດ້ວຍຕົນເອງດ້ວຍ getters ແລະ setters, ນັກພັດທະນາພຽງແຕ່ສາມາດກະຕຸ້ນ AI ເພື່ອສ້າງມັນ. ແທນທີ່ຈະ combing ຜ່ານເອກະສານເພື່ອຊອກຫາການໂທ API ທີ່ເຫມາະສົມ, ນັກພັດທະນາສາມາດຖາມ AI ໃນພາສາທໍາມະຊາດ. ນີ້ຫມາຍຄວາມວ່າ ຜູ້ພັດທະນາໃຊ້ເວລາຫນ້ອຍລົງໃນການຂຽນລະຫັດ rote ແລະໃຊ້ເວລາຫຼາຍໃນວຽກງານທີ່ຮຽກຮ້ອງໃຫ້ມີການຕັດສິນໃຈຂອງມະນຸດ . ເນື່ອງຈາກ AI ໃຊ້ເວລາຫຼາຍກວ່າການຂຽນລະຫັດງ່າຍ 80%, ວຽກງານຂອງຜູ້ພັດທະນາໄດ້ຫັນໄປສູ່ການຊີ້ນໍາຜົນໄດ້ຮັບຂອງ AI (ການທົບທວນຄືນຄໍາແນະນໍາຂອງລະຫັດ, ການທົດສອບພວກມັນ) ແລະແກ້ໄຂບັນຫາທີ່ຫຍຸ້ງຍາກ 20% ທີ່ AI ບໍ່ສາມາດຄິດອອກໄດ້. ໃນທາງປະຕິບັດ, ນັກພັດທະນາອາດຈະເລີ່ມຕົ້ນມື້ຂອງພວກເຂົາທົດລອງການຮ້ອງຂໍດຶງທີ່ສ້າງໂດຍ AI ຫຼືທົບທວນຄືນຊຸດຂອງການແກ້ໄຂທີ່ແນະນໍາ AI, ແທນທີ່ຈະຂຽນການປ່ຽນແປງທັງຫມົດຈາກຈຸດເລີ່ມຕົ້ນ.

ການຮ່ວມມື ແລະການເຄື່ອນໄຫວຂອງທີມ: ເປັນທີ່ໜ້າສົນໃຈ, AI ຍັງມີອິດທິພົນຕໍ່ການເຄື່ອນໄຫວຂອງທີມ. ດ້ວຍໜ້າວຽກປະຈຳເປັນອັດຕະໂນມັດ, ທີມງານສາມາດເຮັດສຳເລັດໄດ້ຫຼາຍຂຶ້ນໂດຍມີຜູ້ພັດທະນາລຸ້ນໜຸ່ມໜ້ອຍກວ່າທີ່ໄດ້ຮັບມອບໝາຍໃຫ້ເຮັດວຽກໜັກ. ບາງບໍລິສັດລາຍງານວ່າວິສະວະກອນອາວຸໂສຂອງພວກເຂົາສາມາດສ້າງຕົວແບບຕົນເອງໄດ້ຫຼາຍຂື້ນ - ພວກເຂົາສາມາດສ້າງຕົວແບບຢ່າງໄວດ້ວຍການຊ່ວຍເຫຼືອ AI, ໂດຍບໍ່ຈໍາເປັນຕ້ອງມີຜູ້ສູງອາຍຸເພື່ອເຮັດການຮ່າງເບື້ອງຕົ້ນ. ແນວໃດກໍ່ຕາມ, ນີ້ເຮັດໃຫ້ເກີດສິ່ງທ້າທາຍໃຫມ່: ການໃຫ້ຄໍາປຶກສາແລະການແບ່ງປັນຄວາມຮູ້. ແທນທີ່ນ້ອງໆຈະຮຽນຮູ້ໂດຍການເຮັດໜ້າທີ່ງ່າຍໆ, ພວກເຂົາອາດຈະຕ້ອງຮຽນຮູ້ວິທີ ຈັດການ ຜົນຂອງ AI ຢ່າງມີປະສິດທິພາບ. ການຮ່ວມມືຂອງທີມງານອາດຈະປ່ຽນໄປສູ່ກິດຈະກໍາຕ່າງໆເຊັ່ນ: ການລວບລວມການປັບຕົວເຕືອນ AI ຫຼືການທົບທວນຄືນລະຫັດທີ່ສ້າງໂດຍ AI ສໍາລັບຄວາມຜິດພາດ. ໃນດ້ານບວກ, ເມື່ອທຸກຄົນໃນທີມມີຜູ້ຊ່ວຍ AI, ມັນສາມາດປັບລະດັບສະຫນາມຫຼີ້ນໄດ້ແລະໃຊ້ເວລາຫຼາຍຂື້ນສໍາລັບການສົນທະນາການອອກແບບ, ຄວາມຄິດສ້າງສັນ, ແລະແກ້ໄຂຄວາມຕ້ອງການຂອງຜູ້ໃຊ້ທີ່ສັບສົນທີ່ບໍ່ມີ AI ປະຈຸບັນເຂົ້າໃຈນອກກ່ອງ. ໃນຄວາມເປັນຈິງ, ຫຼາຍກວ່າສີ່ໃນຫ້ານັກພັດທະນາເຊື່ອວ່າເຄື່ອງມືການເຂົ້າລະຫັດ AI ຈະ ຊ່ວຍເພີ່ມການເຮັດວຽກຮ່ວມກັນຂອງທີມງານ ຫຼືຢ່າງຫນ້ອຍໃຫ້ພວກເຂົາບໍ່ເສຍຄ່າເພື່ອຮ່ວມມືຫຼາຍຂຶ້ນໃນການອອກແບບແລະການແກ້ໄຂບັນຫາ, ອີງຕາມການຄົ້ນພົບການສໍາຫຼວດ 2023 ຂອງ GitHub ( ການສໍາຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ໃນປະສົບການນັກພັດທະນາ - The GitHub Blog ).

ຜົນກະທົບຕໍ່ບົດບາດຂອງວຽກ: ຄໍາຖາມທີ່ສໍາຄັນແມ່ນວ່າ AI ຈະຫຼຸດຜ່ອນຄວາມຕ້ອງການຂອງນັກຂຽນໂປລແກລມ (ເພາະວ່ານັກຂຽນໂປລແກລມແຕ່ລະຄົນໃນປັດຈຸບັນມີຜະລິດຕະພັນຫຼາຍຂື້ນ), ຫຼືວ່າມັນຈະປ່ຽນທັກສະທີ່ຕ້ອງການ. ກ່ອນໜ້າທາງປະຫວັດສາດກັບລະບົບອັດຕະໂນມັດອື່ນໆ (ເຊັ່ນ: ການເພີ່ມຂຶ້ນຂອງເຄື່ອງມື devops, ຫຼືພາສາການຂຽນໂປຼແກຼມລະດັບສູງກວ່າ) ຊີ້ໃຫ້ເຫັນວ່າວຽກນັກພັດທະນາບໍ່ໄດ້ຖືກລົບລ້າງຫຼາຍເທົ່າທີ່ເຂົາເຈົ້າ ໄດ້ຮັບການຍົກລະດັບ . ແທ້ຈິງແລ້ວ, ນັກວິເຄາະອຸດສາຫະກໍາຄາດຄະເນ ພາລະບົດບາດວິສະວະກໍາຊອບແວຈະສືບຕໍ່ຂະຫຍາຍຕົວ , ແຕ່ລັກສະນະຂອງພາລະບົດບາດເຫຼົ່ານັ້ນຈະປ່ຽນແປງ. ບົດລາຍງານຫຼ້າສຸດຂອງ Gartner ຄາດຄະເນວ່າໃນປີ 2027, 50% ຂອງອົງການວິສະວະກໍາຊອບແວຈະນໍາໃຊ້ແພລະຕະຟອມ "ຄວາມສະຫລາດດ້ານວິສະວະກໍາຊອບແວ" ທີ່ເພີ່ມ AI ເພື່ອເພີ່ມຜົນຜະລິດ , ເພີ່ມຂຶ້ນຈາກພຽງແຕ່ 5% ໃນປີ 2024 ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ນີ້ຊີ້ໃຫ້ເຫັນບໍລິສັດຕ່າງໆຈະປະສົມປະສານ AI ຢ່າງກວ້າງຂວາງ, ແຕ່ມັນຫມາຍຄວາມວ່ານັກພັດທະນາຈະເຮັດວຽກ ກັບ ເວທີອັດສະລິຍະເຫຼົ່ານັ້ນ. ເຊັ່ນດຽວກັນ, ບໍລິສັດທີ່ປຶກສາ McKinsey ຄາດຄະເນວ່າ ໃນຂະນະທີ່ AI ອາດຈະເຮັດໃຫ້ວຽກງານຫຼາຍຢ່າງອັດຕະໂນມັດ, ປະມານ 80% ຂອງວຽກການຂຽນໂປລແກລມຍັງຕ້ອງການມະນຸດຢູ່ໃນວົງຈອນແລະຍັງຄົງເປັນ "ມະນຸດເປັນສູນກາງ" . ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ພວກເຮົາຍັງຕ້ອງການຄົນສໍາລັບຕໍາແຫນ່ງນັກພັດທະນາສ່ວນໃຫຍ່, ແຕ່ຄໍາອະທິບາຍວຽກອາດຈະປ່ຽນແປງ.

ການປ່ຽນແປງທີ່ເປັນໄປໄດ້ຫນຶ່ງແມ່ນການປະກົດຕົວຂອງພາລະບົດບາດເຊັ່ນ "ວິສະວະກອນຊອບແວ AI" ຫຼື "ວິສະວະກອນດ່ວນ" - ນັກພັດທະນາທີ່ມີຄວາມຊ່ຽວຊານໃນການກໍ່ສ້າງຫຼືການວາງແຜນອົງປະກອບ AI. ພວກເຮົາເຫັນຄວາມຕ້ອງການສໍາລັບນັກພັດທະນາທີ່ມີຄວາມຊໍານານ AI/ML ເພີ່ມຂຶ້ນ. ອີງຕາມການວິເຄາະໂດຍແທ້ຈິງແລ້ວ, ສາມວຽກທີ່ກ່ຽວຂ້ອງກັບ AI ທີ່ຕ້ອງການຫຼາຍທີ່ສຸດແມ່ນ ນັກວິທະຍາສາດຂໍ້ມູນ, ວິສະວະກອນຊອບແວ, ແລະວິສະວະກອນການຮຽນຮູ້ເຄື່ອງຈັກ , ແລະຄວາມຕ້ອງການສໍາລັບພາລະບົດບາດເຫຼົ່ານີ້ ເພີ່ມຂຶ້ນຫຼາຍກວ່າສອງເທົ່າໃນໄລຍະສາມປີທີ່ຜ່ານມາ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ວິສະວະກອນຊອບແວແບບດັ້ງເດີມຄາດວ່າຈະເຂົ້າໃຈພື້ນຖານການຮຽນຮູ້ເຄື່ອງຈັກຫຼືການລວມເອົາການບໍລິການ AI ເຂົ້າໃນແອັບພລິເຄຊັນ. ຫ່າງໄກຈາກການເຮັດໃຫ້ນັກພັດທະນາຊໍ້າຊ້ອນ, "AI ສາມາດຍົກລະດັບອາຊີບ, ຊ່ວຍໃຫ້ນັກພັດທະນາສຸມໃສ່ວຽກງານລະດັບສູງແລະນະວັດຕະກໍາ." ( ແມ່ນ AI ຈະເຂົ້າມາແທນທີ່ນັກພັດທະນາໃນປີ 2025: A Sneak Peek into the Future ) ວຽກງານການເຂົ້າລະຫັດແບບປົກກະຕິຫຼາຍຢ່າງອາດຈະຖືກຈັດການໂດຍ AI, ແຕ່ຜູ້ພັດທະນາຈະຍຶດໝັ້ນກັບການອອກແບບລະບົບ, ການລວມໂມດູນ, ຮັບປະກັນຄຸນນະພາບ, ແລະແກ້ໄຂບັນຫາໃໝ່ໆ. ວິສະວະກອນອາວຸໂສຈາກບໍລິສັດສົ່ງຕໍ່ AI ໄດ້ສະຫຼຸບມັນດີ: AI ບໍ່ໄດ້ທົດແທນນັກພັດທະນາຂອງພວກເຮົາ; ມັນ ຂະຫຍາຍ ພວກມັນ. ນັກພັດທະນາດຽວທີ່ປະກອບອາວຸດທີ່ມີເຄື່ອງມື AI ທີ່ມີປະສິດທິພາບສາມາດເຮັດວຽກຂອງຫຼາຍໆຄົນ, ແຕ່ນັກພັດທະນາຄົນນັ້ນກໍາລັງປະຕິບັດວຽກງານທີ່ສັບສົນແລະມີຜົນກະທົບຫຼາຍ.

ຕົວຢ່າງຂອງໂລກທີ່ແທ້ຈິງ: ພິຈາລະນາສະຖານະການຈາກບໍລິສັດຊອບແວທີ່ປະສົມປະສານ GitHub Copilot ສໍາລັບຜູ້ພັດທະນາທັງຫມົດຂອງມັນ. ຜົນກະທົບທັນທີທັນໃດແມ່ນການຫຼຸດຜ່ອນເວລາທີ່ໂດດເດັ່ນໃນການຂຽນການທົດສອບຫນ່ວຍງານແລະລະຫັດ boilerplate. ຜູ້ພັດທະນາ junior ຄົນຫນຶ່ງພົບວ່າການໃຊ້ Copilot ນາງສາມາດສ້າງລະຫັດຂອງຄຸນສົມບັດໃຫມ່ໄດ້ 80% ໄວ, ຫຼັງຈາກນັ້ນໃຊ້ເວລາຂອງນາງປັບແຕ່ງ 20% ທີ່ຍັງເຫຼືອແລະການຂຽນການທົດສອບການເຊື່ອມໂຍງ. ຜົນຜະລິດຂອງນາງໃນແງ່ຂອງລະຫັດຜົນຜະລິດເກືອບສອງເທົ່າ, ແຕ່ຫນ້າສົນໃຈຫຼາຍ, ລັກສະນະຂອງການປະກອບສ່ວນຂອງນາງໄດ້ປ່ຽນແປງ - ນາງໄດ້ກາຍເປັນ ນັກທົບທວນລະຫັດແລະນັກອອກແບບການທົດສອບ ສໍາລັບລະຫັດທີ່ຂຽນດ້ວຍ AI. ທີມງານຍັງສັງເກດເຫັນວ່າການທົບທວນລະຫັດເລີ່ມຕົ້ນຈັບ ຄວາມຜິດພາດ AI ແທນທີ່ຈະພິມຜິດຂອງມະນຸດ. ຕົວຢ່າງ, Copilot ບາງຄັ້ງແນະນໍາການປະຕິບັດການເຂົ້າລະຫັດທີ່ບໍ່ປອດໄພ; ນັກພັດທະນາມະນຸດຕ້ອງໄດ້ຊອກຫາແລະແກ້ໄຂສິ່ງເຫຼົ່ານັ້ນ. ຕົວຢ່າງເຊັ່ນນີ້ສະແດງໃຫ້ເຫັນວ່າໃນຂະນະທີ່ຜົນຜະລິດເພີ່ມຂຶ້ນ, ການກວດສອບແລະຄວາມຊໍານານຂອງມະນຸດໄດ້ກາຍເປັນຄວາມສໍາຄັນຫຼາຍຂຶ້ນ ໃນຂະບວນການເຮັດວຽກ.

