AIは動作する製品を生成しない、それはまだあなたの仕事です
AI doesn't generate working products, that's still your job (weeraman.com)
要約
AIはプロトタイプ作成を劇的に加速させましたが、プロダクショングレードの製品への道のりを短縮したわけではありません。ソフトウェア開発の難しさは、構文を書くことではなく、システム設計、エラーハンドリング、セキュリティ、スケーラビリティといった判断力にあります。AIはコード生成の効率を上げますが、根本的な理解と判断力を持つエンジニアの価値は、むしろ高まっています。
全文翻訳
プロトタイプは製品ではない
ソフトウェア開発がこれほどアクセスしやすくなったことはありません。プレーンな英語でアイデアを説明すると、数分以内に動作するプロトタイプが画面に現れます。UIがあり、データベースに接続し、想像したことを実行します。コードを一行も書いたことのない人にとって、その瞬間は魔法のように感じられます。コンパイラやスタックトレースと何年も格闘してきた人にとっては、本当に驚くべきことです。
プロトタイプはあなたのラップトップ上で動作します。負荷がかかると壊れます。エラーハンドリングがありません。APIトークンを漏洩している可能性があることがわかります。データモデルはデモには適していましたが、2人目のユーザーを追加した瞬間に崩壊します。認証は仮定で成り立っています。すべてが安全かどうか、という漠然とした懸念があります。デプロイしようとすると、突然「これは動く」と「これは準備ができている」の間の深い溝に直面することになります。
プロトタイプにたどり着くことは、かつて難しい部分ではなかった
ソフトウェアエンジニアは、常に何かを素早く実行可能にすることができました。時間がかかっていたのは、それ以外のすべてでした。スケールに対応できるシステムの設計、ユーザーが意図しないものの、必然的に遭遇するケースの処理、問題が発生したときにわかるようにするためのオブザーバビリティの構築、3年後には後悔する可能性が低いと判断したデータアーキテクチャの決定。それらのどれも変わっていません。AIは、最初に動作するバージョンへの道を劇的に加速させました。しかし、最初に動作するバージョンとプロダクショングレードのものの間の距離を縮めたわけではありません。
混乱が生じるのは、旅の初期段階でのフィードバックループが非常に速く、非常に報われるようになったためです。あなたは尋ね、受け取り、結果を見ます。そのサイクルは本当にエキサイティングであり、ソフトウェア開発の残りの部分も同様に圧縮されているという印象を与えます。しかし、そうではありません。ソフトウェア構築の難しい問題は、かつて主に構文を書くことではありませんでした。それらは判断力でした。何を構築するか、どのように構造化するか、何を延期するか、いつ「ノー」と言うか。その判断力が、バイブコーダーを彫刻家に、そして職人に変えます。それはまた、プロトタイプとプロダクショングレードのシステムを区別するものでもあります。
コンピュータサイエンスを学ぶことに対する誤った主張
予想通り、AI生成コードのアクセシビリティは、コンピュータサイエンスを学ぶことがまだ理にかなっているのか疑問視する、業界への新規参入者の波を引き起こしました。もし、あなたが説明することで動作するアプリケーションを作成できるなら、なぜアルゴリズム、データ構造、オペレーティングシステム、理論を何年もかけて学ぶ必要があるのでしょうか。
コンピュータサイエンス教育の価値は、コードを生成する能力だけにあったわけではありません。それは、システムがどのように動作するか、どのように失敗するか、そしてなぜ失敗するのかについてのメンタルモデルを開発することにありました。そのモデルこそが、AI生成コードを見て、書かれたクエリが5000万行のテーブルに対してフルテーブルスキャンを引き起こすことを認識できるようにします。それは、提案されたキャッシング戦略が同時負荷の下で競合状態を引き起こすことを見抜くことを可能にします。それは、提案されたアーキテクチャが説明された問題を解決するが、次の問題を著しく困難にするであろうことを教えてくれます。
その基盤がなければ、あなたはモデルの判断に完全に依存することになります。そして、モデルには判断力がありません。それらはパターンマッチングを持ち、あなたの意図に一致すると信じるコードを生成することに熱心です。それらは、正しく見え、規約に従い、プロダクションで、あなたが探しているものがわからない場合に診断に数日かかるような方法で失敗するコードを自信を持って生成します。
今こそ、おそらく歴史上最もコンピュータサイエンスを学ぶのに最適な時期です。なぜなら、理解と出力の間のギャップが縮小したからです。分散システムがどのように機能するかを真に理解している学生は、10年前ならかかっていた時間のほんの一部で、それを構築できるようになりました。
変わること、変わらないこと
機械的にコードを書くだけのエンジニア、つまり要件を行ごとに実装に翻訳するエンジニアの需要は、確かに減少しています。その仕事の部分は自動化されています。
起きていることは、生産性分布の下限の圧縮と、トップにいる人々のための天井の拡大です。最新のAIツールを使用する経験豊富なエンジニアは、5年前には想像もできなかったペースで進むことができます。それは、難しい問題が消えたからではなく、多くの時間と注意を消費していた機械的な作業が大部分処理されているからです。日々の時間のうち、実際に専門知識を必要とする作業により多くの時間を費やすことができます。
取り残されるエンジニアは、AIスキルを持たない人々ではありません。彼らはAIを理解の代替として使用し、推論できないシステムをバイブコードで乗り越え、壊れたものを修正できず、成長するものをスケールできず、保守する必要のある誰かに構築したものを説明できない人々です。
異なるレベルで操作することを学ぶ
必要なシフトは、新しいツールのセットを採用することではありません。それは、基礎に根ざしたままで、より高い抽象化レベルで操作することです。その組み合わせは、本当に強力で、本当にまれです。
今後数年間で同僚を追い抜くエンジニアは、AIを、それの代替ではなく、深い知識のフォース・マルチプライヤーとして扱う人々です。彼らは、モデルに何を生成させようとしているかを理解しています。彼らは、ジュニアエンジニアのプルリクエストに適用するのと同じ批判的な目で生成されたコードをレビューします。彼らは、単なる機能の説明だけでなく、アーキテクチャの思考を会話に持ち込みます。彼らは、モデルが提案することにいつ反対すべきかを知っています。
それは、新しいコンテキストに適用された古いスキルセットであり、劇的に高いレバレッジを持っています。
プロトタイプは簡単な部分です。今、その違いは、誰もがそれをはっきりと見ることができるということです。プロトタイプの後に来るものは、依然として困難であり、依然として真のエンジニアリングの判断力を必要とし、依然として信頼性の高いソフトウェアを出荷するビルダーとデモを出荷するビルダーを区別します。
まず基礎を学びましょう。次に新しいツールを学びましょう。その順序で。