Dług technologiczny na sterydach: co AI robi z kodem, którego nie sprawdzasz
Dług technologiczny istnieje od lat 90. Ale czy definicja sprzed trzech dekad wciąż działa w świecie, gdzie kod generuje AI?Patryk Kiepel, Cloud Data Architect i Mateusz Salik, Senior Software Engineer rozmawiają z Błażejem Ksyckim o tym, jak AI zmienia charakter długu technicznego – i czy w ogóle można mówić o świadomym zaciąganiu długu, gdy kod generuje black box.Rozmawiamy o tym, czy dług zaciągnięty przez AI to nadal dług, czy zwykły bałagan, dlaczego refaktoryzacja spadła z 21% do 3,8% a duplikacja kodu wzrosła o 81%, co się dzieje, gdy agent wyłącza testy, żeby tylko przejść CI, czym jest dług kognitywny i czy za kilka lat młodzi programiści będą umieli ocenić kod, którego nigdy ręcznie nie pisali oraz kiedy tryb YOLO ma sens – i kiedy kończy się żart.Dla tych, którzy używają AI do kodowania i zastanawiają się, czy powinni się tym bardziej martwić.
Chyba, że to też by było jak w jakiś sposób ustandaryzowane, że te prompty byłyby budowane za pomocą jakiegoś wizarda, nie? I ten input byłby zawsze taki sam dla konkretnego typu zadania, I wiedzielibyśmy, że output, który dostaniemy, będzie dokładnie taki, jaki byśmy chcieli. Tylko wydaje mi się, że to jest zbyt złożone, że ten input jednak jest... tam jest zbyt dużo parametrów. Jakby ten prompt, który przekazujemy do AI rozłożyć na jakieś parametry konkretne, no to tam jest mnóstwo tego, bo to jednak jest... Słowo. To jest myśl w rozumieniu ludzkim i ona jest przekładana na tokeny. I te tokeny są tymi, powiedzmy, parametrami, ale tym inputem do procesowania tego dalej.
Pokazano wszystkie 1 dopasowanie. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Diskussja na temat definicji dług technologicznego w erze AI i jej zgodność z oryginalną definicją.
Rozważania na temat rozróżnienia dług technologicznego od bałaganu i ewentualne zmiany w definicji.
Analiza spec-driven development jako potencjalnej metody zarządzania długiem technologicznym w erze AI.
Diskussja na temat wpływu AI na bałagan i potrzebę kontrolowania procesów w erze AI.
Analiza konsekwencji braku backup planu w kontekście długów technologicznych i AI.
Opowieść gościa o doświadczeniu z repozytorium i AI.
Porównanie umowy kredytowej z długiem technologicznym i potrzeba zrozumienia procesu AI.
Diskussja na temat jakości kodu wygenerowanego przez AI i możliwości jego recenzji.
Analiza statystyk duplikacji kodu i jej wpływ na dług technologiczny w erze AI.
Diskussja na temat konsekwencji rozwoju AI i jego wpływ na dług technologiczny i zarządzanie kodem.
Rozmowa koncentruje się na konsekwencjach wprowadzenia AI w proces programowania, w tym utratę umiejętności i dług kognitywnego. Debatują nad tym, czy młodzi programiści, pracujący z AI od początku, zdołają utrzymać krytyczny wzrok wobec kodu generowanego przez te narzędzia.
Rozmówcy omawiają problem jakości danych i wpływu na AI, podkreślając znaczenie semantyki i analizy wczesnej.
Rozmówcy omawiają strategie zmitygowania ryzyka w projektach AI, w tym mapowanie procesów biznesowych i unikanie YOLO podejścia.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.
Dług technologiczny istnieje od lat 90. Ale czy definicja sprzed trzech dekad wciąż działa w świecie, gdzie kod generuje AI?
Patryk Kiepel, Cloud Data Architect i Mateusz Salik, Senior Software Engineer rozmawiają z Błażejem Ksyckim o tym, jak AI zmienia charakter długu technicznego – i czy w ogóle można mówić o świadomym zaciąganiu długu, gdy kod generuje black box.
Rozmawiamy o tym, czy dług zaciągnięty przez AI to nadal dług, czy zwykły bałagan, dlaczego refaktoryzacja spadła z 21% do 3,8% a duplikacja kodu wzrosła o 81%, co się dzieje, gdy agent wyłącza testy, żeby tylko przejść CI, czym jest dług kognitywny i czy za kilka lat młodzi programiści będą umieli ocenić kod, którego nigdy ręcznie nie pisali oraz kiedy tryb YOLO ma sens – i kiedy kończy się żart.
Dla tych, którzy używają AI do kodowania i zastanawiają się, czy powinni się tym bardziej martwić.