ສະຫຼຸບລວມແລ້ວ, AI ແມ່ນບໍ່ສາມາດປະຕິເສດໄດ້ວ່ານັກພັດທະນາເຮັດວຽກແນວໃດ: ເຮັດໃຫ້ພວກເຂົາໄວຂຶ້ນແລະໃຫ້ພວກເຂົາແກ້ໄຂບັນຫາທີ່ມີຄວາມທະເຍີທະຍານຫຼາຍຂຶ້ນ, ແຕ່ຍັງຮຽກຮ້ອງໃຫ້ພວກເຂົາມີ ຄວາມຊໍານິຊໍານານ (ທັງໃນການໃຊ້ປະໂຫຍດຈາກ AI ແລະແນວຄິດລະດັບສູງ). ມັນເປັນເລື່ອງຫນ້ອຍຂອງ "AI ເອົາວຽກ" ແລະເລື່ອງຂອງ "AI ປ່ຽນວຽກ." ນັກພັດທະນາຜູ້ທີ່ຮຽນຮູ້ການນໍາໃຊ້ເຄື່ອງມືເຫຼົ່ານີ້ຢ່າງມີປະສິດທິພາບສາມາດເພີ່ມຜົນກະທົບຂອງພວກເຂົາ - clichéທີ່ພວກເຮົາມັກຈະໄດ້ຍິນແມ່ນ, "AI ຈະບໍ່ທົດແທນນັກພັດທະນາ, ແຕ່ນັກພັດທະນາທີ່ໃຊ້ AI ອາດຈະປ່ຽນແທນຜູ້ທີ່ບໍ່ໄດ້." ພາກສ່ວນຕໍ່ໄປຈະສໍາຫຼວດວ່າເປັນຫຍັງຜູ້ພັດທະນາຂອງມະນຸດຈຶ່ງຍັງມີຄວາມຈໍາເປັນ (ສິ່ງທີ່ AI ບໍ່ສາມາດ ເຮັດໄດ້ດີ), ແລະວິທີການທີ່ນັກພັດທະນາສາມາດປັບທັກສະຂອງເຂົາເຈົ້າເພື່ອພັດທະນາຄຽງຄູ່ກັບ AI.

ຂໍ້ຈໍາກັດຂອງ AI (ເປັນຫຍັງມະນຸດຈຶ່ງມີຄວາມສໍາຄັນ)

ເຖິງວ່າຈະມີຄວາມສາມາດທີ່ຫນ້າປະທັບໃຈ, AI ໃນມື້ນີ້ມີ ຂໍ້ຈໍາກັດ ທີ່ປ້ອງກັນບໍ່ໃຫ້ມັນເຮັດໃຫ້ນັກຂຽນໂປຼແກຼມຂອງມະນຸດລ້າສະໄຫມ. ຄວາມເຂົ້າໃຈກ່ຽວກັບຂໍ້ຈໍາກັດເຫຼົ່ານີ້ແມ່ນສໍາຄັນທີ່ຈະເຫັນວ່າເປັນຫຍັງນັກຂຽນໂປລແກລມຍັງມີຄວາມຈໍາເປັນຫຼາຍໃນຂະບວນການພັດທະນາ. AI ເປັນເຄື່ອງມືທີ່ມີປະສິດທິພາບ, ແຕ່ມັນບໍ່ແມ່ນລູກປືນ magic ທີ່ສາມາດທົດແທນຄວາມຄິດສ້າງສັນ, ການຄິດວິພາກວິຈານ, ແລະຄວາມເຂົ້າໃຈໃນສະພາບການຂອງຜູ້ພັດທະນາຂອງມະນຸດ. ນີ້ແມ່ນບາງຂໍ້ບົກຜ່ອງພື້ນຖານຂອງ AI ໃນການຂຽນໂປຼແກຼມ ແລະຈຸດແຂງທີ່ສອດຄ້ອງກັນຂອງນັກພັດທະນາມະນຸດ:

• ການຂາດຄວາມເຂົ້າໃຈທີ່ແທ້ຈິງແລະຄວາມຄິດສ້າງສັນ: ແບບຈໍາລອງ AI ໃນປະຈຸບັນບໍ່ ເຂົ້າໃຈ ລະຫັດຫຼືບັນຫາຢ່າງແທ້ຈິງໃນວິທີທີ່ມະນຸດເຮັດ; ພວກເຂົາເຈົ້າຮັບຮູ້ຮູບແບບແລະ regurgate ຜົນໄດ້ຮັບທີ່ເປັນໄປໄດ້ໂດຍອີງໃສ່ຂໍ້ມູນການຝຶກອົບຮົມ. ນີ້ຫມາຍຄວາມວ່າ AI ສາມາດຕໍ່ສູ້ກັບວຽກງານທີ່ຕ້ອງການການແກ້ໄຂຕົ້ນສະບັບ, ສ້າງສັນຫຼືຄວາມເຂົ້າໃຈເລິກຂອງໂດເມນບັນຫາໃຫມ່. AI ອາດຈະສາມາດສ້າງລະຫັດເພື່ອຕອບສະຫນອງຂໍ້ກໍາຫນົດທີ່ມັນເຫັນມາກ່ອນ, ແຕ່ຂໍໃຫ້ມັນອອກແບບ algorithm ໃຫມ່ສໍາລັບບັນຫາທີ່ບໍ່ເຄີຍມີມາກ່ອນຫຼືການຕີຄວາມຫມາຍຄວາມຕ້ອງການທີ່ບໍ່ຊັດເຈນ, ແລະມັນອາດຈະຫຼຸດລົງ. ດັ່ງທີ່ນັກສັງເກດການຄົນຫນຶ່ງໄດ້ກ່າວເຖິງວ່າ, AI ໃນມື້ນີ້ "ຂາດຄວາມສາມາດໃນການຄິດສ້າງສັນແລະວິພາກວິຈານທີ່ນັກພັດທະນາຂອງມະນຸດເອົາມາສູ່ຕາຕະລາງ." ( ແມ່ນ AI ທີ່ຈະມາແທນທີ່ນັກພັດທະນາໃນປີ 2025: A Sneak Peek into the Future ) ມະນຸດດີເລີດໃນການຄິດນອກກ່ອງ – ປະສົມປະສານຄວາມຮູ້ຂອງໂດເມນ, ສະຕິປັນຍາ, ແລະຄວາມຄິດສ້າງສັນເພື່ອອອກແບບສະຖາປັດຕະຍະກຳຊອບແວ ຫຼືແກ້ໄຂບັນຫາທີ່ຊັບຊ້ອນ. ໃນທາງກົງກັນຂ້າມ, AI ແມ່ນຈໍາກັດກັບຮູບແບບທີ່ມັນຮຽນຮູ້; ຖ້າບັນຫາບໍ່ກົງກັບຮູບແບບເຫຼົ່ານັ້ນດີ, AI ອາດຈະຜະລິດລະຫັດທີ່ບໍ່ຖືກຕ້ອງຫຼືບໍ່ມີເຫດຜົນ (ມັກຈະມີຄວາມຫມັ້ນໃຈ!). ນະວັດຕະກໍາ ໃນຊອບແວ - ມາພ້ອມກັບຄຸນສົມບັດໃຫມ່, ປະສົບການຂອງຜູ້ໃຊ້ໃຫມ່, ຫຼືວິທີການໃຫມ່ໆທາງວິຊາການ - ຍັງຄົງເປັນກິດຈະກໍາຂອງມະນຸດ.

• ຄວາມເຂົ້າໃຈກ່ຽວກັບສະພາບການແລະຮູບພາບໃຫຍ່: ຊອບແວການກໍ່ສ້າງບໍ່ພຽງແຕ່ຂຽນລະຫັດ. ມັນກ່ຽວຂ້ອງກັບຄວາມເຂົ້າໃຈວ່ າເປັນຫຍັງທີ່ ຢູ່ເບື້ອງຫລັງລະຫັດ - ຄວາມຕ້ອງການຂອງທຸລະກິດ, ຄວາມຕ້ອງການຂອງຜູ້ໃຊ້, ແລະສະພາບການທີ່ຊອບແວດໍາເນີນການ. AI ມີຂອບເຂດຂອງບໍລິບົດແຄບຫຼາຍ (ປົກກະຕິແລ້ວຈໍາກັດພຽງແຕ່ການປ້ອນຂໍ້ມູນໃຫ້ມັນໃນເວລາ). ມັນບໍ່ເຂົ້າໃຈຢ່າງແທ້ຈິງກ່ຽວກັບຈຸດປະສົງລວມຂອງລະບົບ ຫຼືວ່າໂມດູນອັນໜຶ່ງພົວພັນກັບອີກອັນໜຶ່ງອັນໃດທີ່ຈະແຈ້ງໃນລະຫັດ. ດັ່ງນັ້ນ, AI ອາດຈະສ້າງລະຫັດທີ່ເຮັດວຽກທາງດ້ານເຕັກນິກສໍາລັບວຽກງານຂະຫນາດນ້ອຍແຕ່ບໍ່ເຫມາະສົມກັບສະຖາປັດຕະຍະກໍາລະບົບຂະຫນາດໃຫຍ່ຫຼືລະເມີດຂໍ້ກໍານົດບາງຢ່າງ. ນັກພັດທະນາມະນຸດແມ່ນຈໍາເປັນເພື່ອຮັບປະກັນຊອບແວທີ່ສອດຄ່ອງກັບເປົ້າຫມາຍທຸລະກິດແລະຄວາມຄາດຫວັງຂອງຜູ້ໃຊ້. ການອອກແບບລະບົບທີ່ຊັບຊ້ອນ - ຄວາມເຂົ້າໃຈວ່າການປ່ຽນແປງໃນສ່ວນຫນຶ່ງອາດຈະ ripple ຜ່ານຄົນອື່ນ, ວິທີການດຸ່ນດ່ຽງການຄ້າ (ເຊັ່ນ: ການປະຕິບັດທຽບກັບຄວາມສາມາດອ່ານ), ແລະວິທີການວາງແຜນການວິວັດທະນາການໄລຍະຍາວຂອງ codebase - ແມ່ນສິ່ງທີ່ AI ບໍ່ສາມາດເຮັດໄດ້ໃນມື້ນີ້. ໃນໂຄງການຂະຫນາດໃຫຍ່ທີ່ມີຫລາຍພັນອົງປະກອບ, AI "ເຫັນຕົ້ນໄມ້ແຕ່ບໍ່ແມ່ນປ່າໄມ້." ດັ່ງທີ່ໄດ້ກ່າວໄວ້ໃນການວິເຄາະຫນຶ່ງ, "AI ຕໍ່ສູ້ກັບຄວາມເຂົ້າໃຈໃນສະພາບການອັນເຕັມທີ່ແລະຄວາມຊັບຊ້ອນຂອງໂຄງການຊອບແວຂະຫນາດໃຫຍ່," ລວມທັງຄວາມຕ້ອງການຂອງທຸລະກິດແລະການພິຈາລະນາປະສົບການຂອງຜູ້ໃຊ້ ( ແມ່ນ AI ຈະປ່ຽນແທນນັກພັດທະນາໃນປີ 2025: A Sneak Peek into the Future ). ມະນຸດຮັກສາວິໄສທັດທີ່ມີພາບໃຫຍ່.

• ຄວາມຮູ້ສຶກທົ່ວໄປແລະການແກ້ໄຂຄວາມບໍ່ແນ່ນອນ: ຄວາມຕ້ອງການໃນໂຄງການທີ່ແທ້ຈິງມັກຈະບໍ່ຊັດເຈນຫຼືພັດທະນາ. ນັກພັດທະນາມະນຸດສາມາດຊອກຫາຄວາມກະຈ່າງແຈ້ງ, ສ້າງສົມມຸດຕິຖານທີ່ສົມເຫດສົມຜົນ, ຫຼືຊຸກຍູ້ການຮ້ອງຂໍທີ່ບໍ່ເປັນຈິງ. AI ບໍ່ມີເຫດຜົນໃນຄວາມຮູ້ສຶກທົ່ວໄປຫຼືຄວາມສາມາດໃນການຖາມຄໍາຖາມທີ່ຊັດເຈນ (ເວັ້ນເສຍແຕ່ວ່າຖືກ ​​looped ຢ່າງຊັດເຈນ, ແລະເຖິງແມ່ນວ່າມັນບໍ່ມີການຮັບປະກັນວ່າມັນຈະຖືກຕ້ອງ). ນີ້ແມ່ນເຫດຜົນທີ່ວ່າລະຫັດທີ່ສ້າງໂດຍ AI ບາງຄັ້ງສາມາດຖືກຕ້ອງທາງດ້ານເຕັກນິກແຕ່ເຮັດວຽກນອກເຄື່ອງຫມາຍ - ມັນຂາດ ການຕັດສິນ ທີ່ຈະຮູ້ວ່າຜູ້ໃຊ້ມີຈຸດປະສົງຫຍັງແທ້ໆຖ້າຄໍາແນະນໍາບໍ່ຊັດເຈນ. ໃນທາງກົງກັນຂ້າມ, ຜູ້ຂຽນໂປລແກລມຂອງມະນຸດສາມາດຕີຄວາມຫມາຍຄໍາຮ້ອງຂໍລະດັບສູງ ("ເຮັດໃຫ້ UI ນີ້ມີຄວາມເຂົ້າໃຈຫຼາຍ" ຫຼື "ແອັບຯຄວນຈັດການການປ້ອນຂໍ້ມູນທີ່ບໍ່ສະຫມໍ່າສະເຫມີຢ່າງສະຫງ່າງາມ") ແລະຊອກຫາສິ່ງທີ່ຕ້ອງເຮັດໃນລະຫັດ. AI ຈະຕ້ອງການລາຍລະອຽດສະເພາະທີ່ບໍ່ຊັດເຈນທີ່ສຸດເພື່ອທົດແທນນັກພັດທະນາຢ່າງແທ້ຈິງ, ແລະເຖິງແມ່ນວ່າການຂຽນຂໍ້ມູນດັ່ງກ່າວຢ່າງມີປະສິດທິພາບແມ່ນຍາກເທົ່າກັບການຂຽນລະຫັດຕົວມັນເອງ. ໃນຖານະເປັນບົດຄວາມ Forbes Tech Council ສັງເກດເຫັນຢ່າງຖືກຕ້ອງ, ສໍາລັບ AI ເພື່ອທົດແທນນັກພັດທະນາ, ມັນຈໍາເປັນຕ້ອງເຂົ້າໃຈຄໍາແນະນໍາທີ່ບໍ່ຊັດເຈນແລະປັບຕົວຄືກັບມະນຸດ - ລະດັບການສົມເຫດສົມຜົນທີ່ AI ປະຈຸບັນບໍ່ມີ ( Sergii Kuzin's Post - LinkedIn ).

