Программист и ИИ — партнеры, а не конкуренты

Может ли искусственный интеллект заменить труд программистов? Пока еще нет, сегодня разработчики активно используют ИИ в собственных нуждах, а совместная работа над созданием технологических проектов выглядит как партнерство. Как будет развиваться тандем человеческого и искусственного интеллекта в программировании в будущем? Рассказывает Генеральный директор Bell Integrator FabricaONE.AI Юрий Латин.

Без паники! Программисты останутся по-прежнему востребованными

ИИ — это инструмент для помощи разработчикам, как и любая другая технология. В самом начале появились низкоуровневые языки, а написание кода было трудоемким процессом. Со временем технологии развивались и появлялись фреймворки для готовых решений распространенных задач разработчиков. В настоящий момент мы наблюдаем концепции no-code и low-code, суть которых — доступ к программированию, созданию сайтов и приложений людям со знанием языков программирования на базовом уровне. С появлением новых подходов и инструментов всегда возникали опасения о том, что профессия программиста скоро исчезнет, но это не так. ИТ-специалисты по-прежнему остаются востребованными, а их задачи только усложняются и становятся более интересными. Это, например, построение архитектурных систем, оптимизация и интеграция различных сервисов. ИИ не в силах полностью заменить творческий подход и критическое мышление, которые необходимы для создания качественного программного обеспечения. Программисты занимаются не только написанием кода, но и анализом требований, проектированием, тестированием и поддержкой приложений. Все эти элементы работы требуют человеческого интеллекта, интуиции и опыта, которые искусственные системы воспроизвести не могут, независимо от их уровня разработки. На рынке труда по-прежнему наблюдается нехватка квалифицированных специалистов в сфере ИТ, а зарплата программистов растет быстрее, чем в других профессиях.

Будущее программирования — за гибридным подходом к разработке 

Ключевым отличием человеческого интеллекта от искусственного — способность к абстрактному мышлению и пониманию контекста. ИИ действует на основе тренировочного набора данных и заданных алгоритмов, поэтому если проект изменяется, ИИ может лишь адаптировать отдельные элементы, не видя общей картины. Это часто приводит к ошибкам или снижению эффективности решений. Кроме того, иногда передать ИИ весь контекст задачи оказывается сложнее и дольше, чем решить ее самостоятельно. Только человек способен оценить архитектурные последствия своих решений, предвидеть будущие изменения и потребности, выбрать наиболее оптимальный подход. Таким образом, ИИ следует рассматривать как инструмент, но окончательное решение зависит от человеческого опыта, интуиции и глубокого понимания бизнес-процессов. Наиболее эффективным является гибридный подход, при котором программист взаимодействует с ИИ, формулируя задачи, проверяя результаты и управляя процессом разработки. 

Например, мы используем большие языковые модели (LLM) и делегируем рутинные и трудоемких задач, которые раньше занимали значительное время и ресурсы. При этом мы обязательно проверяем и корректируем полученные результаты. Мы создали собственную платформу для автоматизации рутинных операций  аналитиков, разработчиков и тестировщиков с помощью ИИ и видим результат от ее использования. Делегирование части своих задач нейросетям позволяет нашим специалистам быть более продуктивными. Подобные решения на основе ИИ хорошо зарекомендовали себя как не только внутри компании, но и у наших партнеров.

При этом любое автоматизированное решение, имеющее значительные последствия, должно быть всегда подвергнуто финальной проверке человеком, который является экспертом в данной области. И такой подход уже активно используется в ряде областей, где применяются ИИ-решения.

Адаптирование, критическая проверка и этичное применение ИИ — навыки программистов будущего

Образование будущего должно быть направлено на подготовку специалистов, способных не только использовать готовые ИИ-инструменты, но и создавать, адаптировать и этично применять их в условиях быстро меняющейся технологической среды. Ключевые игроки российского ИТ-рынка, в том числе ГК Softline, сходятся во мнении, что в учебные программы вузов необходимо интегрировать специализированные курсы разработки ИИ-систем, включая этику и безопасность. Знания о нейросетевых архитектурах и области их применения должны стать основой. Будущие ИТ-специалисты обязаны овладеть навыками промпт-инжиниринга, чтобы эффективно формулировать запросы к генеративным моделям. Кроме того, важно, чтобы они умели оценивать достоверность данных, генерируемых нейросетями, выявлять ошибки и предвзятости, разрабатывать методы проверки кода и текста. Это требует прочной базы в математике, математической статистике и понимания специфики отрасли, где будет применяться ИИ. В конечном итоге такие специалисты должны уметь не только решать актуальные задачи, но и предвидеть и предотвращать потенциальные проблемы. Эти навыки позволят стать особенно ценными кадрами в высокотехнологичных компаниях.