• ຄວາມຫນ້າເຊື່ອຖືແລະ "Hallucinations": ແບບຈໍາລອງ AI ທົ່ວໄປໃນມື້ນີ້ມີຂໍ້ບົກພ່ອງທີ່ຮູ້ຈັກ: ພວກເຂົາສາມາດຜະລິດຜົນຜະລິດທີ່ບໍ່ຖືກຕ້ອງຫຼືຄົບຖ້ວນສົມບູນ, ປະກົດການທີ່ມັກຈະເອີ້ນວ່າ ຄວາມຫມອງຄ້ໍາ . ໃນການເຂົ້າລະຫັດ, ນີ້ອາດຈະຫມາຍຄວາມວ່າ AI ຂຽນລະຫັດທີ່ເບິ່ງຄືວ່າເປັນໄປໄດ້ແຕ່ມີເຫດຜົນຫຼືບໍ່ຖືກຕ້ອງ. ຜູ້ພັດທະນາບໍ່ສາມາດເຊື່ອຟັງຄໍາແນະນໍາ AI ໄດ້. ໃນທາງປະຕິບັດ, ທຸກໆລະຫັດທີ່ຂຽນດ້ວຍ AI ຮຽກຮ້ອງໃຫ້ມີການທົບທວນຄືນຢ່າງລະມັດລະວັງແລະການທົດສອບໂດຍມະນຸດ . ຂໍ້ມູນການສໍາຫຼວດ Stack Overflow ສະທ້ອນໃຫ້ເຫັນນີ້ - ຂອງຜູ້ທີ່ໃຊ້ເຄື່ອງມື AI, ພຽງແຕ່ 3% ໄວ້ວາງໃຈສູງຕໍ່ຄວາມຖືກຕ້ອງ ທີ່ບໍ່ໄວ້ວາງໃຈ ຢ່າງຈິງຈັງ ( 70% ຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມືການຂຽນລະຫັດ AI, 3% ໄວ້ວາງໃຈໃນຄວາມຖືກຕ້ອງສູງ - ShiftMag ). ນັກພັດທະນາສ່ວນໃຫຍ່ປະຕິບັດຄໍາແນະນໍາ AI ເປັນຄໍາແນະນໍາທີ່ເປັນປະໂຫຍດ, ບໍ່ແມ່ນພຣະກິດຕິຄຸນ. ຄວາມໄວ້ວາງໃຈທີ່ຕໍ່ານີ້ຖືກຮັບປະກັນເພາະວ່າ AI ສາມາດເຮັດຄວາມຜິດພາດທີ່ແປກປະຫຼາດທີ່ບໍ່ມີມະນຸດມີຄວາມສາມາດ (ເຊັ່ນ: ຄວາມຜິດພາດໂດຍຫນຶ່ງ, ການນໍາໃຊ້ຫນ້າທີ່ທີ່ຖືກປະຕິເສດ, ຫຼືການຜະລິດການແກ້ໄຂທີ່ບໍ່ມີປະສິດທິພາບ) ເພາະວ່າມັນບໍ່ມີເຫດຜົນຢ່າງແທ້ຈິງກ່ຽວກັບບັນຫາ. ດັ່ງທີ່ເວທີສົນທະນາຫນຶ່ງໄດ້ສັງເກດເຫັນ wryly, "ພວກເຂົາ (AIs) hallucinate ຫຼາຍແລະເຮັດໃຫ້ການເລືອກການອອກແບບ strange ມະນຸດບໍ່ເຄີຍຈະເຮັດ" ( ນັກຂຽນໂປລແກລມຈະກາຍເປັນລ້າສະໄຫມຍ້ອນ AI? - ຄໍາແນະນໍາດ້ານອາຊີບ ). ການກວດກາຂອງມະນຸດແມ່ນສໍາຄັນເພື່ອຈັບຄວາມຜິດພາດເຫຼົ່ານີ້. AI ອາດຈະເຮັດໃຫ້ເຈົ້າໄດ້ 90% ຂອງຄຸນສົມບັດຢ່າງໄວວາ, ແຕ່ຖ້າ 10% ທີ່ຍັງເຫຼືອມີ bug ອ່ອນໆ, ມັນຍັງຕົກຢູ່ໃນຜູ້ພັດທະນາຂອງມະນຸດເພື່ອວິນິດໄສແລະແກ້ໄຂມັນ. ແລະເມື່ອມີບາງສິ່ງບາງຢ່າງຜິດພາດໃນການຜະລິດ, ມັນແມ່ນວິສະວະກອນຂອງມະນຸດທີ່ຕ້ອງແກ້ໄຂ - AI ຍັງບໍ່ສາມາດຮັບຜິດຊອບຕໍ່ຄວາມຜິດພາດຂອງມັນໄດ້.

• ການຮັກສາແລະພັດທະນາ Codebases: ໂຄງການຊອບແວດໍາລົງຊີວິດແລະຂະຫຍາຍຕົວໃນໄລຍະປີ. ພວກເຂົາຕ້ອງການຮູບແບບທີ່ສອດຄ່ອງ, ຄວາມຊັດເຈນສໍາລັບຜູ້ຮັກສາໃນອະນາຄົດ, ແລະການປັບປຸງຕາມຄວາມຕ້ອງການປ່ຽນແປງ. AI ໃນມື້ນີ້ບໍ່ມີຄວາມຊົງຈໍາກ່ຽວກັບການຕັດສິນໃຈທີ່ຜ່ານມາ (ນອກເຫນືອການເຕືອນທີ່ຈໍາກັດ), ດັ່ງນັ້ນມັນອາດຈະບໍ່ຮັກສາລະຫັດທີ່ສອດຄ່ອງໃນທົ່ວໂຄງການຂະຫນາດໃຫຍ່ເວັ້ນເສຍແຕ່ໄດ້ຮັບການແນະນໍາ. ນັກພັດທະນາມະນຸດຮັບປະກັນການຮັກສາລະຫັດ - ການຂຽນເອກະສານທີ່ຊັດເຈນ, ການເລືອກວິທີແກ້ໄຂທີ່ສາມາດອ່ານໄດ້ຫຼາຍກວ່າສິ່ງທີ່ສະຫລາດແຕ່ເບິ່ງບໍ່ເຫັນ, ແລະການປັບປ່ຽນລະຫັດຕາມຄວາມຕ້ອງການໃນເວລາທີ່ສະຖາປັດຕະຍະກໍາພັດທະນາ. AI ສາມາດຊ່ວຍເຫຼືອໃນວຽກງານເຫຼົ່ານີ້ (ເຊັ່ນການແນະນໍາການ refactorings), ແຕ່ການຕັດສິນໃຈວ່ າ ຈະ refactor ຫຼື ໃດ ຂອງລະບົບຕ້ອງການການອອກແບບໃຫມ່ແມ່ນການໂທຫາການຕັດສິນໃຈຂອງມະນຸດ. ຍິ່ງໄປກວ່ານັ້ນ, ໃນເວລາທີ່ປະສົມປະສານອົງປະກອບ, ຄວາມເຂົ້າໃຈຜົນກະທົບຂອງຄຸນນະສົມບັດໃຫມ່ກ່ຽວກັບໂມດູນທີ່ມີຢູ່ແລ້ວ (ການຮັບປະກັນຄວາມເຂົ້າກັນໄດ້ກັບຄືນໄປບ່ອນ, ແລະອື່ນໆ) ແມ່ນສິ່ງທີ່ມະນຸດຈັດການ. ລະຫັດທີ່ສ້າງໂດຍ AI ຕ້ອງໄດ້ຮັບການປະສົມປະສານແລະປະສົມກົມກຽວໂດຍມະນຸດ. ໃນຖານະເປັນການທົດລອງ, ນັກພັດທະນາບາງຄົນໄດ້ພະຍາຍາມໃຫ້ ChatGPT ສ້າງແອັບຯຂະຫນາດນ້ອຍທັງຫມົດ; ຜົນໄດ້ຮັບມັກຈະເຮັດວຽກໃນເບື້ອງຕົ້ນແຕ່ກາຍເປັນເລື່ອງຍາກຫຼາຍທີ່ຈະຮັກສາຫຼືຂະຫຍາຍອອກເພາະວ່າ AI ບໍ່ໄດ້ນໍາໃຊ້ສະຖາປັດຕະຍະກໍາທີ່ມີຄວາມຄິດຢ່າງຕໍ່ເນື່ອງ - ມັນເຮັດໃຫ້ການຕັດສິນໃຈໃນທ້ອງຖິ່ນທີ່ສະຖາປະນິກມະນຸດຈະຫລີກລ້ຽງ.

• ການພິຈາລະນາດ້ານຈັນຍາບັນ ແລະຄວາມປອດໄພ: ເມື່ອ AI ຂຽນລະຫັດຫຼາຍຂຶ້ນ, ມັນຍັງເຮັດໃຫ້ເກີດຄຳຖາມກ່ຽວກັບຄວາມລຳອຽງ, ຄວາມປອດໄພ ແລະຈັນຍາບັນ. AI ອາດຈະແນະນໍາຊ່ອງໂຫວ່ດ້ານຄວາມປອດໄພໂດຍບໍ່ໄດ້ຕັ້ງໃຈ (ຕົວຢ່າງ, ບໍ່ໄດ້ອະນາໄມວັດສະດຸປ້ອນຢ່າງຖືກຕ້ອງ, ຫຼືນໍາໃຊ້ການປະຕິບັດການເຂົ້າລະຫັດລັບທີ່ບໍ່ປອດໄພ) ທີ່ນັກພັດທະນາມະນຸດທີ່ມີປະສົບການຈະຈັບໄດ້. ນອກຈາກນັ້ນ, AI ບໍ່ມີຄວາມມີຄວາມຮູ້ສຶກທາງດ້ານຈັນຍາບັນຫຼືຄວາມກັງວົນກ່ຽວກັບຄວາມຍຸຕິທໍາ - ຕົວຢ່າງ, ມັນອາດຈະຝຶກອົບຮົມຂໍ້ມູນທີ່ມີຄວາມລໍາອຽງແລະແນະນໍາວິທີການຈໍາແນກທີ່ບໍ່ຕັ້ງໃຈ (ໃນລັກສະນະທີ່ຂັບເຄື່ອນໂດຍ AI ເຊັ່ນລະຫັດການອະນຸມັດເງິນກູ້ຫຼືວິທີການຈ້າງ). ນັກພັດທະນາມະນຸດແມ່ນມີຄວາມຈໍາເປັນໃນການກວດສອບຜົນໄດ້ຮັບຂອງ AI ສໍາລັບບັນຫາເຫຼົ່ານີ້, ຮັບປະກັນການປະຕິບັດຕາມກົດລະບຽບ, ແລະຊອບແວ imbue ດ້ວຍການພິຈາລະນາດ້ານຈັນຍາບັນ. ດ້ານ ສັງຄົມ ຂອງຊອບແວ - ຄວາມເຂົ້າໃຈຄວາມໄວ້ວາງໃຈຂອງຜູ້ໃຊ້, ຄວາມກັງວົນກ່ຽວກັບຄວາມເປັນສ່ວນຕົວ, ແລະການເລືອກການອອກແບບທີ່ສອດຄ່ອງກັບຄຸນຄ່າຂອງມະນຸດ - "ບໍ່ສາມາດມອງຂ້າມໄດ້. ລັກສະນະການພັດທະນາຂອງມະນຸດເປັນສູນກາງເຫຼົ່ານີ້ເກີນຂອບເຂດຂອງ AI, ຢ່າງຫນ້ອຍໃນອະນາຄົດອັນໃກ້ນີ້." ( ແມ່ນ AI ຈະເຂົ້າມາແທນທີ່ນັກພັດທະນາໃນປີ 2025: ການເບິ່ງຂ້າມອະນາຄົດ ) ນັກພັດທະນາຈະຕ້ອງເປັນປະຕູຈິດສໍານຶກ ແລະຄຸນນະພາບສໍາລັບການປະກອບສ່ວນ AI.

ໃນແງ່ຂອງຂໍ້ຈໍາກັດເຫຼົ່ານີ້, ຄວາມເຫັນດີໃນປະຈຸບັນແມ່ນວ່າ AI ເປັນເຄື່ອງມື, ບໍ່ແມ່ນການທົດແທນ . ດັ່ງທີ່ Satya Nadella ເວົ້າ, ມັນແມ່ນກ່ຽວກັບ ການສ້າງຄວາມເຂັ້ມແຂງໃຫ້ ນັກພັດທະນາ, ບໍ່ແມ່ນການປ່ຽນແທນພວກເຂົາ ( AI ຈະແທນທີ່ Programmers ບໍ? ຄວາມຈິງທີ່ຢູ່ເບື້ອງຫລັງການ hype | ໂດຍ The PyCoach | Artificial Corner | Mar, 2025 | Medium ). AI ສາມາດຄິດວ່າເປັນຜູ້ຊ່ວຍ junior: ມັນໄວ, ເມື່ອຍລ້າ, ແລະສາມາດຜ່ານຂັ້ນຕອນທໍາອິດໃນຫຼາຍຫນ້າວຽກ, ແຕ່ມັນຕ້ອງການຄໍາແນະນໍາແລະຄວາມຊໍານານຂອງນັກພັດທະນາອາວຸໂສເພື່ອຜະລິດຜະລິດຕະພັນສຸດທ້າຍ polished. ມັນບອກວ່າເຖິງແມ່ນວ່າລະບົບການເຂົ້າລະຫັດ AI ທີ່ກ້າວຫນ້າທາງດ້ານຫຼາຍທີ່ສຸດກໍ່ຖືກນໍາໄປໃຊ້ເປັນ ຜູ້ຊ່ວຍ ໃນການນໍາໃຊ້ຕົວຈິງ (Copilot, CodeWhisperer, ແລະອື່ນໆ) ແລະບໍ່ແມ່ນຕົວຂຽນລະຫັດອັດຕະໂນມັດ. ບໍລິສັດບໍ່ໄດ້ຍິງທີມງານການຂຽນໂປຼແກຼມຂອງພວກເຂົາແລະປ່ອຍໃຫ້ AI ເຮັດວຽກແບບທໍາມະຊາດ; ແທນທີ່ຈະ, ພວກເຂົາກໍາລັງຝັງ AI ເຂົ້າໄປໃນຂະບວນການເຮັດວຽກຂອງນັກພັດທະນາເພື່ອຊ່ວຍພວກເຂົາ.

ຄໍາເວົ້າຕົວຢ່າງຫນຶ່ງມາຈາກ Sam Altman ຂອງ OpenAI, ຜູ້ທີ່ສັງເກດເຫັນວ່າເຖິງແມ່ນວ່າຕົວແທນ AI ປັບປຸງ, "ຕົວແທນ AI ເຫຼົ່ານີ້ຈະບໍ່ທົດແທນມະນຸດຢ່າງສົມບູນ" ໃນການພັດທະນາຊອບແວ ( Sam Altman ເວົ້າວ່າຕົວແທນ AI ຈະປະຕິບັດວຽກງານທີ່ວິສະວະກອນຊອບແວເຮັດໃນໄວໆນີ້: ເລື່ອງເຕັມໃນ 5 ຈຸດ - India Today ). ພວກເຂົາຈະເຮັດໜ້າທີ່ເປັນ “ຜູ້ຮ່ວມງານສະເໝືອນ” ທີ່ຈັດການວຽກທີ່ກຳນົດໄວ້ໄດ້ດີສຳລັບວິສະວະກອນມະນຸດ, ໂດຍສະເພາະແມ່ນວຽກທີ່ປົກກະຕິຂອງວິສະວະກອນຊອບແວລະດັບຕໍ່າທີ່ມີປະສົບການບໍ່ເທົ່າໃດປີ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, AI ໃນທີ່ສຸດອາດຈະເຮັດວຽກຂອງນັກພັດທະນາ junior ໃນບາງຂົງເຂດ, ແຕ່ນັກພັດທະນາ junior ບໍ່ໄດ້ຫວ່າງງານ - ພວກເຂົາເຈົ້າພັດທະນາໄປສູ່ບົດບາດຂອງການຄວບຄຸມ AI ແລະແກ້ໄຂວຽກງານລະດັບສູງທີ່ AI ບໍ່ສາມາດເຮັດໄດ້. ເຖິງແມ່ນວ່າຈະຊອກຫາອະນາຄົດ, ບ່ອນທີ່ນັກຄົ້ນຄວ້າບາງຄົນຄາດຄະເນວ່າໃນປີ 2040 AI ສາມາດຂຽນລະຫັດຂອງຕົນເອງສ່ວນໃຫຍ່ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ), ໂດຍທົ່ວໄປແລ້ວມັນຕົກລົງເຫັນດີວ່າ ນັກຂຽນໂປລແກລມຂອງມະນຸດຍັງຈະຕ້ອງໄດ້ເບິ່ງແຍງ, ແນະນໍາ, ແລະສະຫນອງການສ້າງສັນແລະແນວຄິດທີ່ສໍາຄັນທີ່ເຄື່ອງຈັກຂາດ .

ມັນຍັງເປັນມູນຄ່າທີ່ສັງເກດວ່າ ການພັດທະນາຊອບແວແມ່ນຫຼາຍກ່ວາພຽງແຕ່ການຂຽນລະຫັດ . ມັນກ່ຽວຂ້ອງກັບການສື່ສານກັບຜູ້ມີສ່ວນກ່ຽວຂ້ອງ, ຄວາມເຂົ້າໃຈເລື່ອງຂອງຜູ້ໃຊ້, ການຮ່ວມມືໃນທີມ, ແລະການອອກແບບຊ້ໍາຊ້ອນ - ທຸກຂົງເຂດທີ່ຄວາມສາມາດຂອງມະນຸດຂາດບໍ່ໄດ້. AI ບໍ່ສາມາດນັ່ງຢູ່ໃນກອງປະຊຸມກັບລູກຄ້າເພື່ອແຍກສິ່ງທີ່ພວກເຂົາຕ້ອງການແທ້ໆ, ແລະມັນບໍ່ສາມາດເຈລະຈາຄວາມສໍາຄັນຫຼືສ້າງແຮງບັນດານໃຈໃຫ້ກັບທີມງານທີ່ມີວິໄສທັດສໍາລັບຜະລິດຕະພັນ. ອົງ ປະກອບຂອງມະນຸດ ຍັງຄົງເປັນສູນກາງ.

ສະຫຼຸບແລ້ວ, AI ມີຈຸດອ່ອນທີ່ສໍາຄັນ: ບໍ່ມີຄວາມຄິດສ້າງສັນທີ່ແທ້ຈິງ, ຄວາມເຂົ້າໃຈທີ່ຈໍາກັດກ່ຽວກັບສະພາບການ, ແນວໂນ້ມສໍາລັບຄວາມຜິດພາດ, ບໍ່ມີຄວາມຮັບຜິດຊອບ, ແລະບໍ່ເຂົ້າໃຈເຖິງຜົນກະທົບທີ່ກວ້າງຂວາງຂອງການຕັດສິນໃຈຊອບແວ. ຊ່ອງຫວ່າງເຫຼົ່ານີ້ແມ່ນບ່ອນທີ່ນັກພັດທະນາຂອງມະນຸດສ່ອງແສງ. ແທນທີ່ຈະເບິ່ງ AI ເປັນໄພຂົ່ມຂູ່, ມັນອາດຈະຖືກຕ້ອງກວ່າທີ່ຈະເບິ່ງມັນເປັນ ເຄື່ອງຂະຫຍາຍສຽງທີ່ມີປະສິດທິພາບສໍາລັບຜູ້ພັດທະນາຂອງມະນຸດ - ການຈັດການໂລກເພື່ອໃຫ້ມະນຸດສາມາດສຸມໃສ່ສິ່ງທີ່ເລິກເຊິ່ງ. ໃນພາກຕໍ່ໄປຈະປຶກສາຫາລືກ່ຽວກັບວິທີການພັດທະນາການຂະຫຍາຍການຂະຫຍາຍນີ້ໂດຍ ການປັບທັກສະແລະພາລະບົດບາດຂອງເຂົາເຈົ້າ ເພື່ອໃຫ້ມີຄວາມກ່ຽວຂ້ອງແລະມີຄຸນຄ່າໃນໂລກການພັດທະນາ AI ເພີ່ມ.

ການປັບຕົວແລະຈະເລີນເຕີບໂຕໃນຍຸກຂອງ AI

ສໍາລັບນັກຂຽນໂປລແກລມແລະນັກພັດທະນາ, ການເພີ່ມຂຶ້ນຂອງ AI ໃນການເຂົ້າລະຫັດບໍ່ຈໍາເປັນຕ້ອງເປັນໄພຂົ່ມຂູ່ທີ່ຮ້າຍແຮງ - ມັນສາມາດເປັນໂອກາດ. ສິ່ງສໍາຄັນແມ່ນ ການປັບຕົວແລະພັດທະນາ ຄຽງຄູ່ກັບເຕັກໂນໂລຢີ. ຜູ້ທີ່ຮຽນຮູ້ທີ່ຈະໃຊ້ AI ອາດຈະເຫັນວ່າຕົນເອງ ຫຼາຍ ແລະມີຄວາມຕ້ອງການ, ໃນຂະນະທີ່ຜູ້ທີ່ບໍ່ສົນໃຈມັນອາດຈະພົບວ່າພວກເຂົາຕົກຢູ່ຫລັງ. ໃນພາກນີ້, ພວກເຮົາສຸມໃສ່ການປະຕິບັດຂັ້ນຕອນແລະຍຸດທະສາດສໍາລັບນັກພັດທະນາເພື່ອໃຫ້ມີຄວາມກ່ຽວຂ້ອງແລະຈະເລີນເຕີບໂຕຍ້ອນວ່າເຄື່ອງມື AI ກາຍເປັນສ່ວນຫນຶ່ງຂອງການພັດທະນາປະຈໍາວັນ. ແນວຄວາມຄິດທີ່ຈະຮັບຮອງເອົາແມ່ນຫນຶ່ງໃນການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງແລະການຮ່ວມມືກັບ AI, ແທນທີ່ຈະເປັນການແຂ່ງຂັນ. ນີ້ແມ່ນວິທີທີ່ນັກພັດທະນາສາມາດປັບຕົວໄດ້ ແລະທັກສະ ແລະບົດບາດອັນໃໝ່ທີ່ເຂົາເຈົ້າຄວນພິຈາລະນາແນວໃດ:

1. ເອົາ AI ເປັນເຄື່ອງມື (ຮຽນຮູ້ທີ່ຈະໃຊ້ AI Coding Assistant ຢ່າງມີປະສິດທິຜົນ): ກ່ອນອື່ນໝົດ, ຜູ້ພັດທະນາຄວນໄດ້ຮັບຄວາມສະດວກສະບາຍກັບເຄື່ອງມື AI ທີ່ມີຢູ່. ປະຕິບັດ Copilot, ChatGPT, ຫຼື AIs ການຂຽນລະຫັດອື່ນໆເປັນຄູ່ຮ່ວມງານການຂຽນໂປຼແກຼມຄູ່ໃຫມ່ຂອງທ່ານ. ນີ້ຫມາຍເຖິງ ການຮຽນຮູ້ວິທີການຂຽນການເຕືອນຫຼືຄໍາຄິດເຫັນທີ່ດີ ເພື່ອໃຫ້ໄດ້ຄໍາແນະນໍາລະຫັດທີ່ເປັນປະໂຫຍດ, ແລະຮູ້ວິທີການກວດສອບຫຼືດີບັກລະຫັດທີ່ສ້າງໂດຍ AI ຢ່າງໄວວາ. ຄືກັນກັບຜູ້ພັດທະນາຕ້ອງຮຽນຮູ້ IDE ຫຼືການຄວບຄຸມເວີຊັນຂອງເຂົາເຈົ້າ, ການຮຽນຮູ້ຄວາມສາມາດຂອງຜູ້ຊ່ວຍ AI ແມ່ນກາຍເປັນສ່ວນໜຶ່ງຂອງຊຸດທັກສະ. ຕົວຢ່າງ, ນັກພັດທະນາສາມາດປະຕິບັດໄດ້ໂດຍການເອົາລະຫັດທີ່ເຂົາເຈົ້າຂຽນແລະຂໍໃຫ້ AI ປັບປຸງມັນ, ຫຼັງຈາກນັ້ນວິເຄາະການປ່ຽນແປງ. ຫຼື, ເມື່ອເລີ່ມຕົ້ນວຽກງານ, ອະທິບາຍມັນໃນຄໍາເຫັນແລະເບິ່ງສິ່ງທີ່ AI ສະຫນອງ, ຫຼັງຈາກນັ້ນປັບປຸງຈາກບ່ອນນັ້ນ. ເມື່ອເວລາຜ່ານໄປ, ທ່ານຈະພັດທະນາ intuition ສໍາລັບສິ່ງທີ່ AI ເກັ່ງແລະວິທີການຮ່ວມກັນກັບມັນ. ຄິດ​ວ່າ​ມັນ​ເປັນ “ການ​ພັດ​ທະ​ນາ​ການ​ຊ່ວຍ​ເຫຼືອ AI” – ເປັນ​ສີ​ມື​ແຮງ​ງານ​ໃຫມ່​ທີ່​ຈະ​ເພີ່ມ​ເຂົ້າ​ໄປ​ໃນ​ກ່ອງ​ເຄື່ອງ​ມື​ຂອງ​ທ່ານ​. ແທ້ຈິງແລ້ວ, ນັກພັດທະນາໃນປັດຈຸບັນເວົ້າກ່ຽວກັບ "ວິສະວະກໍາທັນທີ" ເປັນທັກສະ - ຮູ້ວິທີການຖາມ AI ຄໍາຖາມທີ່ຖືກຕ້ອງ. ຜູ້ທີ່ເປັນເຈົ້າຂອງມັນສາມາດບັນລຸຜົນໄດ້ຮັບທີ່ດີກວ່າຢ່າງຫຼວງຫຼາຍຈາກເຄື່ອງມືດຽວກັນ. ຈືຂໍ້ມູນການ, "ຜູ້ພັດທະນາທີ່ໃຊ້ AI ອາດຈະປ່ຽນແທນຜູ້ທີ່ບໍ່ໄດ້" - ສະນັ້ນຈົ່ງຮັບເອົາເຕັກໂນໂລຢີແລະເຮັດໃຫ້ມັນເປັນພັນທະມິດຂອງທ່ານ.

2. ສຸມໃສ່ທັກສະລະດັບສູງ (ການແກ້ໄຂບັນຫາ, ການອອກແບບລະບົບ, ສະຖາປັດຕະຍະກໍາ): ເນື່ອງຈາກ AI ສາມາດຈັດການລະຫັດລະດັບຕ່ໍາກວ່າ, ຜູ້ພັດທະນາຄວນ ເລື່ອນຂັ້ນໄດທີ່ບໍ່ມີຕົວຕົນ . ນີ້ຫມາຍຄວາມວ່າການເນັ້ນຫນັກໃສ່ຄວາມເຂົ້າໃຈຫຼາຍກ່ຽວກັບການອອກແບບລະບົບແລະສະຖາປັດຕະຍະກໍາ. ປູກຝັງທັກສະໃນການທໍາລາຍບັນຫາທີ່ຊັບຊ້ອນ, ການອອກແບບລະບົບທີ່ສາມາດປັບຂະຫນາດໄດ້, ແລະການຕັດສິນໃຈສະຖາປັດຕະຍະກໍາ - ພື້ນທີ່ທີ່ຄວາມເຂົ້າໃຈຂອງມະນຸດແມ່ນສໍາຄັນ. ສຸມໃສ່ເຫດຜົນແລະວິທີການແກ້ໄຂ, ບໍ່ພຽງແຕ່ສິ່ງທີ່. ສໍາລັບຕົວຢ່າງ, ແທນທີ່ຈະໃຊ້ເວລາທັງຫມົດຂອງທ່ານເພື່ອເຮັດຫນ້າທີ່ຈັດລໍາດັບຢ່າງສົມບູນ (ເມື່ອ AI ສາມາດຂຽນຫນຶ່ງສໍາລັບທ່ານ), ໃຊ້ເວລາເຂົ້າໃຈວິທີການຈັດລຽງທີ່ເຫມາະສົມກັບສະພາບການຂອງຄໍາຮ້ອງສະຫມັກຂອງທ່ານແລະວິທີການທີ່ມັນເຫມາະກັບການໄຫຼເຂົ້າຂອງຂໍ້ມູນຂອງລະບົບຂອງທ່ານ. ການຄິດການອອກແບບ - ພິຈາລະນາຄວາມຕ້ອງການຂອງຜູ້ໃຊ້, ການໄຫຼເຂົ້າຂອງຂໍ້ມູນ, ແລະການໂຕ້ຕອບອົງປະກອບ - ຈະມີຄຸນຄ່າສູງ. AI ສາມາດສ້າງລະຫັດ, ແຕ່ມັນແມ່ນຜູ້ພັດທະນາທີ່ຕັດສິນໃຈໂຄງສ້າງໂດຍລວມຂອງຊອບແວແລະຮັບປະກັນວ່າທຸກພາກສ່ວນເຮັດວຽກຮ່ວມກັນ. ໂດຍການເຮັດໃຫ້ຄວາມຄິດທີ່ມີຮູບພາບໃຫຍ່, ທ່ານເຮັດໃຫ້ຕົວທ່ານເອງເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້ໃນຖານະຜູ້ທີ່ນໍາພາ AI (ແລະສ່ວນທີ່ເຫຼືອຂອງທີມງານ) ໃນການສ້າງສິ່ງທີ່ຖືກຕ້ອງ. ດັ່ງທີ່ບົດລາຍງານທີ່ເບິ່ງໃນອະນາຄົດໄດ້ສັງເກດເຫັນ, ນັກພັດທະນາຄວນ "ສຸມໃສ່ພື້ນທີ່ທີ່ຄວາມເຂົ້າໃຈຂອງມະນຸດແມ່ນບໍ່ສາມາດທົດແທນໄດ້, ເຊັ່ນການແກ້ໄຂບັນຫາ, ການຄິດອອກແບບ, ແລະຄວາມເຂົ້າໃຈຄວາມຕ້ອງການຂອງຜູ້ໃຊ້." ( ແມ່ນ AI ຈະເຂົ້າມາແທນທີ່ນັກພັດທະນາໃນປີ 2025: ການເບິ່ງຂ້າມອະນາຄົດ )

3. ເສີມ​ຂະ​ຫຍາຍ​ຄວາມ​ຮູ້ AI & ML ຂອງ​ທ່ານ​: ເພື່ອ​ເຮັດ​ວຽກ​ຮ່ວມ​ກັບ AI​, ມັນ​ຈະ​ຊ່ວຍ​ໃຫ້ ​ເຂົ້າ​ໃຈ AI ​. ນັກພັດທະນາບໍ່ຈໍາເປັນຕ້ອງກາຍເປັນນັກຄົ້ນຄວ້າການຮຽນຮູ້ເຄື່ອງຈັກ, ແຕ່ການເຂົ້າໃຈຢ່າງຫນັກແຫນ້ນວ່າວິທີການເຮັດວຽກແບບຈໍາລອງເຫຼົ່ານີ້ຈະເປັນປະໂຫຍດ. ຮຽນຮູ້ພື້ນຖານຂອງການຮຽນຮູ້ເຄື່ອງຈັກ ແລະການຮຽນຮູ້ເລິກ – ບໍ່ພຽງແຕ່ຈະເປີດເສັ້ນທາງອາຊີບໃໝ່ໆເທົ່ານັ້ນ (ນັບຕັ້ງແຕ່ວຽກທີ່ກ່ຽວຂ້ອງກັບ AI ກໍາລັງຂະຫຍາຍຕົວ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] )), ແຕ່ມັນຍັງຈະຊ່ວຍໃຫ້ທ່ານໃຊ້ເຄື່ອງມື AI ໄດ້ມີປະສິດທິພາບຫຼາຍຂຶ້ນ. ຖ້າທ່ານຮູ້, ຕົວຢ່າງ, ຂໍ້ຈໍາກັດຂອງຮູບແບບພາສາຂະຫນາດໃຫຍ່ແລະວິທີທີ່ມັນຖືກຝຶກອົບຮົມ, ທ່ານສາມາດຄາດຄະເນເວລາທີ່ມັນອາດຈະລົ້ມເຫລວແລະອອກແບບການເຕືອນຫຼືການທົດສອບຂອງທ່ານຕາມຄວາມເຫມາະສົມ. ນອກຈາກນັ້ນ, ຜະລິດຕະພັນຊອບແວຈໍານວນຫຼາຍປະຈຸບັນໄດ້ລວມເອົາຄຸນສົມບັດ AI (ຕົວຢ່າງ, ແອັບຯທີ່ມີເຄື່ອງຈັກແນະນໍາຫຼື chatbot). ນັກພັດທະນາຊອບແວທີ່ມີຄວາມຮູ້ ML ບາງຢ່າງສາມາດປະກອບສ່ວນເຂົ້າໃນລັກສະນະເຫຼົ່ານັ້ນຫຼືຢ່າງຫນ້ອຍຈະຮ່ວມມືກັບນັກວິທະຍາສາດຂໍ້ມູນຢ່າງສະຫຼາດ. ພາກສ່ວນຫຼັກໆທີ່ຈະພິຈາລະນາການຮຽນຮູ້ລວມມີ: ພື້ນຖານວິທະຍາສາດຂໍ້ມູນ , ວິທີການປະມວນຜົນຂໍ້ມູນ, ການຝຶກອົບຮົມທຽບກັບ inference, ແລະຈັນຍາບັນຂອງ AI. ເຮັດຄວາມຄຸ້ນເຄີຍກັບກອບ AI (TensorFlow, PyTorch) ແລະບໍລິການ AI cloud; ເຖິງແມ່ນວ່າທ່ານບໍ່ໄດ້ສ້າງແບບຈໍາລອງຈາກຈຸດເລີ່ມຕົ້ນ, ການຮູ້ວິທີການປະສົມປະສານ AI API ເຂົ້າໄປໃນແອັບຯແມ່ນທັກສະທີ່ມີຄຸນຄ່າ. ໃນສັ້ນ, ການກາຍມາເປັນ "AI literate" ແມ່ນມີຄວາມສໍາຄັນຢ່າງໄວວາທີ່ຈະຮູ້ຫນັງສືໃນເວັບຫຼືຖານຂໍ້ມູນ. ຜູ້ພັດທະນາທີ່ສາມາດຂ້າມໂລກຂອງວິສະວະກໍາຊໍແວແບບດັ້ງເດີມແລະ AI ຈະຢູ່ໃນຕໍາແຫນ່ງທີ່ສໍາຄັນເພື່ອນໍາພາໂຄງການໃນອະນາຄົດ.

4. ພັດທະນາທັກສະດ້ານອ່ອນ ແລະຄວາມຮູ້ໂດເມນໃຫ້ເຂັ້ມແຂງຂຶ້ນ: ເມື່ອ AI ເຂົ້າມາຄອບຄອງວຽກງານກົນຈັກ, ທັກສະຂອງມະນຸດທີ່ເປັນເອກະລັກກໍ່ກາຍເປັນສິ່ງສໍາຄັນຫຼາຍຂຶ້ນ. ການສື່ສານ, ການເຮັດວຽກເປັນທີມ, ແລະຄວາມຊ່ຽວຊານຂອງໂດເມນ ແມ່ນພື້ນທີ່ທີ່ຈະຫຼຸດລົງສອງເທົ່າ. ການພັດທະນາຊອບແວມັກຈະເປັນການເຂົ້າໃຈໂດເມນບັນຫາ - ບໍ່ວ່າຈະເປັນທາງດ້ານການເງິນ, ການດູແລສຸຂະພາບ, ການສຶກສາ, ຫຼືສາຂາອື່ນໆ - ແລະການແປເປັນການແກ້ໄຂ. AI ຈະບໍ່ມີສະພາບການນັ້ນ ຫຼືຄວາມສາມາດໃນການພົວພັນກັບຜູ້ມີສ່ວນກ່ຽວຂ້ອງ, ແຕ່ເຈົ້າເຮັດໄດ້. ການມີຄວາມຮູ້ຫຼາຍຂຶ້ນໃນໂດເມນທີ່ເຈົ້າເຮັດວຽກຢູ່ນັ້ນເຮັດໃຫ້ເຈົ້າເປັນບຸກຄົນທີ່ໄປເຖິງການຮັບປະກັນວ່າຊອບແວໄດ້ຕອບສະໜອງຄວາມຕ້ອງການຂອງໂລກຕົວຈິງ. ເຊັ່ນດຽວກັນ, ສຸມໃສ່ທັກສະການຮ່ວມມືຂອງທ່ານ: ການໃຫ້ຄໍາປຶກສາ, ການນໍາພາ, ແລະການປະສານງານ. ທີມງານຍັງຕ້ອງການຜູ້ພັດທະນາອາວຸໂສເພື່ອທົບທວນລະຫັດ (ລວມທັງລະຫັດທີ່ຂຽນດ້ວຍ AI), ແນະນໍາຜູ້ສອນໃນການປະຕິບັດທີ່ດີທີ່ສຸດ, ແລະປະສານງານໂຄງການທີ່ສັບສົນ. AI ບໍ່ໄດ້ເອົາຄວາມຕ້ອງການສໍາລັບການໂຕ້ຕອບຂອງມະນຸດໃນໂຄງການ. ໃນຄວາມເປັນຈິງ, ດ້ວຍການສ້າງລະຫັດ AI, ການໃຫ້ຄໍາປຶກສາຂອງຜູ້ພັດທະນາອາວຸໂສອາດຈະຫັນໄປສູ່ການສອນເດັກນ້ອຍ ກ່ຽວກັບວິທີເຮັດວຽກກັບ AI ແລະກວດສອບຜົນຜະລິດຂອງມັນ , ແທນທີ່ຈະເປັນວິທີການຂຽນສໍາລັບວົງ. ການ​ທີ່​ຈະ​ຊີ້​ນຳ​ຄົນ​ອື່ນ​ໃນ​ແບບ​ແຜນ​ໃໝ່​ນີ້​ເປັນ​ທັກສະ​ທີ່​ມີ​ຄ່າ. ນອກຈາກນັ້ນ, ຝຶກ ຄິດວິພາກວິຈານ - ຖາມແລະທົດສອບຜົນໄດ້ຮັບ AI, ແລະຊຸກຍູ້ໃຫ້ຄົນອື່ນເຮັດເຊັ່ນດຽວກັນ. ການປູກຈິດສຳນຶກດ້ານຄວາມສົງໄສ ແລະ ການກວດສອບຄວາມຖືກຕ້ອງຈະປ້ອງກັນການເພິ່ງພາຕາບອດຕໍ່ AI ແລະຫຼຸດຜ່ອນຄວາມຜິດພາດ. ໂດຍພື້ນຖານແລ້ວ, ປັບປຸງທັກສະທີ່ AI ຂາດ: ຄວາມເຂົ້າໃຈຄົນແລະສະພາບການ, ການວິເຄາະວິພາກວິຈານ, ແລະການຄິດແບບ interdisciplinary.

5. ການຮຽນຮູ້ຕະຫຼອດຊີວິດ ແລະ ການປັບຕົວໄດ້: ຈັງຫວະການປ່ຽນແປງຂອງ AI ແມ່ນໄວທີ່ສຸດ. ສິ່ງທີ່ມີຄວາມຮູ້ສຶກທີ່ທັນສະໄຫມໃນມື້ນີ້ອາດຈະລ້າສະໄຫມໃນສອງສາມປີ. ນັກພັດທະນາຕ້ອງຍອມຮັບ ການຮຽນຮູ້ຕະຫຼອດຊີວິດ ຫຼາຍກວ່າທີ່ເຄີຍມີມາ. ນີ້ອາດຈະຫມາຍຄວາມວ່າເປັນປະຈໍາທົດລອງໃຊ້ຕົວຊ່ວຍການຂຽນລະຫັດ AI ໃຫມ່, ຫຼັກສູດອອນໄລນ໌ຫຼືການຢັ້ງຢືນໃນ AI / ML, ອ່ານ blog ການຄົ້ນຄວ້າເພື່ອຕິດຕາມສິ່ງທີ່ຈະມາເຖິງ, ຫຼືເຂົ້າຮ່ວມໃນຊຸມຊົນນັກພັດທະນາທີ່ສຸມໃສ່ AI. ການປັບຕົວໄດ້ແມ່ນກຸນແຈສຳຄັນ – ພ້ອມທີ່ຈະຫັນໄປສູ່ເຄື່ອງມື ແລະ ຂະບວນການເຮັດວຽກໃໝ່ໆ ເມື່ອພວກມັນອອກມາ. ຕົວຢ່າງ, ຖ້າເຄື່ອງມື AI ໃຫມ່ມາທີ່ສາມາດອັດຕະໂນມັດການອອກແບບ UI ຈາກ sketches, ນັກພັດທະນາດ້ານຫນ້າຄວນຈະກຽມພ້ອມທີ່ຈະຮຽນຮູ້ແລະລວມເອົາສິ່ງນັ້ນ, ການປ່ຽນຈຸດສຸມຂອງພວກເຂົາອາດຈະເປັນການປັບປຸງ UI ທີ່ສ້າງຂຶ້ນຫຼືປັບປຸງລາຍລະອຽດປະສົບການຂອງຜູ້ໃຊ້ທີ່ອັດຕະໂນມັດພາດໂອກາດນີ້. ຜູ້ທີ່ປະຕິບັດການຮຽນຮູ້ເປັນສ່ວນຫນຶ່ງຢ່າງຕໍ່ເນື່ອງຂອງອາຊີບຂອງພວກເຂົາ (ທີ່ນັກພັດທະນາຫຼາຍຄົນເຮັດແລ້ວ) ຈະເຫັນວ່າມັນງ່າຍຕໍ່ການເຊື່ອມໂຍງການພັດທະນາ AI. ຍຸດທະສາດອັນໜຶ່ງແມ່ນການອຸທິດສ່ວນນ້ອຍໆຂອງອາທິດຂອງເຈົ້າໃຫ້ກັບການຮຽນຮູ້ ແລະການທົດລອງ – ຖືວ່າມັນເປັນການລົງທຶນໃນອະນາຄົດຂອງເຈົ້າເອງ. ບໍລິສັດຍັງເລີ່ມໃຫ້ການຝຶກອົບຮົມສໍາລັບນັກພັດທະນາຂອງພວກເຂົາກ່ຽວກັບການນໍາໃຊ້ເຄື່ອງມື AI ຢ່າງມີປະສິດທິຜົນ; ການສວຍໃຊ້ໂອກາດດັ່ງກ່າວຈະເຮັດໃຫ້ເຈົ້າເດີນໜ້າ. ຜູ້ພັດທະນາທີ່ຈະເລີນຮຸ່ງເຮືອງຈະເປັນຜູ້ທີ່ເຫັນ AI ເປັນຄູ່ຮ່ວມພັດທະນາ ແລະປັບປຸງວິທີການເຮັດວຽກກັບຄູ່ຮ່ວມງານນັ້ນຢ່າງຕໍ່ເນື່ອງ.

6. ສຳຫຼວດບົດບາດທີ່ພົ້ນເດັ່ນ ແລະ ເສັ້ນທາງອາຊີບ: ເມື່ອ AI ກາຍເປັນການພັດທະນາ, ໂອກາດອາຊີບໃໝ່ກໍ່ປະກົດຂຶ້ນ. ຕົວຢ່າງເຊັ່ນ, Prompt Engineer ຫຼື AI Integration Specialist ແມ່ນບົດບາດທີ່ເນັ້ນໃສ່ການສ້າງການກະຕຸ້ນເຕືອນ, ຂະບວນການເຮັດວຽກ ແລະໂຄງສ້າງພື້ນຖານທີ່ຖືກຕ້ອງເພື່ອໃຊ້ AI ໃນຜະລິດຕະພັນ. ຕົວຢ່າງອີກອັນຫນຶ່ງແມ່ນ AI Ethics Engineer ຫຼື AI Auditor - ພາລະບົດບາດທີ່ສຸມໃສ່ການທົບທວນຄືນຜົນໄດ້ຮັບ AI ສໍາລັບຄວາມລໍາອຽງ, ການປະຕິບັດຕາມ, ແລະຄວາມຖືກຕ້ອງ. ຖ້າທ່ານມີຄວາມສົນໃຈໃນດ້ານເຫຼົ່ານັ້ນ, ການຈັດຕໍາແຫນ່ງຕົວເອງດ້ວຍຄວາມຮູ້ທີ່ຖືກຕ້ອງສາມາດເປີດເສັ້ນທາງໃຫມ່ເຫຼົ່ານີ້. ເຖິງແມ່ນວ່າຢູ່ໃນພາລະບົດບາດຄລາສສິກ, ທ່ານອາດຈະຊອກຫາ niches ເຊັ່ນ "ນັກພັດທະນາດ້ານຫນ້າທີ່ມີການຊ່ວຍເຫຼືອ AI" ທຽບກັບ "ຜູ້ພັດທະນາ backend ທີ່ມີການຊ່ວຍເຫຼືອ AI" ທີ່ແຕ່ລະຄົນໃຊ້ເຄື່ອງມືພິເສດ. ຕິດຕາມເບິ່ງວ່າອົງການຕ່າງໆກໍາລັງສ້າງໂຄງສ້າງທີມແນວໃດກ່ຽວກັບ AI. ບາງບໍລິສັດມີ “AI Guilds” ຫຼືສູນກາງທີ່ດີເລີດເພື່ອນໍາພາການຮັບຮອງເອົາ AI ໃນໂຄງການ – ການເຄື່ອນໄຫວຢູ່ໃນກຸ່ມດັ່ງກ່າວສາມາດເຮັດໃຫ້ເຈົ້າຢູ່ໃນແຖວຫນ້າ. ຍິ່ງໄປກວ່ານັ້ນ, ພິຈາລະນາການປະກອບສ່ວນໃນການພັດທະນາເຄື່ອງມື AI ດ້ວຍຕົນເອງ: ຕົວຢ່າງ, ເຮັດວຽກກ່ຽວກັບໂຄງການ open-source ທີ່ປັບປຸງເຄື່ອງມືຂອງນັກພັດທະນາ (ບາງທີການເພີ່ມປະສິດທິພາບຂອງ AI ໃນການອະທິບາຍລະຫັດ, ແລະອື່ນໆ). ນີ້ບໍ່ພຽງແຕ່ເຮັດໃຫ້ຄວາມເຂົ້າໃຈຂອງທ່ານເລິກເຊິ່ງກ່ຽວກັບເຕັກໂນໂລຢີ, ແຕ່ຍັງເຮັດໃຫ້ທ່ານຢູ່ໃນຊຸມຊົນທີ່ນໍາພາການປ່ຽນແປງ. ເສັ້ນທາງລຸ່ມແມ່ນມີຄວາມຫ້າວຫັນກ່ຽວກັບ ຄວາມວ່ອງໄວໃນການເຮັດວຽກ . ຖ້າບາງສ່ວນຂອງວຽກປະຈຸບັນຂອງທ່ານກາຍເປັນອັດຕະໂນມັດ, ກຽມພ້ອມທີ່ຈະປ່ຽນໄປສູ່ບົດບາດທີ່ອອກແບບ, ເບິ່ງແຍງ, ຫຼືເພີ່ມຊິ້ນສ່ວນອັດຕະໂນມັດເຫຼົ່ານັ້ນ.

7. ຮັກສາແລະສະແດງຄຸນນະພາບຂອງມະນຸດ: ໃນໂລກທີ່ AI ສາມາດສ້າງລະຫັດສະເລ່ຍສໍາລັບບັນຫາໂດຍສະເລ່ຍ, ນັກພັດທະນາຂອງມະນຸດຄວນພະຍາຍາມຜະລິດ ພິເສດ ແລະ empathetic ທີ່ AI ບໍ່ສາມາດເຮັດໄດ້. ນີ້ອາດຈະຫມາຍເຖິງການສຸມໃສ່ການລະອຽດຂອງປະສົບການຂອງຜູ້ໃຊ້, ການເພີ່ມປະສິດທິພາບການປະຕິບັດສໍາລັບສະຖານະການທີ່ຜິດປົກກະຕິ, ຫຼືພຽງແຕ່ຂຽນລະຫັດທີ່ສະອາດແລະເອກະສານທີ່ດີ (AI ບໍ່ໄດ້ດີທີ່ຈະຂຽນເອກະສານທີ່ມີຄວາມຫມາຍຫຼືຄໍາຄິດເຫັນລະຫັດທີ່ເຂົ້າໃຈໄດ້ - ທ່ານສາມາດເພີ່ມມູນຄ່າຢູ່ທີ່ນັ້ນ!). ເຮັດໃຫ້ມັນເປັນຈຸດທີ່ຈະປະສົມປະສານຄວາມເຂົ້າໃຈຂອງມະນຸດເຂົ້າໃນວຽກງານ: ຕົວຢ່າງ, ຖ້າ AI ສ້າງລະຫັດຫນຶ່ງ, ທ່ານເພີ່ມຄໍາຄິດຄໍາເຫັນທີ່ອະທິບາຍເຫດຜົນໃນທາງທີ່ມະນຸດຄົນອື່ນສາມາດເຂົ້າໃຈໃນພາຍຫລັງ, ຫຼືທ່ານປັບມັນໃຫ້ອ່ານໄດ້ຫຼາຍຂຶ້ນ. ໂດຍການເຮັດດັ່ງນັ້ນ, ທ່ານກໍາລັງເພີ່ມຊັ້ນຂອງຄວາມເປັນມືອາຊີບແລະຄຸນນະພາບທີ່ການເຮັດວຽກທີ່ຜະລິດດ້ວຍເຄື່ອງຈັກຢ່າງດຽວຂາດ. ເມື່ອເວລາຜ່ານໄປ, ການສ້າງຊື່ສຽງສໍາລັບຊອບແວທີ່ມີຄຸນນະພາບສູງທີ່ "ພຽງແຕ່ເຮັດວຽກ" ໃນໂລກທີ່ແທ້ຈິງຈະເຮັດໃຫ້ເຈົ້າແຕກແຍກ. ລູກ​ຄ້າ​ແລະ​ຜູ້​ຈ້າງ​ແຮງ​ງານ​ຈະ​ໃຫ້​ຄຸນ​ຄ່າ​ຜູ້​ພັດ​ທະ​ນາ​ທີ່​ສາ​ມາດ ​ປະ​ສົມ​ປະ​ສິດ​ທິ​ພາບ AI ກັບ​ຫັດ​ຖະ​ກໍາ​ມະ​ນຸດ ​.

ຂໍ​ໃຫ້​ພິຈາລະນາ​ວ່າ​ເສັ້ນທາງ​ການ​ສຶກສາ​ອາດ​ປັບ​ຕົວ​ແນວ​ໃດ. ນັກພັດທະນາໃຫມ່ທີ່ເຂົ້າມາໃນພາກສະຫນາມບໍ່ຄວນຂີ້ອາຍຈາກເຄື່ອງມື AI ໃນຂະບວນການຮຽນຮູ້ຂອງພວກເຂົາ. ໃນທາງກົງກັນຂ້າມ, ການຮຽນຮູ້ ກັບ AI (ຕົວຢ່າງ, ການນໍາໃຊ້ AI ເພື່ອຊ່ວຍໃນການເຮັດວຽກບ້ານຫຼືໂຄງການ, ຫຼັງຈາກນັ້ນການວິເຄາະຜົນໄດ້ຮັບ) ສາມາດເລັ່ງຄວາມເຂົ້າໃຈຂອງເຂົາເຈົ້າ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນເປັນສິ່ງ ສຳ ຄັນທີ່ຈະ ຮຽນຮູ້ພື້ນຖານຢ່າງເລິກເຊິ່ງ - ສູດການຄິດໄລ່, ໂຄງສ້າງຂໍ້ມູນ, ແລະແນວຄວາມຄິດການຂຽນໂປແກຼມຫຼັກ - ດັ່ງນັ້ນເຈົ້າຈຶ່ງມີພື້ນຖານອັນແຂງແກ່ນແລະສາມາດບອກໄດ້ວ່າ AI ຈະຫລົງທາງໃນເມື່ອໃດ. ຍ້ອນວ່າ AI ຈັດການການເຂົ້າລະຫັດແບບງ່າຍໆ, ຫຼັກສູດອາດຈະເຮັດໃຫ້ນໍ້າໜັກຫຼາຍຂຶ້ນຕໍ່ກັບໂຄງການທີ່ຕ້ອງການການອອກແບບ ແລະການເຊື່ອມໂຍງ. ຖ້າທ່ານເປັນຜູ້ໃຫມ່, ຈົ່ງສຸມໃສ່ການສ້າງຫຼັກຊັບທີ່ສະແດງໃຫ້ເຫັນເຖິງຄວາມສາມາດໃນການແກ້ໄຂບັນຫາທີ່ສັບສົນແລະນໍາໃຊ້ AI ເປັນເຄື່ອງມືຫນຶ່ງໃນຫຼາຍ.

ເພື່ອຫຸ້ມຫໍ່ຍຸດທະສາດການປັບຕົວ: ເປັນນັກບິນ, ບໍ່ແມ່ນຜູ້ໂດຍສານ. ໃຊ້ເຄື່ອງມື AI, ແຕ່ຢ່າເພິ່ງພາອາໄສພວກມັນຫຼາຍເກີນໄປ ຫຼືພໍໃຈ. ສືບ​ຕໍ່​ເສີມ​ຂະ​ຫຍາຍ​ການ​ພັດ​ທະ​ນາ​ດ້ານ​ມະ​ນຸດ​ສະ​ເພາະ. Grady Booch, ຜູ້ບຸກເບີກດ້ານວິສະວະກໍາຊອບແວທີ່ເຄົາລົບ, ກ່າວວ່າມັນດີ: "AI ກໍາລັງຈະປ່ຽນແປງພື້ນຖານຂອງຄວາມຫມາຍຂອງການເປັນໂປລແກລມ. ມັນຈະບໍ່ລົບລ້າງນັກຂຽນໂປລແກລມ, ແຕ່ມັນຕ້ອງການໃຫ້ພວກເຂົາພັດທະນາທັກສະໃຫມ່ແລະເຮັດວຽກໃນຮູບແບບໃຫມ່." ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ໂດຍການພັດທະນາທັກສະ ແລະວິທີການເຮັດວຽກໃໝ່ເຫຼົ່ານັ້ນຢ່າງຕັ້ງໜ້າ, ນັກພັດທະນາສາມາດຮັບປະກັນວ່າເຂົາເຈົ້າຍັງຄົງຢູ່ໃນບ່ອນນັ່ງຄົນຂັບຂອງອາຊີບຂອງເຂົາເຈົ້າ.

ເພື່ອສະຫຼຸບສ່ວນນີ້, ນີ້ແມ່ນລາຍການກວດສອບການອ້າງອິງໄວສໍາລັບນັກພັດທະນາທີ່ຊອກຫາຫຼັກຖານໃນອະນາຄົດໃນອາຊີບຂອງພວກເຂົາໃນອາຍຸຂອງ AI:

ໂດຍການປະຕິບັດຕາມຍຸດທະສາດເຫຼົ່ານີ້, ນັກພັດທະນາສາມາດຫັນການປະຕິວັດ AI ໄປສູ່ປະໂຫຍດຂອງພວກເຂົາ. ຜູ້ທີ່ປັບຕົວຈະພົບວ່າ AI ເສີມຂະຫຍາຍ ຄວາມສາມາດຂອງເຂົາເຈົ້າແລະອະນຸຍາດໃຫ້ພວກເຂົາຜະລິດຊອບແວທີ່ດີກວ່າເກົ່າ, ແທນທີ່ຈະເຮັດໃຫ້ພວກເຂົາລ້າສະໄຫມ.

ການຄາດຄະເນໃນອະນາຄົດ: ການຮ່ວມມືລະຫວ່າງ AI ແລະນັກພັດທະນາ

ອະນາຄົດຂອງການຂຽນໂປຼແກຼມໃນໂລກທີ່ຂັບເຄື່ອນດ້ວຍ AI ແມ່ນຫຍັງ? ອີງຕາມທ່າອ່ຽງໃນປະຈຸບັນ, ພວກເຮົາສາມາດຄາດຫວັງອະນາຄົດທີ່ AI ແລະນັກພັດທະນາມະນຸດເຮັດວຽກຮ່ວມກັນຢ່າງໃກ້ຊິດ . ບົດບາດຂອງນັກຂຽນໂປລແກລມອາດຈະສືບຕໍ່ຫັນໄປສູ່ການຊີ້ນໍາແລະການສ້າງສັນ, ໂດຍ AI ຈັດການກັບ "ການຍົກຫນັກ" ຫຼາຍຂຶ້ນພາຍໃຕ້ການຊີ້ນໍາຂອງມະນຸດ. ໃນພາກສະຫຼຸບນີ້, ພວກເຮົາຄາດຄະເນບາງສະຖານະການໃນອະນາຄົດແລະຮັບປະກັນວ່າການຄາດຄະເນສໍາລັບນັກພັດທະນາສາມາດເປັນບວກ - ຖ້າພວກເຮົາສືບຕໍ່ປັບຕົວ.

ໃນອະນາຄົດອັນໃກ້ນີ້ (5-10 ປີຂ້າງຫນ້າ), ມັນເປັນໄປໄດ້ຫຼາຍທີ່ AI ຈະກາຍເປັນທີ່ກວ້າງຂວາງໃນຂະບວນການພັດທະນາຄືກັບຄອມພິວເຕີເອງ. ເຊັ່ນດຽວກັນກັບບໍ່ມີນັກພັດທະນາໃນມື້ນີ້ຂຽນລະຫັດໂດຍບໍ່ມີບັນນາທິການຫຼືບໍ່ມີ Google / StackOverflow ຢູ່ປາຍນິ້ວມືຂອງພວກເຂົາ, ໄວໆນີ້ບໍ່ມີນັກພັດທະນາຈະຂຽນລະຫັດໂດຍບໍ່ມີຮູບແບບຂອງການຊ່ວຍເຫຼືອ AI ທີ່ເຮັດວຽກຢູ່ໃນພື້ນຫລັງ. ສະພາບແວດລ້ອມການພັດທະນາແບບປະສົມປະສານ (IDEs) ກໍາລັງພັດທະນາແລ້ວເພື່ອປະກອບມີຄຸນສົມບັດທີ່ໃຊ້ AI ຢູ່ໃນຫຼັກຂອງພວກເຂົາ (ຕົວຢ່າງ, ບັນນາທິການລະຫັດທີ່ສາມາດອະທິບາຍລະຫັດໃຫ້ທ່ານຫຼືແນະນໍາການປ່ຽນແປງລະຫັດທັງຫມົດໃນທົ່ວໂຄງການ). ພວກເຮົາອາດຈະໄປຮອດຈຸດທີ່ວຽກຫຼັກຂອງຜູ້ພັດທະນາແມ່ນ ການສ້າງບັນຫາ ແລະຂໍ້ຈໍາກັດໃນວິທີທີ່ AI ສາມາດເຂົ້າໃຈໄດ້, ຈາກນັ້ນແກ້ໄຂ ແລະປັບປຸງວິທີແກ້ໄຂທີ່ AI ສະໜອງໃຫ້ . ນີ້ຄ້າຍຄືກັບຮູບແບບການຂຽນໂປລແກລມລະດັບສູງ, ບາງຄັ້ງຖືກຂະຫນານນາມວ່າ "ການຂຽນໂປລແກລມທັນທີ" ຫຼື "ການວາງແຜນ AI."

ຢ່າງໃດກໍຕາມ, ຄວາມສໍາຄັນຂອງສິ່ງທີ່ຕ້ອງເຮັດ - ແກ້ໄຂບັນຫາສໍາລັບປະຊາຊົນ - ຍັງບໍ່ປ່ຽນແປງ. AI ໃນອະນາຄົດອາດຈະສາມາດສ້າງແອັບຯທັງຫມົດຈາກຄໍາອະທິບາຍ ("ສ້າງແອັບຯມືຖືໃຫ້ຂ້ອຍສໍາລັບການຈອງການນັດຫມາຍທ່ານຫມໍ"), ແຕ່ວຽກເຮັດຄວາມກະຈ່າງແຈ້ງຂອງຄໍາອະທິບາຍນັ້ນ, ໃຫ້ແນ່ໃຈວ່າມັນຖືກຕ້ອງ, ແລະການປັບແຕ່ງຜົນໄດ້ຮັບເພື່ອໃຫ້ຜູ້ໃຊ້ພໍໃຈຈະມີສ່ວນຮ່ວມກັບນັກພັດທະນາ (ພ້ອມກັບນັກອອກແບບ, ຜູ້ຈັດການຜະລິດຕະພັນ, ແລະອື່ນໆ). ໃນຄວາມເປັນຈິງ, ຖ້າການສ້າງ app ພື້ນຖານກາຍເປັນເລື່ອງງ່າຍ, ຄວາມຄິດສ້າງສັນແລະນະວັດຕະກໍາຂອງມະນຸດໃນຊອບແວຈະກາຍເປັນສິ່ງສໍາຄັນຫຼາຍ ໃນການຈໍາແນກຜະລິດຕະພັນ. ພວກເຮົາອາດຈະເຫັນຄວາມຈະເລີນຮຸ່ງເຮືອງຂອງຊອບແວ, ບ່ອນທີ່ຄໍາຮ້ອງສະຫມັກປະຈໍາວັນຫຼາຍແມ່ນຜະລິດໂດຍ AI, ໃນຂະນະທີ່ນັກພັດທະນາຂອງມະນຸດສຸມໃສ່ໂຄງການທີ່ທັນສະ ໄໝ, ສະລັບສັບຊ້ອນ, ຫຼືສ້າງສັນທີ່ຊຸກຍູ້ຂອບເຂດ.

ນອກຈາກນີ້ຍັງມີຄວາມເປັນໄປໄດ້ທີ່ ອຸປະສັກຕໍ່ການເຂົ້າສູ່ການຂຽນໂປລແກລມຈະຖືກຫຼຸດລົງ - ຊຶ່ງຫມາຍຄວາມວ່າຄົນທີ່ບໍ່ແມ່ນວິສະວະກອນຊໍແວແບບດັ້ງເດີມ (ເວົ້າວ່າ, ນັກວິເຄາະທຸລະກິດຫຼືນັກວິທະຍາສາດຫຼືນັກກາລະຕະຫຼາດ) ສາມາດສ້າງຊອບແວໂດຍໃຊ້ເຄື່ອງມື AI (ການສືບຕໍ່ຂອງ "ບໍ່ມີລະຫັດ / ລະຫັດຕ່ໍາ" ການເຄື່ອນໄຫວ supercharged ໂດຍ AI). ນີ້ບໍ່ໄດ້ລົບລ້າງຄວາມຕ້ອງການສໍາລັບນັກພັດທະນາມືອາຊີບ; ແທນທີ່ຈະ, ມັນປ່ຽນແປງມັນ. ນັກພັດທະນາອາດຈະມີບົດບາດໃນການໃຫ້ຄໍາປຶກສາຫຼືການຊີ້ນໍາຫຼາຍຂຶ້ນໃນກໍລະນີດັ່ງກ່າວ, ໃຫ້ແນ່ໃຈວ່າແອັບຯທີ່ພັດທະນາໂດຍພົນລະເມືອງເຫຼົ່ານີ້ປອດໄພ, ມີປະສິດທິພາບ, ແລະສາມາດຮັກສາໄດ້. ນັກຂຽນໂປລແກລມມືອາຊີບອາດຈະສຸມໃສ່ການສ້າງແພລະຕະຟອມແລະ APIs ທີ່ AI-ຊ່ວຍ "ນັກຂຽນໂປລແກລມ" ໃຊ້.

ຈາກທັດສະນະຂອງວຽກ, ພາລະບົດບາດການຂຽນໂປຼແກຼມບາງຢ່າງອາດຈະຫຼຸດລົງໃນຂະນະທີ່ຄົນອື່ນເຕີບໂຕ. ຕົວຢ່າງ, ບາງ ຕໍາແໜ່ງການຂຽນລະຫັດລະດັບເຂົ້າ ອາດມີຈໍານວນໜ້ອຍລົງຖ້າບໍລິສັດອີງໃສ່ AI ສໍາລັບວຽກງ່າຍໆ. ຄົນເຮົາສາມາດຈິນຕະນາການການເລີ່ມຕົ້ນຂະຫນາດນ້ອຍໃນອະນາຄົດທີ່ຕ້ອງການອາດຈະເປັນເຄິ່ງຫນຶ່ງຂອງຈໍານວນຜູ້ພັດທະນາ junior ເນື່ອງຈາກວ່າ devs ອາວຸໂສຂອງເຂົາເຈົ້າ, ອຸປະກອນທີ່ມີ AI, ສາມາດເຮັດວຽກພື້ນຖານໄດ້ຫຼາຍ. ແຕ່ໃນເວລາດຽວກັນ, ວຽກໃຫມ່ຢ່າງສົມບູນ (ດັ່ງທີ່ພວກເຮົາໄດ້ສົນທະນາໃນພາກການປັບຕົວ) ຈະປາກົດ. ຍິ່ງໄປກວ່ານັ້ນ, ຍ້ອນວ່າຊອບແວເຂົ້າໄປໃນເສດຖະກິດຫຼາຍຂຶ້ນ (ກັບຊອບແວທີ່ສ້າງ AI ສໍາລັບຄວາມຕ້ອງການສະເພາະ), ຄວາມຕ້ອງການລວມສໍາລັບວຽກທີ່ກ່ຽວຂ້ອງກັບຊອບແວສາມາດສືບຕໍ່ເພີ່ມຂຶ້ນ. ປະຫວັດສາດສະແດງໃຫ້ເຫັນວ່າ ອັດຕະໂນມັດມັກຈະເຮັດໃຫ້ ຫຼາຍຂື້ນ ໃນໄລຍະຍາວ , ເຖິງແມ່ນວ່າພວກເຂົາເປັນວຽກທີ່ແຕກຕ່າງກັນ - ຕົວຢ່າງເຊັ່ນ, ອັດຕະໂນມັດຂອງວຽກງານການຜະລິດບາງຢ່າງເຮັດໃຫ້ວຽກອອກແບບ, ຮັກສາແລະປັບປຸງລະບົບອັດຕະໂນມັດ. ໃນບໍລິບົດຂອງ AI ແລະການຂຽນໂປລແກລມ, ໃນຂະນະທີ່ບາງວຽກທີ່ dev junior ເຄີຍເຮັດແມ່ນອັດຕະໂນມັດ, ຂອບເຂດໂດຍລວມຂອງຊອບແວທີ່ພວກເຮົາຕ້ອງການສ້າງການຂະຫຍາຍ (ເນື່ອງຈາກວ່າໃນປັດຈຸບັນມັນມີລາຄາຖືກກວ່າ / ໄວກວ່າທີ່ຈະສ້າງມັນ), ເຊິ່ງສາມາດນໍາໄປສູ່ ຫຼາຍ ດັ່ງນັ້ນຈຶ່ງ ຂຶ້ນ , ການຄຸ້ມຄອງໂຄງການ, ສະຖາປັດຕະຍະກໍາ, ແລະອື່ນໆ. ຫຼຸດລົງ, ເນື່ອງຈາກວ່າການຫັນເປັນດິຈິຕອນ.

ພວກເຮົາຍັງຄວນພິຈາລະນາ ການຄາດຄະເນ 2040 ທີ່ໄດ້ກ່າວມາກ່ອນຫນ້ານີ້: ນັກຄົ້ນຄວ້າທີ່ Oak Ridge National Lab ແນະນໍາວ່າໃນປີ 2040, "ເຄື່ອງຈັກ ... ຈະຂຽນລະຫັດຂອງຕົນເອງສ່ວນໃຫຍ່" ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ຖ້າອັນນັ້ນພິສູດໄດ້ວ່າຖືກຕ້ອງແລ້ວ, ແມ່ນຫຍັງຈະເຫຼືອໃຫ້ນັກຂຽນໂປລແກລມຂອງມະນຸດ? ອາດຈະ, ຈຸດສຸມຈະເປັນຄໍາແນະນໍາໃນລະດັບສູງຫຼາຍ (ບອກເຄື່ອງຈັກໃນສິ່ງທີ່ ພວກເຮົາ ຕ້ອງການໃຫ້ພວກເຂົາສໍາເລັດໃນເສັ້ນເລືອດຕັນໃນກວ້າງ) ແລະໃນພື້ນທີ່ທີ່ກ່ຽວຂ້ອງກັບການເຊື່ອມໂຍງທີ່ສັບສົນຂອງລະບົບ, ຄວາມເຂົ້າໃຈຂອງຈິດຕະວິທະຍາຂອງມະນຸດ, ຫຼືບັນຫາໃຫມ່. ເຖິງແມ່ນວ່າໃນສະຖານະການດັ່ງກ່າວ, ມະນຸດຈະມີບົດບາດຄ້າຍຄືກັບ ຜູ້ອອກແບບຜະລິດຕະພັນ, ວິສະວະກອນຄວາມຕ້ອງການ, ແລະ ຄູຝຶກ AI . ລະຫັດສ່ວນໃຫຍ່ອາດຈະຂຽນຕົວມັນເອງ, ແຕ່ບາງຄົນຕ້ອງຕັດສິນໃຈວ່າ ລະຫັດໃດຄວນຂຽນແລະເປັນຫຍັງ , ແລະຫຼັງຈາກນັ້ນກວດເບິ່ງວ່າຜົນໄດ້ຮັບສຸດທ້າຍແມ່ນຖືກຕ້ອງແລະສອດຄ່ອງກັບເປົ້າຫມາຍ. ມັນເປັນການປຽບທຽບກັບວິທີທີ່ລົດທີ່ຂັບລົດດ້ວຍຕົນເອງໃນມື້ຫນຶ່ງອາດຈະຂັບລົດດ້ວຍຕົນເອງ, ແຕ່ທ່ານຍັງບອກລົດທີ່ຈະໄປແລະແຊກແຊງໃນສະຖານະການທີ່ສັບສົນ - ບວກກັບມະນຸດອອກແບບຖະຫນົນ, ກົດຫມາຍຈະລາຈອນ, ແລະໂຄງສ້າງພື້ນຖານທັງຫມົດທີ່ຢູ່ອ້ອມຮອບມັນ.

ຜູ້ຊ່ຽວຊານສ່ວນໃຫຍ່ສະນັ້ນຈິນຕະນາການອະນາຄົດຂອງ ການຮ່ວມມື, ບໍ່ແມ່ນການທົດແທນ . ດັ່ງທີ່ຫນຶ່ງທີ່ປຶກສາດ້ານເທກໂນໂລຍີເວົ້າມັນ, "ອະນາຄົດຂອງການພັດທະນາບໍ່ແມ່ນທາງເລືອກລະຫວ່າງມະນຸດຫຼື AI, ແຕ່ເປັນການຮ່ວມມືທີ່ມີປະໂຫຍດສູງສຸດຂອງທັງສອງ." ( ແມ່ນ AI ຈະປ່ຽນແທນນັກພັດທະນາໃນປີ 2025: A Sneak Peek ໄປສູ່ອະນາຄົດ ) AI ຈະປ່ຽນແປງການພັດທະນາຊອບແວຢ່າງແນ່ນອນ, ແຕ່ມັນເປັນການວິວັດທະນາການຂອງບົດບາດຂອງຜູ້ພັດທະນາຫຼາຍກວ່າການສູນພັນ. ນັກພັດທະນາຜູ້ທີ່ "ຍອມຮັບການປ່ຽນແປງ, ປັບທັກສະຂອງເຂົາເຈົ້າ, ແລະສຸມໃສ່ລັກສະນະຂອງມະນຸດທີ່ເປັນເອກະລັກຂອງວຽກງານຂອງພວກເຂົາ" ຈະພົບວ່າ AI ເສີມຂະຫຍາຍ ຄວາມສາມາດຂອງເຂົາເຈົ້າແທນທີ່ຈະເຮັດໃຫ້ຄຸນຄ່າຂອງພວກເຂົາຫຼຸດລົງ.

ພວກເຮົາສາມາດແຕ້ມຂະຫນານກັບພາກສະຫນາມອື່ນ: ພິຈາລະນາການເພີ່ມຂຶ້ນຂອງການອອກແບບຄອມພິວເຕີຊ່ວຍ (CAD) ໃນວິສະວະກໍາແລະສະຖາປັດຕະຍະກໍາ. ເຄື່ອງມືເຫຼົ່ານັ້ນມາແທນວິສະວະກອນ ແລະສະຖາປະນິກບໍ? ບໍ່ - ພວກເຂົາເຈົ້າເຮັດໃຫ້ພວກເຂົາມີຜົນຜະລິດຫຼາຍແລະອະນຸຍາດໃຫ້ພວກເຂົາສ້າງການອອກແບບທີ່ສັບສົນຫຼາຍ. ແຕ່ຄວາມຄິດສ້າງສັນແລະການຕັດສິນໃຈຂອງມະນຸດຍັງຄົງເປັນຈຸດໃຈກາງ. ເຊັ່ນດຽວກັນ, AI ສາມາດເຫັນໄດ້ວ່າເປັນ Computer-Assisted Coding - ມັນຈະຊ່ວຍຈັດການຄວາມສັບສົນແລະການເຮັດວຽກທີ່ຫຍຸ້ງຍາກ, ແຕ່ນັກພັດທະນາຍັງຄົງເປັນຜູ້ອອກແບບແລະຜູ້ຕັດສິນໃຈ.

ໃນໄລຍະຍາວ, ຖ້າພວກເຮົາຈິນຕະນາການ AI ທີ່ມີຄວາມກ້າວຫນ້າຢ່າງແທ້ຈິງ (ເວົ້າວ່າ, ບາງຮູບແບບຂອງ AI ທົ່ວໄປທີ່ ສາມາດ ເຮັດໄດ້ໃນທິດສະດີສ່ວນໃຫຍ່ທີ່ມະນຸດສາມາດເຮັດໄດ້), ການປ່ຽນແປງທາງດ້ານສັງຄົມແລະເສດຖະກິດຈະກວ້າງກວ່າພຽງແຕ່ໃນການຂຽນໂປຼແກຼມ. ພວກເຮົາຍັງບໍ່ມີເທື່ອ, ແລະພວກເຮົາມີການຄວບຄຸມທີ່ສໍາຄັນກ່ຽວກັບວິທີທີ່ພວກເຮົາເຊື່ອມໂຍງ AI ເຂົ້າໃນວຽກງານຂອງພວກເຮົາ. ເສັ້ນທາງທີ່ລະມັດລະວັງແມ່ນການສືບຕໍ່ປະສົມປະສານ AI ໃນວິທີທີ່ ເພີ່ມທ່າແຮງຂອງມະນຸດ . ນັ້ນຫມາຍຄວາມວ່າການລົງທຶນໃນເຄື່ອງມືແລະການປະຕິບັດ (ແລະນະໂຍບາຍ) ທີ່ເຮັດໃຫ້ມະນຸດຢູ່ໃນວົງຈອນ. ແລ້ວ, ພວກເຮົາເຫັນບໍລິສັດສ້າງຕັ້ງ ການປົກຄອງ AI - ຄໍາແນະນໍາສໍາລັບວິທີການ AI ຄວນຖືກນໍາໃຊ້ໃນການພັດທະນາເພື່ອຮັບປະກັນຜົນໄດ້ຮັບດ້ານຈັນຍາບັນແລະປະສິດທິຜົນ ( ການສໍາຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ຕໍ່ປະສົບການຂອງນັກພັດທະນາ - The GitHub Blog ). ແນວໂນ້ມນີ້ຈະເພີ່ມຂຶ້ນ, ຮັບປະກັນວ່າການຄວບຄຸມຂອງມະນຸດແມ່ນເປັນສ່ວນຫນຶ່ງຢ່າງເປັນທາງການຂອງທໍ່ການພັດທະນາ AI.

ສະຫຼຸບແລ້ວ, ຄໍາຖາມທີ່ວ່າ "AI ຈະປ່ຽນແທນນັກຂຽນໂປລແກລມບໍ?" ສາມາດຕອບໄດ້ວ່າ: ບໍ່ - ແຕ່ມັນຈະປ່ຽນແປງສິ່ງທີ່ນັກຂຽນໂປລແກລມເຮັດ. ພາກສ່ວນ mundane ຂອງການຂຽນໂປລແກລມແມ່ນຢູ່ໃນເສັ້ນທາງທີ່ຈະເປັນອັດຕະໂນມັດສ່ວນໃຫຍ່. ພາກສ່ວນທີ່ສ້າງສັນ, ສິ່ງທ້າທາຍ, ແລະມະນຸດເປັນໃຈກາງແມ່ນຢູ່ທີ່ນີ້, ແລະແນ່ນອນຈະກາຍເປັນທີ່ໂດດເດັ່ນ. ອະນາຄົດອາດຈະເຫັນນັກຂຽນໂປລແກລມເຮັດວຽກຢູ່ຄຽງຂ້າງກັບຜູ້ຊ່ວຍ AI ທີ່ສະຫຼາດຂຶ້ນເລື້ອຍໆ, ຄືກັບສະມາຊິກໃນທີມ. ຈິນຕະນາການວ່າມີເພື່ອນຮ່ວມງານ AI ທີ່ສາມາດປ່ຽນລະຫັດ 24/7 - ມັນເປັນການເພີ່ມຜົນຜະລິດທີ່ດີ, ແຕ່ມັນຍັງຕ້ອງການຄົນທີ່ຈະບອກມັນວ່າວຽກໃດທີ່ຈະເຮັດວຽກແລະກວດເບິ່ງວຽກຂອງມັນ.

ຜົນ ໄດ້ຮັບທີ່ດີທີ່ສຸດ ຈະບັນລຸໄດ້ໂດຍຜູ້ທີ່ປະຕິບັດກັບ AI ເປັນຜູ້ຮ່ວມມື. ດັ່ງທີ່ CEO ຄົນ ໜຶ່ງ ກ່າວໄວ້, "AI ຈະບໍ່ປ່ຽນແທນນັກຂຽນໂປລແກລມ, ແຕ່ນັກຂຽນໂປລແກລມທີ່ໃຊ້ AI ຈະປ່ຽນແທນຜູ້ທີ່ບໍ່ໄດ້." ໃນແງ່ປະຕິບັດ, ນີ້ຫມາຍຄວາມວ່າຄວາມຮັບຜິດຊອບແມ່ນຢູ່ໃນນັກພັດທະນາທີ່ຈະພັດທະນາກັບເຕັກໂນໂລຢີ. ອາຊີບການຂຽນໂປລແກລມບໍ່ຕາຍ - ມັນ ປັບຕົວ . ຈະມີຊອບແວຫຼາຍທີ່ຈະສ້າງແລະບັນຫາທີ່ຈະແກ້ໄຂສໍາລັບອະນາຄົດທີ່ຄາດໄວ້, ອາດຈະເປັນຫຼາຍກວ່າມື້ນີ້. ໂດຍການສຶກສາ, ຍັງຄົງມີຄວາມຍືດຫຍຸ່ນ, ແລະສຸມໃສ່ສິ່ງທີ່ມະນຸດເຮັດໄດ້ດີທີ່ສຸດ, ນັກພັດທະນາສາມາດຮັບປະກັນການເຮັດວຽກທີ່ປະສົບຜົນສໍາເລັດແລະປະສົບຜົນສໍາເລັດ ໃນການຮ່ວມມືກັບ AI .

ສຸດທ້າຍ, ມັນເປັນມູນຄ່າທີ່ຈະສະເຫຼີມສະຫຼອງຄວາມຈິງທີ່ວ່າພວກເຮົາເຂົ້າໄປໃນຍຸກທີ່ນັກພັດທະນາມີມະຫາອໍານາດໃນການກໍາຈັດຂອງພວກເຂົາ. ນັກຂຽນໂປລແກລມລຸ້ນຕໍ່ໄປຈະບັນລຸໄດ້ໃນຊົ່ວໂມງທີ່ເຄີຍໃຊ້ເວລາຫຼາຍມື້, ແລະແກ້ໄຂບັນຫາທີ່ຜ່ານມາບໍ່ສາມາດບັນລຸໄດ້ໂດຍການໃຊ້ AI. ແທນທີ່ຈະເປັນຄວາມຢ້ານກົວ, ຄວາມຮູ້ສຶກທີ່ກ້າວໄປຂ້າງຫນ້າສາມາດເປັນຫນຶ່ງຂອງ optimism ແລະຄວາມຢາກຮູ້ຢາກເຫັນ . ຕາບໃດທີ່ພວກເຮົາເຂົ້າຫາ AI ດ້ວຍຕາຂອງພວກເຮົາ - ຮູ້ເຖິງຂໍ້ຈໍາກັດຂອງມັນແລະສະຕິໃນຄວາມຮັບຜິດຊອບຂອງພວກເຮົາ - ພວກເຮົາສາມາດສ້າງອະນາຄົດທີ່ AI ແລະນັກຂຽນໂປລແກລມຮ່ວມກັນສ້າງລະບົບຊອບແວທີ່ຫນ້າອັດສະຈັນ, ເກີນກວ່າສິ່ງທີ່ຈະເຮັດໄດ້ຢ່າງດຽວ. ຄວາມຄິດສ້າງສັນຂອງມະນຸດປະສົມປະສານກັບປະສິດທິພາບຂອງເຄື່ອງຈັກ ແມ່ນການປະສົມປະສານທີ່ມີທ່າແຮງ. ໃນທີ່ສຸດ, ມັນບໍ່ແມ່ນກ່ຽວກັບ ການທົດແທນ , ແຕ່ກ່ຽວກັບການສົມທົບ. ເລື່ອງຂອງ AI ແລະນັກຂຽນໂປລແກລມຍັງຖືກຂຽນ - ແລະມັນຈະຖືກຂຽນໂດຍ ທັງ ມະນຸດແລະເຄື່ອງຈັກ, ຮ່ວມກັນ.

ແຫຼ່ງຂໍ້ມູນ:

1. Brainhub, "ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024]" ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ).

2. Brainhub, ຄໍາເວົ້າຂອງຜູ້ຊ່ຽວຊານໂດຍ Satya Nadella ແລະ Jeff Dean ກ່ຽວກັບ AI ເປັນເຄື່ອງມື, ບໍ່ແມ່ນການທົດແທນ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ) ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ).

3. Medium (PyCoach), “AI ຈະແທນທີ່ Programmers ບໍ? The Truth Behind the Hype” , noting nuanced reality vs hype ( AI ຈະແທນທີ່ Programmers ? The Truth Behind the hype | by The PyCoach | Artificial Corner | Mar, 2025 | Medium ) ແລະ Sam Altman ຍັງເປັນວຽກທີ່ດີຂອງ AI.

4. DesignGurus, “Is AI ຈະມາແທນທີ່ນັກພັດທະນາ… (2025)” , ໂດຍເນັ້ນໃສ່ AI ຈະ ເພີ່ມ ແລະຍົກລະດັບນັກພັດທະນາ ແທນທີ່ຈະເຮັດໃຫ້ພວກເຂົາຊ້ຳຊ້ອນ ( ແມ່ນ AI ຈະມາແທນທີ່ນັກພັດທະນາໃນປີ 2025: A Sneak Peek into the Future ) ແລະລາຍຊື່ພື້ນທີ່ AI lags (ຄວາມຄິດສ້າງສັນ, ຄວາມຄິດສ້າງສັນ).

5. Stack Overflow Developer Survey 2023, ການນໍາໃຊ້ເຄື່ອງມື AI ໂດຍ 70% ຂອງ devs, ຄວາມເຊື່ອຖືຕ່ໍາໃນຄວາມຖືກຕ້ອງ (3% ຄວາມໄວ້ວາງໃຈສູງ) ( 70% ຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມື AI coding, 3% ໄວ້ວາງໃຈສູງໃນຄວາມຖືກຕ້ອງຂອງເຂົາເຈົ້າ - ShiftMag ).

6. GitHub Survey 2023, ສະແດງໃຫ້ເຫັນ 92% ຂອງຜູ້ພັດທະນາໄດ້ພະຍາຍາມເຄື່ອງມືການຂຽນລະຫັດ AI ແລະ 70% ເຫັນຜົນປະໂຫຍດ ( ການສໍາຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ຕໍ່ປະສົບການຂອງນັກພັດທະນາ - The GitHub Blog ).

7. ການຄົ້ນຄວ້າ GitHub Copilot, ຊອກຫາ 55% ການສໍາເລັດວຽກງານໄວຂຶ້ນດ້ວຍການຊ່ວຍເຫຼືອ AI ( ການຄົ້ນຄວ້າ: quantifying ຜົນກະທົບຂອງ GitHub Copilot ກ່ຽວກັບການຜະລິດແລະຄວາມສຸກຂອງນັກພັດທະນາ - The GitHub Blog ).

8. GeekWire, ໃນ AlphaCode ຂອງ DeepMind ປະຕິບັດຢູ່ໃນລະດັບ coder ຂອງມະນຸດໂດຍສະເລ່ຍ (54%) ແຕ່ຢູ່ໄກຈາກນັກສະແດງຊັ້ນນໍາ ( DeepMind's AlphaCode ກົງກັບຄວາມກ້າວຫນ້າຂອງນັກຂຽນໂປລແກລມໂດຍສະເລ່ຍ ).

9. IndiaToday (ເດືອນກຸມພາ 2025), ສະຫຼຸບວິໄສທັດຂອງ Sam Altman ກ່ຽວກັບ AI “ເພື່ອນຮ່ວມງານ” ເຮັດວຽກຂອງວິສະວະກອນ junior ແຕ່ "ຈະບໍ່ທົດແທນມະນຸດຢ່າງສົມບູນ" ( Sam Altman ເວົ້າວ່າຕົວແທນ AI ຈະປະຕິບັດວຽກງານທີ່ວິສະວະກອນຊອບແວເຮັດໃນໄວໆນີ້: ເລື່ອງເຕັມໃນ 5 ຈຸດ - India Today ).

10. McKinsey & ບໍລິສັດ, ຄາດຄະເນວ່າ ~80% ຂອງວຽກການຂຽນໂປລແກລມຈະຍັງຄົງເປັນສູນກາງຂອງມະນຸດເຖິງວ່າຈະມີອັດຕະໂນມັດ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ).

ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:

🔗 Top AI Pair Programming Tools
ສຳຫຼວດເຄື່ອງມື AI ຊັ້ນນຳ ທີ່ສາມາດຮ່ວມມືກັບເຈົ້າໄດ້ ເຊັ່ນ: ຄູ່ຮ່ວມງານການເຂົ້າລະຫັດ ເພື່ອຊຸກຍູ້ຂະບວນການພັດທະນາຂອງເຈົ້າ.

🔗 AI ທີ່ດີທີ່ສຸດສໍາລັບການຂຽນລະຫັດ - ຜູ້ຊ່ວຍການຂຽນລະຫັດ AI ອັນດັບຕົ້ນ
ຄໍາແນະນໍາສໍາລັບເຄື່ອງມື AI ທີ່ມີປະສິດທິພາບທີ່ສຸດສໍາລັບການສ້າງລະຫັດ, ການດີບັກ, ແລະການເລັ່ງໂຄງການຊອບແວ.

🔗 ການພັດທະນາຊອບແວປັນຍາທຽມ - ການຫັນປ່ຽນອະນາຄົດຂອງເທັກໂນໂລຢີ
ເຂົ້າໃຈວິທີການ AI ແມ່ນການປະຕິວັດວິທີການສ້າງ, ທົດສອບ ແລະນຳໃຊ້ຊອບແວ.